本发明涉及一种医疗机器人及其控制方法，具体地说，涉及一种下肢康复外骨骼系统及其步行控制方法。
背景技术：
当前，我国已逐渐步入人口老龄化社会，老年人群体日益庞大，相当一部分老年人群体面临的主要疾病是脑卒中；此外，各种事故也日益增多也造成数量不小的肢体功能障碍患者。据不完全统计，上述患者的人数已超过800万，在这庞大的患者群体中，有相当一部分的患者可通过康复训练改善或恢复其运动机能。
常用康复训练主要为在专业医生的指导下，并在护士或家属的帮助下完成康复训练，这种训练方式不仅耗时费力，而且康复效果很大程度取决于医生及护士与家属的经验，导致的其康复效果很难得到保证。
随着机器人技术的发展，越来越多的科研机构开始将机器人技术应用到康复训练，以替代费用高且效果难以保证的现有康复训练技术。在替代方案中，主要是利用外骨骼康复机器人协助患者进行康复训练，不仅可节约人工费用，且可对在康复过程中的数据进行收集以制定出更好的康复训练计划。
常用下肢康复用的外骨骼的步行控制方法均为：(1)收集正常人行走的步态信息，该步态信息的内容主要包括髋、膝、踝关节角度；(2)控制外骨骼带动患者遵循正常人的步态曲线行走以期达到康复效果。但是，为了保持步行训练的平衡效果，通常采用悬架式外骨骼原地康复训练，难以模拟现实场景，不利于激发康复患者的康复兴趣、积极性，或者康复患者双手拄拐杖以保持平衡，其不适用于上身手臂力量不足或偏瘫患者，从而使这种控制方法在实际应用中需面临一个很大的问题，即偏瘫、下肢无力患者的下肢肌肉无力，难以支撑其平衡正常人步态的摆动相中出现的侧向倾覆力矩，容易导致在外骨骼带动患者康复步行过程中出现失稳，甚至跌倒的问题。
技术实现要素：
本发明的主要目的是提供一种下肢康复外骨骼系统的步行控制方法，以提高其步行过程的稳定性；
本发明的另一目的是提供一种外骨骼系统，以提高其步行过程中的稳定性。
为了实现上述主要目的，本发明提供的步行控制方法包括实时数据获取步骤、步态相位识别步骤及外骨骼控制步骤；实时数据获取步骤包括实时获取外骨骼穿戴者的上身倾角数据、足底压力数据、及下肢关节角度数据；步态相位识别步骤包括依据下肢关节角度参考数据，基于实时获取的下肢关节角度数据，识别出外骨骼穿戴者的当前步态相位；外骨骼控制步骤包括在外骨骼的摆动腿将离地至摆动腿将着地的摆动过程中，控制其主支撑腿保持大致直立状态；并在外骨骼处于摆动腿将离地的步态相位时，且满足重心转移判据后，控制外骨骼的摆动腿进行离地摆动动作；重心转移判据为外骨骼穿戴者的上身倾角处于第一预设区间内，且其足底压力处于第二预设区间内。
通过识别出外骨骼穿戴者的步态相位后，在摆动腿从摆动腿将离地至摆动腿将着地的摆动过程中，控制其主支撑腿保持大致直立状态；并在摆动腿离地前，使上身倾角及足底压力保持在预定区间内，以使穿戴者上身朝主支撑腿侧倾斜至其重心转移至主支撑脚的支撑面上，有效地消除侧向倾覆力矩，且该主支撑腿大致保持直立，人体大部分的重量能通过外骨骼支撑腿杆传递到地面，减轻穿戴患者支撑腿的负担，从而确保外骨骼穿戴者的步行稳定，使得下肢无力的患者也能参与相应的康复训练。
具体的方案为外骨骼控制步骤包括在外骨骼处于摆动腿将着地的步态相位时，且满足提前着地判据后，控制外骨骼的摆动腿的关节动作至其柔顺着地，提前着地判据为外骨骼穿戴者的足底压力处于第三预设区间内，柔顺着地为摆动腿在着地过程的足底压力小于第一预设值。在出现摆动腿提前着地时，通过控制各个关节动作速率，以将该摆动腿在着地过程中的足底压力控制在预定值之下，从而实现若顺着地，有效避免硬着地出现的问题。
