一种面向台架式下肢外骨骼的仿生步态生成系统及方法技术方案

本发明专利技术公开了一种面向台架式下肢外骨骼的仿生步态生成系统及方法，涉及仿生步态生成技术领域，包括变分控制器

【技术实现步骤摘要】
一种面向台架式下肢外骨骼的仿生步态生成系统及方法


[0001]本专利技术涉及仿生步态生成
，更具体的说是涉及一种面向台架式下肢外骨骼的仿生步态生成系统及方法
。

技术介绍

[0002]随着智能机器人技术的发展，下肢外骨骼机器人逐渐受到人们的关注，成为研究热点，特别是在步态康复和运动功能增强方面
。
目前，市面上出现了许多商用下肢外骨骼，如
Lokomat、Gait Trainer
和
Auto Ambulator。
然而，下肢外骨骼的研究仍处于起步阶段，一些问题使运动控制成为一项具有挑战性的任务
。
作为一种运动辅助设备，它需要时刻与人体保持接触，因此人机协调应该是一个主要考虑因素
。
这要求下肢外骨骼在控制方面灵活稳定，并适合不同的穿着者
。
合理的步态是实现这些要求的必要条件，这意味着步态生成器能够匹配环境的变化，并根据佩戴者的个人需求做出相应的改变
。
目前，对步态生成的研究大多集中在基于固定轨迹的方法上
。
该方法可以实现复杂而精确的运动，目前已有模糊控制
、
人工神经网络
、
遗传算法
、
强化学习等多种方法，但这些方法往往只适用于特定的设备和环境，难以在其他外骨骼上复刻
。
以
Lokomat
为例
。
尽管它的控制系统已经成熟，但它仍然需要先通过重量绳将穿戴者抬起，然后等到跑步机的速度与外骨骼的速度匹配后才能将穿戴者放下
。
[0003]目前越来越多的研究模仿节律运动机制来控制腿式机器人的运动
。
由于其良好的性能，研究人员也开始将
CPG
控制策略用于下肢外骨骼
。R.Ronsse
等人研究了自适应
CPG
振荡器在
LOPES
外骨骼辅助下肢运动中的作用
。K.Gui
等人设计了一种多模式的人机交互方法，以提升受试者在康复训练时的主动参与程度
。R.M.Luo
等人建立了一种基于
CPG
的阻抗控制框架，该框架可以适应人体阻抗特性
。
然而，神经系统高度复杂，难以精确模拟，因此在实际应用中存在许多困难
。
目前，常用的
CPG
模型大致可分为两类，一类是仿生半中心振荡器
(half
‑
center oscillator
，
HCO)
模型，另一类是基于抽象振荡器
(abstract oscillator
，
AO)
的
CPG。HCO
模型的输出是扭矩，当穿戴外骨骼时，相关的动力学参数难以测定，因此相关研究结果经常应用于假肢或踝关节外骨骼
。AO
模型的输出是轨迹或速度，基于它的自适应振荡器模型也是常用的模型
。
它的特点是可以学习示教信号
。
然而，当这种方法应用于外骨骼时，辅助康复师的导引是必不可少的，显然，这种方法的功能有限，难以适应人机交互的实际需求
。
[0004]因此，如何实现适用于不同用户
、
不同需求
、
不同环境的步态个性化定制，是本领域技术人员亟需解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种面向台架式下肢外骨骼的仿生步态生成系统及方法
。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]一种面向台架式下肢外骨骼的仿生步态生成系统，包括变分控制器
、
状态观测器
、
振荡器序列
、
步态发生器，所述变分控制器的输出端与状态观测器的输入端连接，所述状态观测器的输出端与振荡器序列的输入端连接，所述步态发生器的输出端与振荡器序列的输入端连接，所述振荡器序列的输出端与台架式下肢外骨骼连接；
[0008]所述步态发生器用于生成基本步态；
[0009]所述变分控制器用于接收用户需求和环境信息，并对振荡器序列进行参数优化；
[0010]所述状态观测器用于接收变分控制器的参数优化结果，并将该参数优化结果传输至振荡器序列；
[0011]所述振荡器序列用于接收步态发生器的基本步态和状态观测器传输的参数优化结果，进行步态重构
。
[0012]可选的，所述步态发生器包括肌肉骨骼模型和
CPG
网络；
[0013]所述肌肉骨骼模型包括7个节段和6个关节，其中7个节段包括一个躯干和两个三节段下肢，每条下肢有9块虚拟骨骼肌，所述虚拟骨骼肌附着在各个节段上；
