一种挂杆外骨骼上肢运动位姿预测方法及装置制造方法及图纸

本发明专利技术公开了一种挂杆外骨骼上肢运动位姿预测方法及装置，用于解决外骨骼上肢电机响应滞后导致外骨骼肩、肘关节电机的输出力矩与人的上肢状态不匹配，从而影响作业效果和动作的柔顺性的技术问题。本发明专利技术包括：采用六维力传感器采集所述挂杆外骨骼上肢的末端六维力；采用姿态传感器采集所述挂杆外骨骼的位姿信息；将所述末端六维力和所述位姿信息输入预设卷积神经网络预测模型，得到所述挂杆外骨骼的上肢运动位姿。上肢运动位姿。上肢运动位姿。

【技术实现步骤摘要】
一种挂杆外骨骼上肢运动位姿预测方法及装置


[0001]本专利技术涉及位姿预测
，尤其涉及一种挂杆外骨骼上肢运动位姿预测方法及装置。

技术介绍

[0002]穿戴上肢外骨骼进行挂杆作业时，由于控制信号输入和电机驱动输出之间存在响应延迟，人穿戴外骨骼进行挂杆作业时，人的上肢一直是运动的，当采用当前的信息作为控制输入时，由于电机响应的滞后，外骨骼肩、肘关节电机的输出力矩与人的上肢状态不匹配，从而影响作业效果和动作的柔顺性。

技术实现思路

[0003]本专利技术提供了一种挂杆外骨骼上肢运动位姿预测方法及装置，用于解决外骨骼上肢电机响应滞后导致外骨骼肩、肘关节电机的输出力矩与人的上肢状态不匹配，从而影响作业效果和动作的柔顺性的技术问题。
[0004]本专利技术提供了一种挂杆外骨骼上肢运动位姿预测方法，包括：
[0005]采用六维力传感器采集所述挂杆外骨骼上肢的末端六维力；
[0006]采用姿态传感器采集所述挂杆外骨骼的位姿信息；
[0007]将所述末端六维力和所述位姿信息输入预设卷积神经网络预测模型，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种挂杆外骨骼上肢运动位姿预测方法，其特征在于，包括：采用六维力传感器采集所述挂杆外骨骼上肢的末端六维力；采用姿态传感器采集所述挂杆外骨骼的位姿信息；将所述末端六维力和所述位姿信息输入预设卷积神经网络预测模型，得到所述挂杆外骨骼的上肢运动位姿。2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络预测模型训练过程包括：生成初始卷积神经网络预测模型；采用哈里斯鹰优化算法优化所述初始卷积神经网络预测模型，得到优化卷积神经网络预测模型；获取训练样本数据和各所述训练样本数据下一时刻的实际运动位姿，所述训练样本数据包括所述挂杆外骨骼上肢的末端六维力样本和外骨骼关节位姿样本；将所述末端六维力样本和所述外骨骼关节位姿样本输入所述优化卷积神经网络预测模型，生成初始预测位姿；对比所述初始预测位姿与所述实际运动位姿，得到差异数据；根据所述差异数据调整所述优化卷积神经网络预测模型，得到更新卷积神经网络预测模型；判断当前迭代次数是否满足预设迭代次数；若否，将所述更新卷积神经网络预测模型作为优化卷积神经网络预测模型，并返回将所述末端六维力样本和所述外骨骼关节位姿样本输入所述优化卷积神经网络预测模型，生成初始预测位姿的步骤；若是，输出所述更新卷积神经网络预测模型作为卷积神经网络预测模型。3.根据权利要求2所述的方法，其特征在于，所述生成初始卷积神经网络预测模型的步骤，包括：根据所述末端六维力和所述位姿信息确定输入层节点数；根据所述挂杆外骨骼上肢运动位姿确定输出层节点数；采用所述输入层节点数和所述输出层节点数计算隐藏层节点数；采用输入层节点数构建输入层，采用所述输出层节点数构建输出层，采用所述隐藏层节点数构建隐藏层；采用所述输入层、所述隐藏层和所述输出层构建初始卷积神经网络预测模型。4.根据权利要求2所述的方法，其特征在于，所述采用哈里斯鹰优化算法优化所述初始卷积神经网络预测模型，得到优化卷积神经网络预测模型的步骤，包括：采用哈里斯鹰优化算法优化所述初始卷积神经网络预测模型的连接权值和阈值，得到最优初始连接权值和最优阈值；采用所述最优初始连接权值和所述最优阈值优化所述初始卷积神经网络预测模型，得到优化卷积神经网络预测模型。5.一种挂杆外骨骼上肢运动位姿预测装置，其特征在于，包括：末端六维力采集模块，用于采用六维力传感器采集所述挂杆外骨骼上肢的末端六维力；
位姿信息采集模块，用于采用姿态传感器采集所述挂杆外骨骼的位姿信息；上肢运动位姿预测模块，用于将所述末端六维力和所述位姿信息输入预设卷积神经网络预测模型，得到所述挂杆外骨骼的上肢运动位姿。6.根据权利要求5所述的装置，其特征在于，卷积神经网络预测模型训练模块，包括：初始卷积神经网络预测模型生成子模块，用于生成初始卷积神经网络预测模型；优化卷...

【专利技术属性】
技术研发人员：杨玺，潘松波，王基琛，叶伟玲，易冠文，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：