本發(fā)明涉及一種外骨骼助殘機(jī)器人意圖識別方法類，更具體地說，是一種用于外骨骼助殘機(jī)器人支撐腿與擺動腿切換時機(jī)的識別方法。

背景技術(shù)：

下肢可穿戴外骨骼機(jī)器人能在各種軍事、醫(yī)療和工業(yè)等領(lǐng)域中的工作。識別穿戴者的行為和意圖是外骨骼機(jī)器人當(dāng)前急需解決的問題。獲取穿戴者的步行狀態(tài)與運動意圖通常使用腦機(jī)接口、肌電信號和物理傳感三類信號，腦機(jī)接口主要運用在康復(fù)機(jī)器人領(lǐng)域，但人腦意識分辨率低。肌電信號具有提前預(yù)測性，但易受人體狀態(tài)等因素的影響。運用壓力、傾角和角度等物理傳感器具有簡單易實現(xiàn)和抗干擾性能力強(qiáng)的優(yōu)點，在當(dāng)前的外骨骼機(jī)器人上得到廣泛應(yīng)用。

中國專利申請CN201410063084.3公開了“一種適用于外骨骼輔助支撐機(jī)器人的具有踝關(guān)節(jié)參數(shù)測量的足部裝置”，專利公開的機(jī)器人足底安裝有壓力傳感器，通過檢測人體行走時足底壓力的變化，實現(xiàn)人體行走意圖的判斷。該機(jī)器人的傳感信息較為單一，足底壓力受到地面和落地姿態(tài)的影響，識別精度不高。

技術(shù)實現(xiàn)要素：

本發(fā)明針對外骨骼助殘機(jī)器人運動意圖識別問題，提出一種基于邏輯回歸的外骨骼助殘機(jī)器人步相切換方法，以期能進(jìn)一步提升機(jī)器人行走時支撐腿和擺動腿切換的準(zhǔn)確性。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為：

本發(fā)明一種基于邏輯回歸的外骨骼助殘機(jī)器人步相切換方法的特點是按如下步驟進(jìn)行：

步驟1、在外骨骼助殘機(jī)器人的腰部和大腿安裝傾角傳感器，在所述外骨骼助殘機(jī)器人下肢的髖關(guān)節(jié)和膝關(guān)節(jié)輸出軸上安裝角度傳感器，在所述外骨骼助殘機(jī)器人的足底貼附壓力傳感器；

步驟2、在所述外骨骼助殘機(jī)器人不啟動的情況下，利用各個傳感器采集所述外骨骼助殘機(jī)器人行走過程中支撐腿和擺動腿在步相切換時的傾角、角度和壓力數(shù)據(jù)，并作為步相切換時的各個傳感器閾值；

步驟3、啟動所述外骨骼助殘機(jī)器人，按照所設(shè)定的支撐腿和擺動腿運動行走，并利用各個傳感器實時采集所述外骨骼助殘機(jī)器人行走過程中的傾角、角度和壓力實時數(shù)據(jù)，將采集的實時數(shù)據(jù)與所述各個傳感器閾值進(jìn)行比較，當(dāng)采集的實時數(shù)據(jù)大于所述各類傳感器閾值時，所述外骨骼助殘機(jī)器人進(jìn)行支撐腿和擺動腿的步相切換，并將相應(yīng)的實時數(shù)據(jù)記錄為1組訓(xùn)練樣本，從而獲得n組訓(xùn)練樣本，記為X＝{X⁽¹⁾，X⁽²⁾,…,X⁽ⁱ⁾,…,X⁽ⁿ⁾}；X⁽ⁱ⁾表示第i組訓(xùn)練樣本，并有表示第i組訓(xùn)練樣本X⁽ⁱ⁾中第j個傳感器數(shù)據(jù)；1≤i≤n；1≤j≤m；