更具体的方案为控制步骤包括若外骨骼处于摆动腿将离地的步态相位时，且不满足重心转移判据，则语音提醒外骨骼穿戴者调整上身倾角。即通过语音提醒外骨骼穿戴者调整其上身倾角，而有效地避免其重心落于主支撑腿的支撑面之外而产生侧向倾覆力矩，有效地提高外骨骼穿戴者在行走过程中的稳定性。
优选的方案为获取预设区间及下肢关节角度参考数据的步骤包括数据采集步骤、数据处理步骤及数据统筹步骤；数据采集步骤包括采集样本人群在模拟预设重心转移步态过程中的行走步态数据，行走步态数据包括下肢关节角度数据、上身倾角数据及脚底压力数据；预设重心转移步态为根据一个步态周期的支撑相和摆动相中足底压力的变化情况，将步态周期划分为八个步态相位，在前述八个步态相位中，且在摆动腿将离地至该摆动腿将着地的过程所包含的步态相位上，主支撑腿保持大致直立；数据处理步骤包括对行走步态数据进行滤波、放大、去噪及离散化处理，获取独立样本在一周期内不同时刻的步态数据，集合样本人群的步态数据构成步态数据库；数据统筹步骤包括统筹步态数据库中步态数据，获取一个步态周期内不同时刻的下肢关节角度值对应的足底压力值预设区间与上身倾角值预设区间，一个步态周期不同时刻的下肢关节角度数据构成下肢关节角度参考数据。
更优选的方案为实时数据获取步骤包括获取人机交互力数据，人机交互力数据由内置于大小腿绑带内的拉力传感器输出；外骨骼控制步骤包括在控制外骨骼的下肢关节动作的过程中，保持人机交互力小于第二预设值。以使外骨骼穿戴者在步行过程能进行交互力柔顺控制。
为了实现上述另一目的，本发明提供的下肢康复外骨骼系统包括控制单元、向控制单元输入检测信号的检测单元及受控制单元控制的外骨骼；检测单元包括足底压力检测器、上身倾角检测器、及下肢关节角度检测器，控制单元包括处理器与存储器，存储器存储有计算机程序，计算机程序被处理器执行时能实现实时数据获取步骤、步态相位识别步骤及外骨骼控制步骤；实时数据获取步骤包括实时获取足底压力检测器输出的足底压力数据、上身倾角检测器输出的上身倾角数据、及下肢关节角度检测器输出的下肢关节角度数据；步态相位识别步骤包括依据下肢关节角度参考数据，基于实时获取的下肢关节角度数据，识别出外骨骼穿戴者的当前步态相位；外骨骼控制步骤包括在外骨骼的摆动腿将离地至摆动腿将着地的摆动过程中，控制其主支撑腿保持大致直立状态；并在外骨骼处于摆动腿将离地的步态相位时，且满足重心转移判据后，控制外骨骼的摆动腿进行离地摆动动作；重心转移判据为外骨骼穿戴者的上身倾角处于第一预设区间内，且其足底压力处于第二预设区间内。
通过识别出外骨骼穿戴者的步态相位后，在摆动腿从摆动腿将离地至摆动腿将着地的摆动过程中，控制其主支撑腿保持大致直立状态；并在摆动腿离地前，使上身倾角及足底压力保持在预定区间内，以使穿戴者上身朝主支撑腿侧倾斜至其重心转移至主支撑脚的支撑面上，有效地消除侧向倾覆力矩，且该主支撑腿大致保持直立，人体大部分的重量能通过外骨骼支撑腿杆传递到地面，减轻穿戴患者支撑腿的负担，从而确保外骨骼穿戴者的步行稳定，使得下肢无力的患者也能参与相应的康复训练。
具体的方案为外骨骼控制步骤包括在外骨骼处于摆动腿将着地的步态相位时，且满足提前着地判据后，控制外骨骼的摆动腿的关节动作至其柔顺着地，提前着地判据为外骨骼穿戴者的足底压力处于第三预设区间内，柔顺着地为摆动腿在着地过程的足底压力小于第一预设值。在出现摆动腿提前着地时，通过控制各个关节动作速率，以将该摆动腿在着地过程中的足底压力控制在预定值之下，从而实现若顺着地，有效避免硬着地出现的问题。
更具体的方案为控制步骤包括若外骨骼处于摆动腿将离地的步态相位时，且不满足重心转移判据，则语音提醒外骨骼穿戴者调整上身倾角。即通过语音提醒外骨骼穿戴者调整其上身倾角，而有效地避免其重心落于主支撑腿的支撑面之外而产生侧向倾覆力矩，有效地提高外骨骼穿戴者在行走过程中的稳定性。
