一种踝关节外骨骼的人机耦合智能控制方法与流程

本发明专利涉及外骨骼的运动控制领域，具体为一种踝关节外骨骼的人机耦合智能控制方法。

背景技术：

1、人体脚踝与外骨骼可以是一个有机统一的系统，要实现人体自然连续的动作，需要保证两者之间的运动协调，这对设计外骨骼的控制提出了很高的要求。然而，由于踝关节的运动和外骨骼的力跟踪性能仍较差，常规的控制方法容易受到外界环境的影响，导致系统不稳定。鉴于此，我们提出一种人机耦合智能控制的方法来提高主动式踝关节外骨骼的性能，增强其柔顺性。

技术实现思路

1、本发明的目的在于克服现有技术的缺点和不足，提供一种踝关节外骨骼的人机耦合智能控制方法，该方法可以缩短外骨骼控制器识别人体的运动意图的时间，降低位置跟踪误差，使外骨骼能够紧密地配合操作者运动。

2、为实现上述目的，本发明提供如下技术方案：

3、本发明提供一种踝关节外骨骼的人机耦合智能控制的方法，包括以下步骤：

4、s1、预先获取穿戴者的步态数据并对数据进行特征工程处理(数据清洗、数据标准化)和量化；

5、s2、处理后的步态数据作为输入，建立小脑模型神经网络模型(cerebellar modelarticulation controller,cmac)；

6、s3、将训练的cmac神经网络模型与模糊pid控制结合，构成复合控制器，利用cmac自适应能力与快速学习非线性函数能力对模糊pid控制过程进行学习，进而对外骨骼进行控制；

7、s4、对控制结果进行仿真评估。

8、优选的，在步骤s1中，数据清洗包括处理缺省数据和剔除无关数据；

9、优选的，在步骤s1中，数据标准化方法为标准差标准化，具体计算方法为：

10、

11、

12、其中，x＝(x1,x2,...,xi,...,xm)代表样本的各特征数据，std(x)为标准差，x(std)为标准化后的数据。

13、优选的，在步骤s1中的量化过程为：

14、将各维特征取值区间均匀地划分为相同数量的子空间并进行编号或记录子区间均值，随后根据特征的实际取值落入的子区间，用相对应的编号或均值代表该样本该维度特征的取值，实现量化。

15、优选的，在步骤s2中，建立小脑模型神经网络的过程包括地址映射、cmac记忆、cmac学习和cmac函数计算。

16、优选的，在步骤s4中，仿真评估包括软件中的虚拟模型仿真和样机模型实际测试。

17、与现有技术相比，本发明的有益效果是：该人机耦合智能控制方法，通过训练cmac神经网络模型，与模糊控制和pid控制相结合，构成复合控制器，相比传统的灵敏放大控制、鲁棒控制、阻抗控制、pid控制以及自适应控制，可以实时地在线辨识系统模型参数而进行调整以保证系统的性能。

技术特征：

1.一种人机耦合智能控制方法，其特征在于，包括以下步骤：

2.根据权利1所述的人机耦合智能控制方法，适用于踝关节外骨骼的控制。

3.根据权利要求1所述的建立小脑模型神经网络的过程包括地址映射、cmac记忆、cmac学习和cmac函数计算。

4.根据权利要求1所述的数据清洗包括处理缺省数据和剔除无关数据。

5.根据权利要求1所述的数据标准化，具体计算方法为：

6.根据权利要求1所述的量化过程为：

7.根据权利要求1所述的复合控制器，其特征在于，在pid控制的基础上添加模糊控制逻辑，并以cmac控制作为补偿，可实时地在线辨识系统模型参数而进行调整以保证系统的性能。

8.根据权利要求1，仿真评估包括软件中的虚拟模型仿真和样机模型实际测试。

9.根据权利要求8所述的仿真评估，其特征在于，可将模型的模块进行多种软件的联合仿真，样机模型实际测试得到的步态数据可对比评估分析出步态。

技术总结
本发明涉及外骨骼领域，使用一种新方法提高踝关节外骨骼运动柔顺性。该方法是在前期穿戴踝关节外骨骼，获取步态数据基础上，对数据进行特征工程处理和量化，训练小脑模型神经网络模型(Cerebellar Model Articulation Controller,CMAC)，将其作为补偿器，与模糊PID控制器结合对踝关节外骨骼进行轨迹跟踪控制，可实时地在线辨识系统模型参数而进行调整以保证系统的性能。同时对控制效果进行仿真评估，以确保踝关节外骨骼和穿戴者的协调运动。

技术研发人员：屈盛官,杨靓
受保护的技术使用者：江苏标固科技有限公司
技术研发日：
技术公布日：2024/3/17