步驟4、在所述步驟3中的所述外骨骼助殘機(jī)器人進(jìn)行支撐腿和擺動腿的步相切換時，同時判斷所述外骨骼助殘機(jī)器的切換動作是否與所述各個傳感器閾值所對應(yīng)的切換動作一致，若一致，則表示正確切換，記錄切換結(jié)果為成功，并用輸出變量Y⁽ⁱ⁾＝1表示，否則表示錯誤切換，記錄切換結(jié)果為失敗，并用輸出變量Y⁽ⁱ⁾＝0表示；

步驟5、將所述n組訓(xùn)練樣本和相應(yīng)的輸出變量輸入到邏輯回歸算法所建立的邏輯回歸模型中，得到步相切換估計函數(shù)，并作為步相切換的判別依據(jù)；

步驟6、利用各個傳感器實時采集所述外骨骼助殘機(jī)器人行走時的傾角、角度和壓力測試數(shù)據(jù)，并代入所述步相切換估計函數(shù)中，得到判別結(jié)果；

步驟7、所述外骨骼助殘機(jī)器人根據(jù)所述判別結(jié)果進(jìn)行支撐腿和擺動腿的步相切換。

本發(fā)明所述的基于邏輯回歸的外骨骼助殘機(jī)器人步相切換方法的特點也在于，所述步驟5中，所述步相切換估計函數(shù)是按如下步驟獲得：

步驟5.1、定義當(dāng)前迭代次數(shù)為k，并初始化k＝1；令第0次迭代的j個分量為0；

步驟5.2、利用式(1)所示的邏輯回歸參數(shù)θ的計算式，獲得第k次迭代的第j個分量θ_j的計算值從而獲得第k次迭代的m個分量所組成的向量

${\mathrm{\θ}}_j^{\left(k\right)}={\mathrm{\θ}}_j^{(k-1)}-\mathrm{\α}\underset{i=1}{\overset{n}{\Σ}}\left(h_{{\mathrm{\θ}}^{(k-1)}}\right(X^{\left(i\right)})-Y^{\left(i\right)})X_j^{\left(i\right)}---\left(1\right)$

式(1)中，α表示迭代步長；表示邏輯回歸的假設(shè)函數(shù)，并有：

$h_{{\mathrm{\θ}}^{(k-1)}}\left(X^{\left(i\right)}\right)=\frac{1}{1+e^{-{\mathrm{\θ}}^{(k-1)}{X}^{\left(i\right)}}}---\left(2\right)$

式(2)中，θ^(k-1)X⁽ⁱ⁾表示第k-1次迭代獲得的向量θ^(k-1)的各個分量與第i組訓(xùn)練樣本X⁽ⁱ⁾各個分量的乘積和；即

步驟5.3、將k+1賦值給k，并返回步驟5.2執(zhí)行，直到迭代誤差ε＝|θ^(k-1)-θ^(k)|小于所設(shè)定的閾值時，迭代停止，此時，對應(yīng)的迭代次數(shù)記為p；從而獲得第p次迭代的m個分量所組成的收斂向量并作為邏輯回歸參數(shù)θ的最終值；

步驟5.4、利用式(3)獲得步相切換估計函數(shù)h_θ(X)：

$h_{\mathrm{\θ}}\left(X\right)=\frac{1}{1+e^{-{\mathrm{\θ}}^{\left(p\right)}X}}---\left(3\right)$

式(3)中，表示自變量為-θ^(p)X的指數(shù)函數(shù)，X表示n組訓(xùn)練樣本。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果體現(xiàn)在：

1、本發(fā)明提出的外骨骼助殘機(jī)器人步相切換方法，通過采集傾角、角度和壓力多傳感信息并進(jìn)行融合，推理判斷穿戴者行走狀態(tài)，運動信息融合度高，有效提高了機(jī)器人步相切換的可靠性，為外骨骼機(jī)器人應(yīng)用于助力助殘領(lǐng)域提供了有效的技術(shù)手段。

2、本發(fā)明提出的外骨骼助殘機(jī)器人步相切換判別方法，不依賴于機(jī)器人的行走控制模型，利用穿戴者行走的大量訓(xùn)練樣本進(jìn)行學(xué)習(xí)，有效提高了步相切換的判別精度。

