外骨骼机器人控制方法、系统、控制器及存储介质技术方案

本发明专利技术提供一种外骨骼机器人控制方法、系统、控制器及存储介质，涉及外骨骼机器人技术领域。该方法包括：获取人体肌群的形变量；将形变量输入意图识别模型，得到意图识别模型输出人体的动作意图；将形变量输入肌力映射模型，得到肌力映射模型输出的肌群肌力；基于动作意图和肌群肌力确定外骨骼机器人各关节的控制指令；其中，意图识别模型基于人体肌群的形变量样本数据和人体的动作意图样本数据训练得到；肌力映射模型基于人体肌群的形变量样本数据和肌群肌力样本数据训练得到。控制过程中既考虑人体肌群肌力提供的主动力，又考虑人体的动作意图，使外骨骼机器人与人体主动发力高低而调整提供的辅助力，以自动适应用户肌力变化。化。化。

【技术实现步骤摘要】
外骨骼机器人控制方法、系统、控制器及存储介质


[0001]本专利技术涉及外骨骼机器人
，尤其涉及一种外骨骼机器人控制方法、系统、控制器及存储介质。

技术介绍

[0002]外骨骼机器人可穿戴在操作者的四肢，为操作者提供康复训练、身体辅助等功能。以病弱患者为例，穿戴外骨骼机器人后可以在外骨骼机器人的支撑下和正常人一样行走和站立。
[0003]外骨骼机器人操作是需借助传感技术获取操作者的动作意图。目前常见的方式是借助肌电传感器检测以进一步判断操作者的动作意图。当肌电传感器容易受人体汗液、体温等不确定因素的硬性，每次启动都需要重新校准，一致性差且对肌力弱的群体而言，肌电传感器难以检测到信号，适用人群受限。