[0014]所述
CPG
网络包括
12
个振荡器，其中每6个振荡器与一条下肢的9块虚拟骨骼肌相对应
。
[0015]可选的，在所述关节处的驱动力矩由
18
块虚拟骨骼肌产生，函数关系式为：
[0016][0017]其中，
T
ai
为第
i
个关节的驱动力矩；
C
ij
为
(6
×
18)
常矩阵；
T
mj
为第
j
个虚拟骨骼肌生成的力矩
。
[0018]可选的，所述
CPG
网络使用的振荡器的表达式为：
[0019][0020]其中，
u
i
是神经膜电位以及
CPG
网络的输出；
υ
i
是神经元细胞的疲劳特征参数；
τ
为上升时间常数；
τ
′
为疲劳常数；
ω
ij
为第
j
个神经元到第
i
个神经元的连接权值；
β
为常系数；
u0为来自高级模块的恒定刺激输入；
F
i
为来自外界的反馈值，其表达式为：
[0021][0022]其中，
q
aij
、q
bij
、q
ci
、q
di
以及
q
ei
皆为常参数；
θ
j
和
θ
0j
分别为第
j
个关节的关节角和参考角；为躯干的姿态角，是对时间的导数
。
[0023]可选的，所述变分控制器用于对振荡器序列的三个阶段进行参数优化，所述三个阶段包括下肢外骨骼启动阶段
、
跑步机速度匹配阶段
、
舒适度调整阶段
。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向台架式下肢外骨骼的仿生步态生成系统，其特征在于，包括变分控制器
、
状态观测器
、
振荡器序列
、
步态发生器，所述变分控制器的输出端与状态观测器的输入端连接，所述状态观测器的输出端与振荡器序列的输入端连接，所述步态发生器的输出端与振荡器序列的输入端连接，所述振荡器序列的输出端与台架式下肢外骨骼连接；所述步态发生器用于生成基本步态；所述变分控制器用于接收用户需求和环境信息，并对振荡器序列进行参数优化；所述状态观测器用于接收变分控制器的参数优化结果，并将该参数优化结果传输至振荡器序列；所述振荡器序列用于接收步态发生器的基本步态和状态观测器传输的参数优化结果，进行步态重构
。2.
根据权利要求1所述的一种面向台架式下肢外骨骼的仿生步态生成系统，其特征在于，所述步态发生器包括肌肉骨骼模型和
CPG
网络；所述肌肉骨骼模型包括7个节段和6个关节，其中7个节段包括一个躯干和两个三节段下肢，每条下肢有9块虚拟骨骼肌，所述虚拟骨骼肌附着在各个节段上；所述
CPG
网络包括
12
个振荡器，其中每6个振荡器与一条下肢的9块虚拟骨骼肌相对应
。3.
根据权利要求2所述的一种面向台架式下肢外骨骼的仿生步态生成系统，其特征在于，在所述关节处的驱动力矩由
18
块虚拟骨骼肌产生，函数关系式为：其中，
T
ai
为第
i
个关节的驱动力矩；
C
ij
为
(6
×
18)
常矩阵；
T
mj
为第
j
个虚拟骨骼肌生成的力矩
。4.
根据权利要求2所述的一种面向台架式下肢外骨骼的仿生步态生成系统，其特征在于，所述
CPG
网络使用的振荡器的表达式为：其中，
u
i
是神经膜电位以及
CPG
网络的输出；
υ
i
是神经元细胞的疲劳特征参数；
τ
为上升时间常数；
τ
′
为疲劳常数；
ω
ij
为第
j
个神经元到第
i
个神经元的连接权值；
β
为常系数；
u0为来自高级模块的恒定刺激输入；
F
i
为来自外界的反馈值，其表达式为：其中，
q
aij
、q
bij
、q
ci
、q
di
以及
q
ei
皆为常参数；
θ
j
和
θ
0j
分别为第
j
个关节的关节角和参考角；为躯干的姿态角，是对时间的导数
。5.
根据权利要求1所述的一种面向台架式下肢外骨骼的仿生步态生成系统，其特征在于，所述变分控制器用于对振荡器序列的三个阶段进行参数优化，所述三个阶段包括下肢外骨骼启动阶段
、
跑步机速度匹配阶段
、
舒适度调整阶段
。6.
根据权利要求1所述的一种面向台架式下肢外骨骼的仿生步态生成系统，其特征在于，所述状态观测器包括参考振荡器和振幅振荡器；
当脚触底时，所述参考振荡器的相位复位为0，形式如下：，形式如下：其中，
φ
ref
和
...

【专利技术属性】
技术研发人员：陈伟海，段文，王建华，刘敬猛，裴忠才，陈健尔，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：