优选的方案为获取预设区间及下肢关节角度参考数据的步骤包括数据采集步骤、数据处理步骤及数据统筹步骤；数据采集步骤包括采集样本人群在模拟预设重心转移步态过程中的行走步态数据，行走步态数据包括下肢关节角度数据、上身倾角数据及脚底压力数据；预设重心转移步态为根据一个步态周期的支撑相和摆动相中足底压力的变化情况，将步态周期划分为八个步态相位，在前述八个步态相位中，且在摆动腿将离地至该摆动腿将着地的过程所包含的步态相位上，主支撑腿保持大致直立；数据处理步骤包括对行走步态数据进行滤波、放大、去噪及离散化处理，获取独立样本在一周期内不同时刻的步态数据，集合样本人群的步态数据构成步态数据库；数据统筹步骤包括统筹步态数据库中步态数据，获取一个步态周期内不同时刻的下肢关节角度值对应的足底压力值预设区间与上身倾角值预设区间，一个步态周期不同时刻的下肢关节角度数据构成下肢关节角度参考数据。
更优选的方案为实时数据获取步骤包括获取人机交互力数据，人机交互力数据由内置于大小腿绑带内的拉力传感器输出；外骨骼控制步骤包括在控制外骨骼的下肢关节动作的过程中，保持人机交互力小于第二预设值。以使外骨骼穿戴者在步行过程能进行交互力柔顺控制。
附图说明
图1为穿戴在外骨骼穿戴者身上的本发明外骨骼系统实施例的结构示意图；
图2为本发明外骨骼系统实施例中的足底压力传感器的布置位置示意图；
图3为本发明外骨骼系统实施例的电控结构示意图
图4为本发明外骨骼系统实施例中的预设重心转移步态的过程示意图；
图5为构建出本本发明外骨骼系统实施例中重心转移步态数据库的流程图；
图6为本发明外骨骼系统实施例的步行控制方法的流程图。
具体实施方式
以下结合实施例及其附图对本发明作进一步说明。
外骨骼系统实施例
参见图1至图3，本发明外骨骼系统1包括控制单元、向该控制单元输入检测信号的检测单元及受该控制单元控制的外骨骼。
如图1所示，外骨骼系统包括穿戴在在外骨骼穿戴者上身上的控制背包10，控制背包10包括背包带100、背包袋101及安放在背包袋101内的供电电池103与主控单元102，主控单元102构成本实施例中的控制单元，主控单元102包括处理器及存储器，供电电池103为整个外骨骼系统的正常工作供电。
如图1及图2所示，外骨骼单元包括腰部穿戴单元11、髋关节单元12、大腿杆14、大腿绑带13、膝关节单元15、小腿绑带16、小腿杆17、踝关节单元18及柔性足底单元19。腰部穿戴单元11用于外骨骼与人体腰部的固定；髋关节单元12、膝关节单元15及踝关节单元18均包括关节驱动器，关节驱动器关节电机与匹配的减速器，用于对应地带动外骨骼上的髋关节、膝关节与踝关节转动；大腿杆14用于带动人体大腿运动，小腿杆17用于带动人体小腿运动。绑带用于连接腿杆与腿，以固定外骨骼；其中，每侧大腿上捆扎两根腿大腿绑带13；柔性足底单元与人体脚穿戴。
检测单元包括用于检测外骨骼穿戴者上身倾角的上身倾角检测器，用于检测下肢关节角度的下肢关节角度检测器，安装在柔性足底单元19上用于检测外骨骼穿戴者足底不同位置处压力的足底压力检测器，及用于测量人与外骨骼之间人机交互力的传感器；这些检测器向主控单元102输出实时检测信号，包括上身倾角信号、下肢关节角度信号、足底压力信号及人机交互力信号。在本实施例中，上身倾角检测器为安置在控制背包10内的1个上身倾角传感器，在本实施例中上身倾角传感器选用陀螺仪，用于测量外骨骼穿戴者上身在人体矢状面与额状面上的倾角数据；下肢关节角度检测器为安置在对应关节处的关节角度传感器，用于测量外骨骼上的髋关节、膝关节、踝关节的转角，共6个；人机交互力力传感器选用s型拉压力传感器，用于测量人与外骨骼之间的人机交互力，即用于检测大腿杆与大腿间或小腿杆与小腿间相互作用力的变化情况，安置在外骨骼的大小腿绑带内，共6个；足底压力检测器为安置在柔性足底单元上的足底压力传感器，具体选用美国tekscan公司的flexiforce型压力传感器，用于测量左右脚底不同位置处的压力，如图2所示，具体检测位置为足跟和前脚掌、脚尖的4个位置，即每个足底有4个，共8个。
