一种外骨骼输出力的确定方法及装置制造方法及图纸

本申请适用于设备控制技术领域，提供了一种外骨骼输出力的确定方法及装置，所述外骨骼输出力的确定方法包括：获取目标外骨骼当前时刻的实时参数；将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力；所述神经网络是基于外骨骼样机运行过程中的训练数据集训练得到的。在本申请中，力传感器安装于仅用于确定训练输出力过程的外骨骼样机上，本申请提供的外骨骼输出力的确定方法通过训练好的神经网络来确定外骨骼输出力，从而降低外骨骼的制造成本。

【技术实现步骤摘要】
一种外骨骼输出力的确定方法及装置
本申请属于设备控制
，尤其涉及一种外骨骼输出力的确定方法及装置。
技术介绍
近年来，随着机电一体化技术、机器人技术及运动意图感知技术的发展，可穿戴式外骨骼机器人技术逐渐走进广大群众的视野里。外骨骼机器人是一种与人体并联的可穿戴智能机器人，穿戴者和外骨骼机器人需要融为一体进行辅助工作，理想状态下外骨骼机器人就像是我们身体内的骨骼一样提供支撑及力量。通过穿戴合适的外骨骼机器人可以帮助穿戴者正常站立行走或者提高肢体运动性能，大大地提升穿戴者的肢体机能力量。目前，已经出现了的外骨骼机器人产品，但其定价远高于用户预期，导致难以实现大规模的应用，其主要原因之一是因为需要安装多种传感器导致价格过高，特别是确定外骨骼输出力的力传感器。目前常用的力传感器，其单价昂贵，同时为了减少其他干扰因素对外骨骼输出力测量精度的影响，往往还需要配套相应的信号处理设备，这又进一步增加了外骨骼的造价，造成外骨骼难以取得大规模的应用。
技术实现思路
本申请实施例提供了一种外骨骼输出力的确定方法及装置，该方法使用神经网络模型代替力传感器来确定外骨骼输出力，从而能降低外骨骼的制造成本，解决现有技术中外骨骼制造成本过高的问题。第一方面，本申请实施例提供了一种外骨骼输出力的确定方法，包括：获取目标外骨骼当前时刻的实时参数；将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力；所述神经网络是基于外骨骼样机运行过程中的训练数据集训练得到的。在第一方面可能实施的方式中，在将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力之后，还包括：基于实时运动信息确定实时期望力；基于所述实时期望力以及所述实时输出力，调整所述外骨骼的控制器参数。第二方面，本申请实施例提供了一种外骨骼输出力的确定装置，包括：实时参数获取模块，用于获取目标外骨骼当前时刻的实时参数；实时输出力确定模块，用于将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力；所述神经网络是基于外骨骼样机运行过程中的训练数据集训练得到的。第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的方法。示例性的，该终端设备可以是安装在外骨骼上的，也可以是通过网络与外骨骼连接。应理解，本申请提供的确定方法可以在不同的终端设备上执行不同的步骤，以达到高效便捷的效果，例如第一终端设备安装在外骨骼上，通过网络传输数据至第二终端设备，第二终端设备通过网络与外骨骼连接。第一终端设备将数据传输给第二终端设备之后，第二终端设备执行训练神经网络的过程，并将训练好的神经网络传输至第一终端设备，以代替现有技术中外骨骼的力传感器，来确定外骨骼的输出力。第四方面，本申请实施例提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。本申请实施例与现有技术相比存在的有益效果是：现有技术使用力传感器测量外骨骼输出力，本申请提供的确定方法通过训练好的神经网络代替力传感器确定外骨骼输出力，减少了现有技术中因力传感器带来的外骨骼制造成本，解决了现有技术中外骨骼制造成本过于高昂的问题。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请第一实施例提供的确定方法的实现流程图；图2是本申请一实施例提供的实际应用效果示意图；图3是本申请一实施例提供的预测输出力与实际输出力的对比函数图；图4是本申请一实施例提供的人体的一个步伐周期示意图；图5是本申请一实施例提供的神经网络结构图；图6是本申请第二实施例提供的确定方法的实现流程图；图7是本申请第三实施例提供的确定方法S601的实现流程图；图8是本申请第四实施例提供的确定方法S603的实现流程图；图9是本申请第五实施例提供的确定方法的实现流程示意图；图10是本申请一实施例提供的确定装置结构示意图；图11是本申请一实施例提供的终端设备结构示意图；具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。在本申请实施例中，流程的执行主体为终端设备。该终端设备包括但不限于：服务器、计算机、智能手机以及平板电脑等能够执行本申请提供的外骨骼输出力的确定方法的设备。优选的，该终端设备为一具有处理器的外骨骼设备。图1示出了本申请第一实施例提供的确定方法的实现流程本文档来自技高网...

【技术保护点】
1.一种外骨骼输出力的确定方法，其特征在于，包括：/n获取目标外骨骼当前时刻的实时参数；/n将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力；所述神经网络是基于外骨骼样机运行过程中的训练数据集训练得到的。/n

【技术特征摘要】
1.一种外骨骼输出力的确定方法，其特征在于，包括：
获取目标外骨骼当前时刻的实时参数；
将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力；所述神经网络是基于外骨骼样机运行过程中的训练数据集训练得到的。


2.如权利要求1所述的确定方法，其特征在于，所述神经网络包括：
隐藏层以及输出层；所述隐藏层的网络类型以及所述输出层的网络类型均为前馈全连接神经网络；
所述隐藏层包括隐藏层神经元，所述隐藏层神经元为sigmoid神经元；
所述输出层包括输出层神经元，所述输出层神经元为线性神经元。


3.如权利要求1所述的确定方法，其特征在于，在所述将所述实时参数导入预设的神经网络，确定所述目标外骨骼对应的实时输出力之前，还包括：
获取所述外骨骼样机运行过程中的所述训练数据集，所述训练数据集内的每个训练样本数据包括训练运动信息、训练电机信息以及训练输出力；
将所述训练运动信息以及所述训练电机信息导入所述神经网络中，得到预测输出力；
基于所述预测输出力以及所述训练输出力，调整所述神经网络的网络参数。


4.如权利要求3所述的确定方法，其特征在于，所述获取所述外骨骼样机运行过程中的所述训练数据集，包括：
基于惯性传感器获取所述外骨骼样机运行过程中的所述训练运动信息；以及
基于电机传感器获取所述外骨骼样机运行过程中的所述训练电机信息；以及
基于力传感器获取所述外骨骼样机运行过程中的所述训练输出力。


5.如权利要求3所述的确定方法，其特征在于，所述训练数据集包括：验证数据集以及测试数据集；所述基于所述...

【专利技术属性】
技术研发人员：付成龙，冷雨泉，黄冠，马亮，张稳，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东;44