一种基于新型感知的外骨骼机器人辅助装置及方法与流程

本发明属于医疗辅助机器人，涉及一种基于新型感知的外骨骼机器人辅助装置及方法。

背景技术：

21世纪以来，随着机器人技术的不断成熟，机器人技术得到了更广泛应用。从工业机器人发展到服务型机器人，机器人逐渐走入了人们的日常生活当中，给我们带来了诸多方便。随着人类物质生活水平的提高及精神生活的日益丰富，未来机器人将跟人类更密切的联系在一起。

下肢负重外骨骼是一种可穿戴机器人，通过为人体提供外力支持，达到降低人体的负荷、提高人体持久运动能力的目的，在提高单兵作战能力、专配维修作业及医疗助残方面有广泛的应用前景。

下肢负重外骨骼工作机理为感知系统实时捕获人体步行状态，控制器产生控制信号驱动机械骨骼跟随人体运动。但从感知系统捕获人体步态到输出控制信号，以及驱动机构(通常为电机或液压)驱动外骨骼关节到达目标轨迹均需要一定的时间，而此过程人体已经运动到另一状态，因此，机械外骨骼步态滞后于穿戴者步态，从而干扰穿戴者的行走行为。

为解决此问题，其控制系统的参考信号应当超前于人体的运动状态，需要对人体运动步态进行实时、准确的捕获和预测。

申请公布号为CN103431929A的发明专利申请公开了“一种力量增强型动力外骨骼行走步态感知方法及装置”，具体步骤为：采用脚底压力传感器和膝关节编码器以及陀螺仪进行人触地信息、关节角度变化以及大小腿角速度信息测量，依据人机携行规律提出了双腿站立，左腿支撑、右腿摆动，双腿支撑、右腿在前，右腿支撑、左腿摆动，双腿支撑，左腿在前等行走5个步态子相划分方法，并采用机器学习算法对5种步态子相中测量信息进行分类决策，给出一种数据融合行走步态子相识别方法。该发明能够提前让液压控制系统收缩，提高人机携行速度，但因其参考信息有限，无法对穿戴者行为进行快速预测，在快速运动时依旧无法解决机械外骨骼步态滞后的问题。

申请公布号为CN105150211A的发明专利申请公开了“一种负重型下肢外骨骼机器人的控制系统”，该系统由两个功能相同子系统构成；每个子系统由信号采集装置、微控制器、运动执行机构以及控制算法组成；所述下肢外骨骼机器人用于为穿戴者下肢提供助力；所述信号采集装置由薄膜压力传感器、磁角度传感器、多通道放大器、多通道低通滤波器构成，完成穿戴者足底压力信号和下肢外骨骼机器人的踝关节角度信号的采集；所述运动执行机构由伺服驱动器组和伺服电缸组组成；所述控制算法采用末端跟随控制算法。该发明能够提高机器人对穿戴者身高的适应性，但其没有相应的预测算法，无法实现穿戴者的下一步动作预测，无法解决机械外骨骼步态滞后的问题。

申请公布号为CN105078708A的发明专利申请公开了“一种外骨骼机器人随动控制装置”，该装置包括上臂、下臂，上臂下端和下臂上端采用可转动的关节连接，所述上臂或下臂上设有可垂直于轴线方向滑动的主动压块，所述主动压块与人体绑定，上臂或下臂上与主动压块对应设置有两个微动开关，所述上臂和下臂之间设有驱动转动的动力装置，两个微动开关分别控制动力装置的正反向运动。该发明实现外骨骼和人体的实时随动，具有良好的协调性、同步性，但其没有相应的预测算法，无法预测穿戴者的下一个动作，无法解决机械外骨骼干扰穿戴者的行走行为的问题。

技术实现要素：

本发明目的在于提供一种基于新型感知的外骨骼机器人辅助装置及方法，对人体下肢关键部位的运动状态进行采集与预测，实现了为外骨骼控制器提供可靠的参考信息，有效地解决了外骨骼与穿戴者运动不协调的问题，同时解决了外骨骼步态滞后于穿戴者步态的问题。

为解决上述技术问题，本发明采用如下的技术方案：一种基于新型感知的外骨骼机器人辅助装置及方法，其中，所述装置包括：左腿传感器模块、右腿传感器模块、数据处理主板、上位计算机及外骨骼控制器；其中，所述左腿传感器模块及所述右腿传感器模块分别与数据处理主板相连；所述数据处理主板分别与上位计算机及外骨骼控制器相连。

进一步地，所述左、右腿传感器模块均由大腿姿态传感器、小腿姿态传感器以及脚掌姿态传感器组成。

进一步地，所述数据处理主板由电平转换芯片、微控器以及无线模块组成。

进一步地，所述上位计算机以及所述外骨骼控制器均用于对接收的数据进行参考并分析后，做进一步处理。

所述方法包括：S1，左腿传感器模块与右腿传感器模块同时采集数据；S2，根据采集数据分别计算出左右腿膝盖、脚踝的夹角数据；S3，根据计算结果对关节的旋转角度进行预测并发送预测数据；S4，将发送过来的左右腿的数据进行整合，实现时间同步；S5，发送给外骨骼控制器或者上位计算机。

进一步地，所述步骤S3中，通过非线性时间序列分析Takens算法(出自Detecting strange attractors in fluid turbulence[J].Takens F.Dy-namical Systems and Turbulence，1981，898:366-381.)对关节的旋转角度进行预测。