如图3所示，检测单元30中的各检测传感器所采集到的检测信号通过采集卡31输送给主控单元102，主控单元102根据检测信号及预定程序控制驱动器32驱动各个关节电机33动作，关节电机带动外骨骼相应关节运动，从而辅助外骨骼穿戴者完成预定的康复训练动作。对采集卡31所采集到的信号进行如下实时处理：
(1)滤波处理：对信号进行带通滤波；
(2)放大处理；
(3)去除噪声处理，去除的噪声包括检测信号中的直流成分、皮肤摩擦的高频噪声及工频干扰，具体采用加权平均方式，以增大信噪比，从而减少噪声对检测信号的影响；
(4)数据离散化处理。
在使用上述外骨骼系统之前，需先建设出重心转移步态数据库，在本实施例中，构建重心转移步态数据库的过程包括让样本人群模拟预先设计出的预设重心转移步态行走，在样本人群熟练掌握该预设重心转移步态之后，通过三维光运动捕捉系统、上身倾角传感器、足底压力传感器采集样本人群在模拟该预设重心转移步态的过程的行走步态信息数据，依据所采集的数据建设重心转移步态数据库。如图5所示，重心转移步态数据库的建设过程包括以下步骤：
(1)训练步骤s11，让正常样本人群模拟预设重心转移步态行走并熟练掌握。
在本实施例中，预设重心转移步态如图4所示，在该图中以实线表征右脚而用虚线表征左脚，根据一个步态周期的支撑相和摆动相中右脚足底压力的变化，将一个步态周期划分为8个阶段，该8个阶段具有8个相位，即(a)全脚支撑—前，右脚全脚底面着地，且右脚在前，此时，人体体重在左右两脚上均分；(b)全脚支撑——转，右腿大致直立，右脚全脚底面着地，左脚掌轻触地面，此时，人体上身右倾，重心从两脚之间转移至右脚支撑面上，人体大部分体重支撑在右腿上；(c)全脚支撑—支，右腿大致直立，右脚全脚底面着地，左脚离地摆动，此时，人体上身右倾，重心仍在右脚支撑面上，体重完全由右脚支撑；(d)全脚支撑—摊，右腿大致直立，右脚全脚底面着地，左脚跟轻触地面，此时，人体上身右倾，人体大部分体重由右脚支撑；(e)全脚支撑—后，右脚全脚底面着地，且右脚在后，此时，人体体重在左右两脚上均分；(f)脚掌撑地，左腿大致直立，左脚全脚底面着地，右脚掌轻触地面，此时，人体上身左倾，重心从两脚均之间转移至左脚支撑面上，大部分体重支撑在左腿上；(g)脚掌离地，左腿大致直立，左脚全脚底面着地，右脚离地摆动，此时，人体上身左倾，重心仍在左脚支撑面上，体重完全由左脚支撑；及(h)脚跟着地，左腿大致直立，左脚全脚底面着地，右脚跟轻触地面，此时，人体上身左倾，人体大部分体重由左脚支撑。让样本人群依次重复上述预设重心转移步态至熟练掌握。
即在本预设重心转移步态中，在支撑相中，右腿为主支撑腿，而左腿为摆动腿；而在摆动相中，右腿为摆动腿，而左腿为主支撑腿；且在(b)全脚支撑—转相位至(d)全脚支撑—摊相位及(f)脚掌撑地相位至(h)脚跟着地相位的过程，为外骨骼的摆动腿将离地至该摆动腿将着地的摆动过程。
(2)数据采集步骤s12，采集已熟练掌握前述预设重心转移步态的样本人群在模拟该预设重心转移步态过程中的行走步态信息数据。
