智能轮椅的人体动作交互及其肢体协调控制方法研究

本课题拟将对智能轮椅的人体动作交互及其肢体动作协调控制方法进行研究，通过识别和理解人体的肢体动作意图，实现与之相协调的的轮椅自然运动控制机制和方法，进而完成轮椅和人之间的"动作一体化"。主要研究内容包括：1）基于局部肢体动作识别的智能轮椅运动控制算法研究；2）基于类行走化上体联动识别的智能轮椅运动控制算法研究；3）基于动作形态反馈的自学习识别及控制算法研究。通过对上述内容的研究，有望实现基于身体肢体协调动作的智能轮椅自然交互控制方法，进一步拓展智能轮椅研究领域的人机交互模式，同时对机器人、虚拟现实领域的人机交互研究也将提供新的思路和方法。

本课题对智能轮椅的人体动作交互及其肢体动作协调控制方法进行了研究。通过识别和理解人体的肢体动作意图，实现与之相协调的轮椅自然运动控制机制和方法，进而完成轮椅和人之间的“动作一体化”。在课题实施期间，课题组首先研制开发了基于MEMS技术的惯性姿态传感器，集成了陀螺仪、加速度计和磁场计等传感器，具备三轴角速度、三轴加速度和三轴磁场信息的采集和处理功能，在姿态解算方面提出了一种基于加速度和磁场干扰补偿的姿态计算方法，弥补了干扰环境下姿态误差较大的缺陷，进一步提高了对人体的肢体动作的精确测量和分析。在人体上肢短时动作识别方面，提出了一种基于隐马尔科夫模型和贝叶斯方法相结合的动作识别方法；在智能轮椅运动控制方面，提出了一种基于S型曲线的运动平滑控制方法。在人体上肢连续动作识别方面，采用了一种时频特征相结合的滑动窗特征提取方法，并基于朴素贝叶斯方法来完成连续动作的训练和识别。最后，为了能够对智能轮椅的仿人化运动进行较为准确的模拟和控制，通过构建基于双目视觉测量的步态测量系统，开展了对人体步态数据的采集和分析；通过构建两轮自平衡控制系统，分别开展了基于PID方法和LQR方法的自平衡运动控制研究，并通过引入模糊控制和神经网络控制，进一步提升了自平衡控制的鲁棒性和稳定性。这两项内容的开展将对智能轮椅的仿人化运动控制研究提供有力的理论支撑。