一种用于下肢助力外骨骼系统的地形坡度预测方法技术方案

一种用于下肢助力外骨骼系统的地形坡度预测方法，包括：采集双侧大小腿、足底的惯性测量单元(IMU)数据和足底压力传感器数据；进行步态周期划分、滤波和归一化处理；训练CNN

【技术实现步骤摘要】
一种用于下肢助力外骨骼系统的地形坡度预测方法


[0001]本专利技术属于地形坡度预测
，特别是一种用于下肢助力外骨骼系统的地形坡度预测方法。

技术介绍

[0002]外骨骼机器人是由人体穿戴和控制的具有人机融合智能特征的典型装备，可降低士兵负重行走时的代谢能耗，减轻下肢关节损伤，提高其负重行走执行任务的能力。然而统计数据表明，真正走向战场应用的外骨骼机器人仍不多见，究其原因，一方面是轻质高效的外骨骼机器人仍有待开发，以克服稳定性差、动力不足等缺点；另一方面下肢多关节外骨骼对正常人体约束较大，行走灵活性受限。从工作机理上来看，单关节外骨骼机器人通过强耦合将辅助力作用于肢体，具有整体重量轻、穿戴性强、工作时间长等优势，实验研究表明，膝关节外骨骼可以降低上坡和负重行走时的代谢成本。
[0003]研究表明外骨骼助力参数直接决定了穿戴者舒适度和助力效果，而地形环境是影响外骨骼运动模式和助力大小的关键因素之一，其中，斜坡(包含上下楼梯)是外骨骼助力效果最显著的地形。在倾斜行走过程中，随着坡度的增加，膝关节关节力矩也随之增加，因此，为了在不同坡度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于下肢助力外骨骼系统的地形坡度预测方法，其特征在于，包括：1)采样获得人员坡度行进过程中的运动数据；2)根据步态周期，将获得到的运动数据切分处理，获得每个步态周期对应的运动数据；3)分别对每个步态周期的运动数据进行滤波处理，获得滤波后的步态数据；4)对滤波后的步态数据进行归一化处理，获得归一化数据；5)按运动数据的采样位置，选取归一化数据组成不同的数据组合方案；6)搭建CNN
‑
LSTM算法模型，任选同一数据组合方案中一定比例数据作为训练数据集，并将同一数据组合方案中的剩余数据作为测试数据集；利用CNN
‑
LSTM算法模型解算获得不同数据组合方案对应的q个预测角度；预测角度的个数q等于测试数据集的数据量个数；7)利用每个数据组合方案对应的q个预测角度，分别获得每个数据组合方案中预测角度的均方误差、均方根误差、可释方差值、平均绝对误差和决定系数的平均值；8)获得平均值较小的数据组合方案对应的CNN
‑
LSTM算法模型作为最优模型；9)使用最优模型对测试人员的行进坡度进行实时预测。2.根据权利要求1所述的一种用于下肢助力外骨骼系统的地形坡度预测方法，其特征在于，所述运动数据包括：角速度、角加速度、角度以及足底压力。3.根据权利要求1所述的一种用于下肢助力外骨骼系统的地形坡度预测方法，其特征在于，所述运动数据使用惯性测量单元和压力传感器获得。4.根据权利要求3所述的一种用于下肢助力外骨骼系统的地形坡度预测方法，其特征在于：人员两侧的大腿、小腿和足底上分别固定安装有一个惯性测量单元，使用惯性测量单元获得三轴的角速度、角加速度、角度；其中，三轴中X轴正向沿着矢状面水平向前，Y轴正向垂直矢状面从外向内，Z轴正向沿着矢状面竖直向上。5.根据权利要求4所述的一种用于下肢助力外骨骼系统的地形坡度预测方法，其特征在于：人员的每只足底分别安装有四个...

【专利技术属性】
技术研发人员：陈靓，李浩，于志远，朱晓荣，周世通，黄玉平，
申请(专利权)人：北京精密机电控制设备研究所，
类型：发明
国别省市：