通过三维光运动捕捉系统optrack、上身倾角传感器、足底压力传感器获取样本人群在模拟该预设重心转移步态步行过程的多个周期的行走步态数据，行走步态数据包括下肢关节角度数据、足底压力数据及上身姿态数据；其中，下肢关节角度数据包括髋关节、膝关节及踝关节的关节角度数据，足底压力数据包括足跟、前脚掌及脚尖的压力数据，上身姿态数据包括人体上身在人体矢状面与额状面上的倾角数据。其中，足底压力数据采用布置足底上不同位置处的足底压力传感器进行检测采集，该足底压力压力传感器选用美国tekscan公司的flexiforce型压力传感器，四个压力传感器的布置位置如图2所示，即位于足跟和前脚掌、脚尖的4个位置，用来检测足底与地面的接触状态以及其相互作用力。
(3)构建数据库步骤s13，对所采集的行走步态数据进行处理，构建出重心转移步态数据库。
(3.1)数据处理步骤:对所采集的多个周期的步态数据进行滤波、放大、去噪与离散化处理，得到一周期内任意时刻的步态数据，步态数据包括关节角度数据、足底压力数据与上身倾角数据；
(3.2)构建数据库步骤:对预设数量阈值以上的样本人群重复采集多组的数据并进行数据处理，建立数据库。(1)对比同一个样本不同周期之间的差异以及不同样本之间的差异，整合数据并优化，具体为去除差异较大的数据，在本实施例中为去除偏离整体平均值的比例超过预设阈值的数据，例如超过30％，并将剩余数据平均处理，得到数据库中样本数据；(2)统筹所有样本数据，获取一个步态周期内任意时刻的关节角度值对应时刻的足底压力值置信区间与上身倾角值置信区间，及根据足底压力变化获取步态周期内任意时刻的重心位置，例如，将位于同一预设体重区间内样本人群在同一相位的一类数据的最大值与最小值作为该预设体重区间内样本人群的该类数据置信区间的端点值；再根据步态8个相位进行划分，将(b)全脚支撑——转相位时的数据置信区间作为控制外骨骼驱动人后腿离地时机的判据，定义为重心转移判据，即在后脚将离地时的相位，通过判断足底压力是否位于足底压力置信期间内及上身倾角是否位于上身倾角置信期间内来判断重心是否转移；将(d)全脚支撑——摊相位时的数据置信区间作为控制外骨骼驱动人前脚着地时机的判据，定义为提前着地判据，即前脚将着地时，以判断在着地过程是否出现提前着地。对于每一个相位，判断其上身倾角、足底压力均位于置信区间内，以作为外骨骼否能稳定行走的稳定判据，定义为稳定判据，即判断是否会出现失稳现象。其中，足底压力值置信区间构成本实施例中的第二预设区间与第三预设区间，上身倾角值置信区间构成本实施例中的第一预设区间。
参见图6，根据上述已经构建出的重心转移步行数据库，控制上述外骨骼系统进行步行的控制方法包括以下步骤：
(1)参数初始化步骤s21，依据康复患者身体信息对外骨骼系统的控制参数进行初始化，以选择其体重所对应置信区间，即预设区间。
在康复患者穿上外骨骼系统1并准备好后，外骨骼系统先带动患者下肢轻微抖动一段时间，将测得的足底压力值的总和的平均值作为参照的体重值，并依据获取的体重值，选择该体重值所在预设体重区间对应的子数据库，对应子数据库包括下肢关节角度及其对应的上身倾角置信区间与足底压力置信区间，将测得的人机交互力作为参照的人机交互力的初始值。
(2)实时数据获取步骤s22，获取检测单元对穿戴有上述外骨骼系统的患者在康复训练过程中的行走步态数据。
当患者等康复人员在穿戴有上述外骨骼系统1进行步行康复训练时，通过检测器30采集其在康复训练过程中的行走步态信息。具体为，通过上身倾角传感器实时测量康复患者上身在人体矢状面与额状面的倾角数据，通过角度传感器实时测量的外骨骼关节的角度数据，即髋关节、膝关节与踝关节的转角数据，通过足底压力传感器实时测量左右两脚底的压力数据，及通过人机交互力传感器测量人与外骨骼之间的人机交互力。
