基于人体运动模式识别与位姿预测的下肢外骨骼机器人自适应控制方法

Lower limb exoskeleton robots can effectively assist human walking, which has a wide application prospect in military and medical fields. However, due to the weak perception of human motion and the delay of the servo control system, the motion of the exoskeleton robot often lags behind that of the human body, which interferes with the human body and makes people easily fatigued by wearing the exoskeleton, which limits the practical application of the exoskeleton robot. Therefore, the project aims to improve the perception of human motion of the exoskeleton robot and improve human-robot motion coordination. The project proposes the adaptive motion control method for lower extremity exoskeleton robot based on human motion recognition and pose prediction, by recognizing the human movement change based on the electromyographic signal, predicting the next posture based on force and angles and designing the three layers adaptive control method based on the control method of human rhythm movement. The research results of this project will break through the human motion perception technology, and realize the effective assistance to human motion. Besides, it will provide theoretical and technical support for human-robot coordinated movement, and promote the practical application of the exoskeleton robot, which has important scientific and social significance.

下肢外骨骼机器人能够有效辅助人体下肢行走，其在军事及医疗等领域有广泛的应用前景。然而由于外骨骼机器人对人体运动感知能力弱，并且伺服控制系统存在延迟，导致外骨骼机器人的运动往往滞后于人体运动，对人体运动产生干涉，人体穿戴外骨骼容易疲劳，限制了外骨骼机器人的实际应用。为此，本项目以提高外骨骼机器人对人体运动的感知能力、改善人机运动协调性为目标，提出基于人体运动模式识别与运动位姿预测的下肢外骨骼机器人自适应控制方法，从基于肌电信号识别人体运动模式切换、基于力位等物理信号进行运动位姿预测与模拟人体节律运动控制机制设计三层外骨骼机器人自适应控制器三个方面展开研究。本项目的研究成果将突破外骨骼机器人的人体运动感知技术，实现外骨骼机器人对人体运动的有效辅助，为人机协调运动提供理论与技术支撑，推进外骨骼机器人的实际应用，本项目的研究具有重要的科学与社会意义。

下肢外骨骼机器人在军事负重行走、工业负重托举等领域有着巨大的应用空间，然而现阶段下肢外骨骼机器人对人体的运动辅助效果不佳、人机运动协调性差，限制了外骨骼机器人的实际应用。针对下肢跟随辅助外骨骼机器人，为了增强外骨骼机器人对人体运动的感知能力、改善外骨骼机器人的人机运动协调性，本项目从人体运动生理特性入手，提出基于肌电信号与运动角速度、角加速度的人体运动模式识别与位姿预测技术，并提出基于圆模型的三层CPG网络自适应人机协同控制方法，实现外骨骼机器人对人体运动的自适应跟随控制，最终实现人机协调运动。.在人体运动模式识别方面，提出基于肌电信号、运动角速度、角加速度特征的的运动模式切换技术，针对平地、上下坡、上下楼梯等模式间的模式切换识别，基于肌电信号的识别准确度达97%以上，基于运动学信号的准确度达99%以上，能够对人体运动模式切换进行有效的识别。在连续运动模式识别方面，提出基于双流CNN的不同运动模式识别方法，探究了基于能量核理论与小波变换的肌电信号特征提取方法，对平地与上下楼梯之间的运动模式进行识别，平均准确度90%以上。.为了弥补驱动系统的响应滞后，研究了基于肌电信号及关节运动角度等物理信号的人体运动预测技术，提出基于LSTM的肌电信号下肢关节角度预测与优化粒子群算法的关节角度下肢运动预测方法，实现了预测准确度达97%以上。.在人机协同控制方法方面，提出了基于圆模型的三层CPG网络自适应人机协同控制方法，采用20个自适应振荡器组成的CPG网络，建立人体下肢节律运动的自适应控制器，对不同运动模式进行参数自适应调节控制，实现了日常运动的人机协同运动。 .本项目的研究，提高了人体运动识别准确度，尤其是运动模式切换识别准确度，人体运动预测技术弥补了驱动系统的响应滞后。并且，建立了人体下肢节律关节运动的自适应调节控制方法，为复杂环境下的外骨骼机器人人机协同运动奠定基础。.在上述研究中，在国内外学术期刊及国际会议发表论文12篇，SCI收录9篇，申请发明专利3件，其中授权1件。