本发明与现有技术相比具有以下的有益效果：

本发明方案利用安装在外骨骼穿戴者下肢的姿态传感器采集人体下肢关节的旋转运动，并通过特殊算法预测人体下肢关节未来一段时间的运动情况，能为外骨骼控制器提供可靠的参考信息，解决了外骨骼与穿戴者运动不协调的问题，同时解决了外骨骼步态滞后于穿戴者步态的问题。

附图说明

图1是基于新型感知系统的结构框图。

图2是人体下肢佩戴传感器的方式。

图3是下肢所佩戴传感器的接口硬件框图。

图4是数据处理主板硬件框图。

图5是采集传感器数据的处理流程图。

图6是预处理传感器数据帧的解算流程图。

图7是左右腿的数据同步及转发流程图。

具体实施方式

下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。

参照图1，本发明的一种基于新型感知的外骨骼机器人辅助装置及方法，其中，所述装置包括：左腿传感器模块、右腿传感器模块、数据处理主板、上位计算机及外骨骼控制器；所述左腿传感器模块及所述右腿传感器模块分别与数据处理主板相连；所述数据处理主板分别与上位计算机及外骨骼控制器相连。

其中，所述左、右腿传感器模块均由大腿姿态传感器、小腿姿态传感器以及脚掌姿态传感器组成；参照图2，人体下肢的圆点表示姿态传感器，在人的大腿、小腿和脚掌上按同样的方式分别配戴一个姿态传感器，可通过两个相邻传感器的数据进行简单的代数运算得出膝关节、踝关节的角度信息；参照图3，各姿态传感器信号输出采用的是RS-232协议，为了能够和数据处理主板上的ARM微控器通信，需要电平转换，将RS-232协议的电平转换为TTL电平，采用芯片MAX3387，该芯片有3个电平转换通道；且本发明设置传感器每10ms向数据处理主板传输一次采样数据。

所述数据处理主板由2个电平转换芯片、3个微控器以及1个无线模块组成；参照图4，电平转换芯片选择的是MAX3387，作为微控器和姿态传感器之间通讯的中转站，负责TTL电平和RS-232电平之间的转换；微控器采用的是ARM内核的STM32F407单片机，2#、3#微控器分别处理左脚、右脚的传感器数据，并通过SPI模块发送给1#微控器，用来对另外两个微控器的数据进行整合，实现时间同步并通过无线模块发送到所述外骨骼控制器或者所述上位计算机。无线模块采用的是XBee-PR900HP。

所述上位计算机以及所述外骨骼控制器均用于对接收的数据进行参考并分析后，做进一步处理。

所述感知方法包括：参照图5，

S1，左腿传感器模块与右腿传感器模块同时采集数据；当程序检测到3只传感器的采样数据都已接收成功便开始下步操作。

S2，根据采集数据分别计算出左右腿膝盖、脚踝的夹角数据；MTI-30姿态传感器的数据是按照特定格式的数据帧封装的，因此，需要设计软件先解算数据帧，才能计算出膝盖、脚踝的夹角数据。本方法通过中断来实现数据解算，其解算流程参照图6，STM32单片机的UART模块每接收1个字节的数据就促发一次中断，因此，传感器的一帧数据需要促发多次中断才能解算完毕。

S3，根据计算结果对关节的旋转角度进行预测并发送预测数据；通过非线性时间序列分析Takens算法可对关节的旋转角度进行预测。

根据Takens嵌入定理，对于给定时间序列y(t)∈R，0＜＜t＜＜n，给定适当的延迟时间h和嵌入维数p，则可得延迟矢量

D(t)＝[y(t),y(t-h),…,y(t-h(p-1))]^T (1)

以相空间重构及Takens嵌入定理为理论基础与数学工具，本文所实现的数据预测算法流程如下：

S31，在每个采样时刻t，t≥hp得到一个延迟矢量D(t)；

S32，计算当前时刻D(t)与之前观测到的所有D(i)，hp＜＜i＜＜t之间的欧氏距离δ(i)＝||D(t)-D(i)||；

S33，找到与D(t)能够最佳匹配的M个延迟矢量即与当前时刻D(t)欧氏距离最小的M个延迟矢量，其中

S34，计算参数N：

S35，计算权重因子w_j：

S36，计算k阶预测即

由算法流程可以看出，该算法需要确定参数k，h，p和M，由于Takens嵌入定理对相空间重构参数的选择没有理论上的建议，按照如下方式选择重构参数:先将预测阶数k取值为定值，取p∈[1,20]，h∈[1,20]，M∈[1,50]，对实测数据进行MATLAB仿真，找出预测准确率最高的一组参数作为算法实现时所用参数。准确率定义如公式(3)所示，预测误差当误差为0时，准确率为100％；当预测失败时，PR则表现为负数

预测阶数k主要由外骨骼系统执行机构响应速度决定，微控器中的预测阶数k应当可以通过程序设置，以适应不同的驱动机构。

S4，将发送过来的左右腿的数据进行整合，实现时间同步；其流程参照图7，2#、3#微控器将预测量及其他数据通过SPI模块发送给1#微控器后，1#微控器同样先解算数据帧，然后对数据进行整合，实现时间同步。

S5，1#微控器通过无线模块将数据的最终处理结果发送给外骨骼控制器或者上位计算机。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。