(3)数据处理步骤s23，对接收到的行走步态数据进行滤波、信号放大、去噪及离散化处理。
(4)步态稳定判断步骤s24，根据采集的行走步态数据，依据稳定判据判断外骨骼的行走状态是否稳定；若失稳，则根据失稳情况与及失稳趋势修正步态轨迹，尽可能快地控制外骨骼关节角度达到稳定状态；若稳定，则进行步态相位实时识别。
(5)步态相位识别步骤s25，根据实时采集到的行走步态数据中的关节角度数据与步态数据库中的关节角度数据进行比对，识别出外骨骼实时的步态相，即判断出当前时刻处于上述八个相位中的哪一个。
(6)外骨骼控制步骤s26，根据当前下肢关节角度数据、上身倾角数据与足底压力数据，匹配出下一时刻的关节角度数据；并在摆动腿将离地时，判断是否满足重心转移判据，以控制摆动腿离地的时机；在摆动腿即将着地时，判断是否满足提前着地判据，以控制摆动腿在提前着地过程的关节动作而实现柔顺着地。
(6.1)在判断出外骨骼处于摆动腿即将离地的相位时，即(b)全脚支撑-转相位与(f)脚掌撑地相位，根据重心转移判据，对比该时刻采集到的足底压力、上身倾角数据与数据库对应相位时的数据，以判断重心是否转移完成；若患者重心没有转移或者转移不充分，则后脚受力，后脚的脚底压力中，脚尖和前脚掌处的3个压力传感器采集的压力值将会比较大，3个压力值的和超过后脚重心转移的置信值，通常取该置信值为参数初始化步骤中获取体重值的15％，同时前脚脚底压力值的和会低于前脚重心转移的置信值，通常取该置信值为参数初始化步骤中获取体重值的85％；此时，外骨骼会通扬声器语音提示穿戴人员稍微将上身侧倾，进一步根据上身倾角数据提醒侧倾角度值，并等待调整到位；相反地，若患者重心已经转移到位，则后脚只是轻轻触地，后脚的脚底压力中，脚尖和前脚掌处的3个压力传感器采集的压力值将会比较小，3个压力值的和小于后脚重心转移的置信值，通常取该置信值为参数初始化步骤中获取体重值的15％，同时前脚脚底压力值的和会大于前脚重心转移的置信值，通常取该置信值为参数初始化步骤中获取体重值的85％。
(6.2)在判断出外骨骼处于摆动腿即将着地的相位时，即(d)全脚支撑-摊相位与(h)脚跟撑地相位，根据提前着地判据，对比该时刻采集到的足底压力、上身倾角数据与数据库对应相位时的数据，判断外骨骼是否会提前着地，例如，在行进路径上有凸起时会使外骨骼的摆动腿比预设时机提前着地，即摆动腿相应的关节角度数据未达到着地数据，而摆动腿脚底提前出现足底压力数据，此时，摆动腿足底压力中足跟处的压力值会提前变大，若没有提前着地，该数字往往比较小，通常约为零，此时根据足底压力的数值与关节角度及时合理修正外骨骼关节角度曲线，使外骨骼柔顺着地，避免外骨骼摆动腿提前着地带来的冲击与失稳。
(6.3)将匹配得到的下肢外骨骼关节角度信息传递给对应的关节电机驱动器，控制对应的关节电机转动，在电机转动过程中，通过内置在大小腿绑带内的s型拉力传感器实时测量得到的人与外骨骼之间的人机交互力来实现人机交互力的柔顺控制，若测得的人机交互力超过设定的最大值，通过降低电机转速，减速电机出轴力矩，确保人与外骨骼之间的人机交互力在安全舒适的范围内，保障人与外骨骼之间良好的人机协调性，从而实现外骨骼的稳定控制。
在本外骨骼系统的主控单元102中，其存储器内存储有计算机程序，该计算机程序被其处理器执行时，能实现上述参数初始化步骤s21、实时数据获取步骤s22、数据处理步骤s23、步态稳定判断步骤s24、步态相位识别步骤s25、外骨骼控制步骤s26。
步行控制方法实施例
在上述外骨骼系统实施例中已对本发明步行控制方法实施例进行了说明，在此不再赘述。