2019亚洲日韩新视频_97精品在线观看_国产成人精品一区二区_91精品网站在线观看

下肢外骨骼人體步態相位識別技術研究

來源:期刊VIP網所屬分類:生物科學時間:瀏覽:

  摘要:外骨骼是一種人機協調的輔助設備,只有外骨骼的動作跟隨人體一起運動,才能實現人機融合,達到助力的效果。步態相位識別的研究是滿足人機協調運動的關鍵技術核心,文章對國內外外骨骼人體步態相位信息的采集方法以及識別算法進行了調研與分析,這將為外骨骼人體步態相位識別技術的發展提供一定的理論基礎。

  關鍵詞:步態相位 采集方法 外骨骼 識別算法

  1.正文

  外骨骼目前主要的研究國家有美國和歐洲國家,其研究的目的是增強單兵作戰能力以及醫療康復[1]。到21世紀,隨著科學技術的不斷發展,外骨骼逐漸受到越來越多的研究者的關注。

  1.1外骨骼步態采集方法研究現狀

  對于步態相位的研究,首先需要通過傳感器采集人體運動數據信息,然后根據運動信息采用相應的識別算法對一個周期內的步態進行識別,最后根據識別的相位信息對外骨骼進行有效的控制[2]。

  日本的外骨骼機器人處于世界領先水平,研制的HAL外骨骼機器人采用表面肌電傳感器獲取人體肌肉表面的肌電信號,通過肌電信號解析出人體運動相位信息。

  哈佛大學的Wyss實驗室對髖關節提供伸展助力的柔性外骨骼系統進行了研究,為了檢測每條腿的最大髖屈曲角度以及步態相位,在每條大腿前部分別安裝兩個imu,實時測量大腿角度以及相位變化。

  瑞士蘇黎世聯邦理工學院感知-運動系統實驗室的Riener團隊發布了新版下肢外骨骼機器人MyoSwiss。該外骨骼采用3個慣性傳感器獲取人體步態信息,進行步態相位識別。

  國內對于外骨骼的研究起步較晚,近幾年國內各大高校以及研究機構也展示了實驗樣機,并且取得了一定的成果。

  海軍航空工程學院研制的外骨骼,采用了足底壓力傳感器采集人體運動信息。通過識別算法對運動相位進行判斷識別,從而實現外骨骼機器人的運動控制[3]。

  中國科學院大學的陳春杰等人設計了基于柔性傳動的助力全身外骨骼機器人,其感知系統包括傾角傳感器、足底壓力傳感器等。傾角傳感器可以獲取穿戴者身體姿態信息[4],通過一個周期內的足底壓力信號對相位進行判斷。

  西南交通大學的周攀等人設計了一款基于姿態傳感器的下肢助力外骨骼機器人,其中,在人的大腿、小腿以及腳面上各佩戴一個姿態傳感器以測得角度信息[5],對人體步態相位進行識別。

  1.2外骨骼步態識別算法研究現狀

  為了使下肢外骨骼機器人的運動更加符合人體運動狀態,滿足人機協調的運動效果,并且保證穿戴者與人體的安全性,需要對步態相位進行準確的識別,其中,步態相位識別的算法也是至關重要的。

  Liu D X等人利用三個分別分布在大腿,小腿和腳上的慣性測量單元獲得步態信息,提出了一種同時識別人體行為和步態相位的貝葉斯公式,能實現對在周期內所劃分的八個步態相位識別,但是其平均識別率較低。

  Dong J H等人將一個慣性傳感單元固定在大腿上,并在腳底布置了三個開關傳感器,由此獲得了角度和角速度以及腳底壓力信號,使用決策樹和人工神經網絡識別步態相位識別。

  杭成成等人提出了一種SVM-KNN步態識別算法,即將SVM算法和KNN算法結合起來識別,取長補短,利用各自的優點,彌補不足,在SVM超平面附近使用KNN分類器[6]。

  中國科學院的段有康基于肌電信號采用支持向量機的步態相位識別方法,同時開展基于相位劃分的下肢連續運動預測模型訓練。

  2 存在的問題

  根據上述研究現狀進行分析,可以總結出現有外骨骼步態采集系統以及步態識別算法存在以下問題:

  (1)根據上述分析可知,人體運動信息一般可由兩類傳感器實現:機械式傳感器與生理電信號傳感器。機械式傳感器存在獲取人體運動信息遲滯于人體真實運動意圖的情況,容易造成外骨骼人機運行不協調。生理電信號往往可以提供比人體實際運動信號更超前的數據信息,可增強人機系統的同步性能。此外,想要準確的識別運動步態及外骨骼穿戴者的運動意圖依靠單一類型的數據很難滿足要求,同時依靠單類型的生物信號進行步態相位識別時,原始肌電信號易受到干擾[7],影響識別準確率。因此,可以采用多傳感融合的方式進行步態相位識別。

  (2)較為常用的步態相位識別算法有SVM以及KNN等,這兩種識別算法各有優缺點。SVM對于距離超平面較遠的樣本識別效果好,反之出錯率比較大。KNN算法需要計算待測的樣本與已知樣本的距離,所以存在計算量大耗時長的問題。因此,可以融合二者的優點,互相補充,以取得更好的識別效果。

  3 總結

  外骨骼在軍事領域和民用領域都有著廣泛的應用前景,而人體步態相位的準確識別對于精確控制外骨骼有著關鍵的作用,通過優化外骨骼機器人的傳感器以及識別算法提高步態相位識別準確率,才能更好的滿足人機協調的運動效果。

  參考文獻

  [1]柯顯信,陳玉亮,唐文彬.人體下肢外骨骼機器人的發展及關鍵技術分析[J].機器人技術與應用,2009(06):28-32.

  [2]龍億. 下肢外骨骼人體運動預測與人機協調控制技術研究[D].哈爾濱工業大學,2017.

  [3]孫兆君. 可穿戴助力機器人傳感器信號預測算法和控制器的設計[D].中國科學技術大學,2009.

  [4]朱其歡. 面向外骨骼機器人的柔順人機連接機構研究[D].蘇州大學,2017.

  [5]周攀. 基于姿態傳感器的人體步態預測算法設計與實現[D].西南交通大學,2016.

  [6]杭成成. 基于sEMG信號的下肢運動意圖識別研究[D].武漢理工大學,2019.

  [7]李芳,王人成.肌電信號及其運動模式辨識方法的發展趨勢[J].中國康復醫學雜志,2005(07):492-493.

主站蜘蛛池模板: 同德县| 行唐县| 浠水县| 墨玉县| 鹰潭市| 黄骅市| 四会市| 沾化县| 鄂尔多斯市| 会同县| 武陟县| 龙里县| 顺义区| 呼玛县| 安化县| 东台市| 绥滨县| 石棉县| 蒙山县| 南靖县| 鹤峰县| 广宁县| 德江县| 灌云县| 沐川县| 白河县| 罗山县| 金寨县| 平昌县| 黄陵县| 崇明县| 边坝县| 梅州市| 文安县| 大港区| 张掖市| 平塘县| 丁青县| 阿巴嘎旗| 玛纳斯县| 沙坪坝区|