技术实现思路

[0004]本专利技术提供一种外骨骼机器人控制方法、系统、控制器及存储介质，用以解决现有技术中外骨骼机器人采用肌电传感器检测一致性差且适用人群受限的缺陷。
[0005]本专利技术提供一种外骨骼机器人控制方法，包括：
[0006]获取人体肌群的形变量；
[0007]将所述形变量输入意图识别模型，得到所述意图识别模型输出人体的动作意图；
[0008]将所述形变量输入肌力映射模型，得到所述肌力映射模型输出的肌群肌力；
[0009]基于所述动作意图和所述肌群肌力确定外骨骼机器人各关节的控制指令；
[0010]其中，所述意图识别模型基于人体肌群的形变量样本数据和人体的动作意图样本数据训练得到；所述肌力映射模型基于人体肌群的形变量样本数据和肌群肌力样本数据训练得到。
[0011]根据本专利技术提供的一种外骨骼机器人控制方法，在获取人体肌群的形变量之前还包括：
[0012]获取多个超声波传感器的发送信号和回传信号；
[0013]基于所述发送信号和所述回传信号的相位差确定人体肌群的形变量；
[0014]其中，多个所述超声波传感器设置在人体的不同位置。
[0015]根据本专利技术提供的一种外骨骼机器人控制方法，所述基于所述动作意图和所述肌群肌力确定外骨骼机器人各关节的控制指令具体包括：
[0016]基于所述动作意图和行走动力学模型确定人机耦合状态下各关节的合力矩；所述行走动力学模型表征人体的标准步态和人机耦合状态下外骨骼机器人各关节的力矩之间的对应关系；
[0017]基于所述肌群肌力确定人体各关节的输出力矩；
[0018]基于所述合力矩和所述输出力矩确定外骨骼机器人各关节的补偿力矩，基于所述
补偿力矩控制外骨骼机器人各关节的运动。
[0019]根据本专利技术提供的一种外骨骼机器人控制方法，所述将所述形变量输入意图识别模型，得到所述意图识别模型输出的动作意图具体包括：
[0020]将所述形变量输入动作识别模型，得到所述动作识别模型输出的人体动作；
[0021]将所述人体动作输入意图映射模型，得到所述意图映射模型输出的动作意图；
[0022]其中，动作识别模型基于人体肌群的形变量样本数据和人体动作样本数据训练得到；意图映射模型基于人体动作样本数据和动作意图样本数据训练得到。
[0023]本专利技术还提供一种外骨骼机器人系统，包括外骨骼机器人及绑带，其中，所述外骨骼机器人的各关节处设有力矩传感器，所述绑带上设有多个超声波传感器，在所述外骨骼机器人上设有控制器，所述超声波传感器和所述力矩传感器均与所述控制器通信连接。
[0024]根据本专利技术提供的一种外骨骼机器人系统，所述多个超声波传感器沿绑带的周向均匀分布。
[0025]根据本专利技术提供的一种外骨骼机器人系统，所述超声波传感器包括上位机、主控芯片、高压脉冲发射芯片及回波接收模块，所述主控芯片与所述上位机通信连接，所述主控芯片用于控制所述高压脉冲发射芯片的工作模式和脉冲时长，所述回波接收模块用于接收超声波的回传信号，所述回波接收模块与所述主控芯片通信连接。
[0026]根据本专利技术提供的一种外骨骼机器人系统，所述超声波传感器还包括收发隔离模块，所述收发隔离模块设置在所述高压脉冲发射芯片和所述回波接收模块之间。
[0027]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述外骨骼机器人控制方法的步骤。
[0028]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述外骨骼机器人控制方法的步骤。
[0029]本专利技术提供的外骨骼机器人控制方法、系统、控制器及存储介质，获取人体肌群的形变量，将其分别输入意图识别模型和肌力映射模型，以确定人体的动作意图和肌群肌力，进而确定外骨骼机器人的控制指令，以使外骨骼机器人适配人体的步态，在控制过程中既考虑人体肌群肌力提供的主动力，又考虑人体的动作意图，使外骨骼机器人与人体主动发力高低而调整提供的辅助力，以自动适应用户肌力变化。
附图说明
[0030]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1是本专利技术提供的外骨骼机器人控制方法的流程示意图之一；
[0032]图2是本专利技术提供的外骨骼机器人控制方法的流程示意图之二；
[0033]图3是本专利技术提供的外骨骼机器人控制方法的流程示意图之三；
[0034]图4是本专利技术提供的外骨骼机器人的结构示意图；
[0035]图5是本专利技术提供的绑带的部分结构示意图；
[0036]图6是本专利技术提供的控制器的结构示意图。
[0037]附图说明：
[0038]10、绑带；11、超声波传感器；12、卡槽；13、卡块；20、支架；21、车轮；31、腰背部模块；32、大腿模块；33、小腿模块；34、足底模块；41、髋关节力矩传感器；42、膝关节力矩传感器；43、踝关节力矩传感器；44、髋关节编码器；45、膝关节编码器；46、踝关节编码器；50、控制器。
具体实施方式
[0039]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]下面结合图1
‑
图3描述本专利技术的外骨骼机器人控制方法。
[0041]如图1所示，本专利技术提供一种外骨骼机器人控制方法，其包括：
[0042]步骤110，获取人体肌群的形变量；
[0043]步骤120，将形变量输入意图识别模型，得到意图识别模型输出人体的动作意图；将形变量输入肌力映射模型，得到肌力映射模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种外骨骼机器人控制方法，其特征在于，包括：获取人体肌群的形变量；将所述形变量输入意图识别模型，得到所述意图识别模型输出人体的动作意图；将所述形变量输入肌力映射模型，得到所述肌力映射模型输出的肌群肌力；基于所述动作意图和所述肌群肌力确定外骨骼机器人各关节的控制指令；其中，所述意图识别模型基于人体肌群的形变量样本数据和人体的动作意图样本数据训练得到；所述肌力映射模型基于人体肌群的形变量样本数据和肌群肌力样本数据训练得到。2.根据权利要求1所述的外骨骼机器人控制方法，其特征在于，在获取人体肌群的形变量之前还包括：获取多个超声波传感器的发送信号和回传信号；基于所述发送信号和所述回传信号的相位差确定人体肌群的形变量；其中，多个所述超声波传感器设置在人体的不同位置。3.根据权利要求1所述的外骨骼机器人控制方法，其特征在于，所述基于所述动作意图和所述肌群肌力确定外骨骼机器人各关节的控制指令具体包括：基于所述动作意图和行走动力学模型确定人机耦合状态下各关节的合力矩；所述行走动力学模型表征人体的标准步态和人机耦合状态下外骨骼机器人各关节的力矩之间的对应关系；基于所述肌群肌力确定人体各关节的输出力矩；基于所述合力矩和所述输出力矩确定外骨骼机器人各关节的补偿力矩，基于所述补偿力矩控制外骨骼机器人各关节的运动。4.根据权利要求1所述的外骨骼机器人控制方法，其特征在于，所述将所述形变量输入意图识别模型，得到所述意图识别模型输出的动作意图具体包括：将所述形变量输入动作识别模型，得到所述动作识别模型输出的人体动作；将所述人体动作输入意...

【专利技术属性】
技术研发人员：季超，卢昀，孙帅帅，张世武，方小伟，苏莹，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：