The invention discloses a real-time walking pattern recognition method based on the exoskeleton of the knee joint. The recognition method includes: first, automatic calibration is carried out to eliminate the influence caused by the inaccurate position of each time the IMU module is worn; then, the rotation angles of the left, right thigh and lower leg of the human body are collected by the IMU module, and the knee joint angle is calculated; these angle parameters are used as In order to input signals, a rule-based classification algorithm is used to recognize the current walking mode of human body. The invention reduces the complexity of the algorithm, reduces the storage amount and the calculation amount, and is convenient for direct application in the lower limb exoskeleton, the walking aid device and other products requiring the function.
【技术实现步骤摘要】
一种基于膝关节外骨骼的实时行走模式识别方法
本专利技术属于模式识别领域，特别涉及一种基于膝关节外骨骼的实时行走模式识别方法。
技术介绍
近年来，人口老龄化已逐渐发展成为各国严重的社会问题之一。随着年龄的增长，人体的器官开始衰老，肌肉力量也逐渐衰减，尤其下肢最为明显。对于老年人来说，下肢的自然老化和疾病将严重影响着人体的行动能力，这大大降低了老年人的生活质量。外骨骼是一项新技术，将其穿戴在人体下肢外部与腿部固定在一起，可以为老年人或者行为不便人群提供辅助，使其恢复行走能力。未来，外骨骼将会在医疗和康复领域发挥重要的作用。外骨骼通过自身安装的传感器来检测人体的运动意图从而执行相应的运动。在日常生活中，人体常见的行走模式除了平地行走外，还有上楼梯和下楼梯等。如果想要让外骨骼以最佳的方式为人体提供助力，就需要根据不同的行走模式采取相应的控制策略。而实现这一目标的前提是外骨骼必须具备能够识别人体行走模式的能力。中国专利技术专利申请CN106625604A公开了一种基于助力外骨骼机器人的运动状态判别方法及系统，该方法使用...
【技术保护点】
1.一种基于膝关节外骨骼的实时行走模式识别方法，包括如下步骤：/n步骤S1，将IMU模块安装到所述膝关节外骨骼上；/n步骤S2，对所述IMU模块进行校准，消除穿戴IMU模块位置不准确带来的影响；/n步骤S3，使用所述IMU模块采集人体下肢角度参数；/n步骤S4，以所述人体下肢角度参数作为输入信号，采用基于规则的分类算法对人体当前的行走模式进行识别。/n
【技术特征摘要】
1.一种基于膝关节外骨骼的实时行走模式识别方法，包括如下步骤：
步骤S1，将IMU模块安装到所述膝关节外骨骼上；
步骤S2，对所述IMU模块进行校准，消除穿戴IMU模块位置不准确带来的影响；
步骤S3，使用所述IMU模块采集人体下肢角度参数；
步骤S4，以所述人体下肢角度参数作为输入信号，采用基于规则的分类算法对人体当前的行走模式进行识别。
2.根据权利要求1所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述步骤S1包括在膝关节外骨骼安装4个IMU模块，分别位于左、右大腿和小腿的外侧，并且所有IMU模块的Pitch角度平面都与人体矢状面平行。
3.根据权利要求1所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述步骤S2的校准过程包括：
步骤S21，存储人体静止站立时各IMU模块采集到的Pitch角度；
步骤S22，使所有IMU模块采集到的Pitch角度值都减去步骤S21采集到的Pitch角度，从而将人体静止站立时各IMU模块的Pitch角度都标定为零。
4.根据权利要求1所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述步骤S3中的人体下肢角度参数包括：左大腿角度的最大值leftup_high、左大腿角度的最小值leftup_low、左小腿角度的最大值leftdown_high、左小腿角度的最小值leftdown_low、右大腿角度的最大值rightup_high、右大腿角度的最小值rightup_low、右小腿角度的最大值rightdown_high、右小腿角度的最小值rightdown_low、左腿膝关节角度的最小值kneeangle_left_Min、右腿膝关节角度的最小值kneeangle_right_Min。
5.根据权利要求1所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述步骤S4中的基于规则的分类算法包括通过由选取的多种特征与相应阈值组成的规则来实现对当前行走模式的判断，所述的行走模式包括人体平地行走、上楼梯和下楼梯。
6.根据权利要求5所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述的特征包括左右腿髋关节的最大屈曲角度、左右腿髋关节的最大伸展角度、左右腿膝关节屈曲时小腿的最大后摆角度、左右腿膝关节伸展时小腿的最大前摆角度、左右腿膝关节的最大屈曲角度、左右小腿的角度变化范围、左右大腿的角度变化范围、左右大腿和小腿角度变化曲线之间的差距或重合范围；
所述的特征分别通过以下这些由角度参数组成的表达式来描述：-leftup_low和rightup_high、-leftup_high和rightup_low、-leftdown_high和rightdown_low、-leftdown_low和rightdown_high、-kneeangle_left_Min和-kneeangle_right_Min、leftdown_high-leftdown_low和rightdown_high-rightdown_low、leftup_high-leftup_low和rightup_high-rightup_low、leftdown_low-leftup_high和rightup_low-rightdown_high；
所述的阈值的具体值为每条规则中关系运算符后的数值。
7.根据权利要求6所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述步骤S4中的基于规则的分类算法包括：
步骤S41，判断是否符合上楼梯的规则，若符合则转到步骤S45，否则转到步骤S42；
步骤S42，判断是否符合平地行走的规则，若符合则转到步骤S45，否则转到步骤S43；
步骤S43，判断是否符合下楼梯规则，若符合则转到步骤S45，否则转到步骤S44；
步骤S44，判定当前的行走模式与上一次的识别结果相同，转到步骤S45；
步骤S45，结束判断，跳出程序。
8.根据权利要求7所述的基于膝关节外骨骼的实时行走模式识别方法，其特征在于，所述步骤S41判断上楼梯模式所用的规则包括对于左腿的如下规则：
规则1：leftup_low<-30&&leftdown_low>5&&leftdown_high<50&&(leftup_high-leftup_low>30||leftup_low<-40||leftdown_high-leftdown_low-leftup_high+leftup_low<0||(kneeangle_left_Min<-50&&kneeangle_left_Min>＝-85))
规则2：leftup_low<-30&&leftdown_low-leftup_high>-11&&leftdown_low>-4&&leftdown_high-leftdown_low-leftup_high+leftup_low<0
规则3：leftup_low<-40&&leftdown_low...
【专利技术属性】
技术研发人员：刘娟，黄强，王文康，张连存，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。