附圖說明

圖1為本發(fā)明方法流程的示意圖；

圖2為本發(fā)明基于步相切換判別算法的行走控制示意圖；

圖3為本發(fā)明外骨骼助殘機(jī)器人的傳感器安裝分布示意圖；

圖中標(biāo)號：1傾角傳感器；2角度傳感器；3壓力傳感器。

具體實施方式

下面結(jié)合附圖舉例對本發(fā)明作更詳盡的說明。

本實施例中，如圖1所示，基于邏輯回歸的外骨骼助殘機(jī)器人步相切換的一種判別方法，是用于機(jī)器人行走過程中的支撐腿和擺動腿的切換，該判別方法采用了邏輯回歸算法，而邏輯回歸算法所需的訓(xùn)練樣本數(shù)據(jù)由安裝在助殘機(jī)器人上的傳感器進(jìn)行采集，傳感器閾值由測試人員行走時帶動外骨骼助殘機(jī)器人獲取；在設(shè)置步相切換時的各個傳感器的閾值后，受試者穿戴外骨骼助殘機(jī)器人后進(jìn)行步行實驗，分別記錄與切換成功和失敗兩種狀態(tài)對應(yīng)的傳感器數(shù)據(jù)，該傳感器數(shù)據(jù)作為邏輯回歸算法的訓(xùn)練樣本，通過迭代計算出步相切換估計函數(shù)，從而正確識別行走支撐腿與擺動腿切換的時機(jī)。具體的說，該方法是按如下步驟進(jìn)行：

步驟1、如圖3所示，外骨骼助殘機(jī)器人的傳感器由傾角、壓力和角度三類傳感器構(gòu)成，三類傳感器總計有9個；在外骨骼助殘機(jī)器人的腰部和兩側(cè)下肢的大腿安裝傾角傳感器1，在外骨骼助殘機(jī)器人下肢的髖關(guān)節(jié)和膝關(guān)節(jié)的轉(zhuǎn)動輸出軸上安裝角度傳感器2，在外骨骼助殘機(jī)器人的足底鞋墊下方貼附薄膜壓力傳感器3；傾角傳感器1測量的角度為機(jī)器人腰部和大腿的前傾和后仰的角度。

步驟2、為獲取支撐腿和擺動腿的切換閾值，在外骨骼助殘機(jī)器人不啟動的情況下，由測試人員穿戴外骨骼助殘機(jī)器人后，帶著機(jī)器人行走，利用各個傳感器采集和記錄穿戴者在外骨骼助殘機(jī)器人行走過程中，支撐腿和擺動腿在步相切換時的傾角、角度和壓力數(shù)據(jù)，并作為步相切換時的各個傳感器閾值；

步驟3、測試人員穿戴外骨骼助殘機(jī)器人后，啟動外骨骼助殘機(jī)器人，機(jī)器人按照事先設(shè)定的支撐腿和擺動腿運動行走，并利用各個傳感器實時采集外骨骼助殘機(jī)器人行走過程中的傾角、角度和壓力實時數(shù)據(jù)，將采集的實時數(shù)據(jù)與各個傳感器閾值進(jìn)行比較，當(dāng)采集的實時數(shù)據(jù)大于各類傳感器閾值時，外骨骼助殘機(jī)器人進(jìn)行支撐腿和擺動腿的步相切換，并將相應(yīng)的實時數(shù)據(jù)記錄為1組訓(xùn)練樣本，從而獲得n組訓(xùn)練樣本，記為X＝{X⁽¹⁾，X⁽²⁾,…,X⁽ⁱ⁾,…,X⁽ⁿ⁾}；X⁽ⁱ⁾表示第i組訓(xùn)練樣本，并有表示第i組訓(xùn)練樣本X⁽ⁱ⁾中第j個傳感器數(shù)據(jù)；1≤i≤n；1≤j≤m；本實施例中，由于三類傳感器總計有9個，所以采集的訓(xùn)練樣本為9維特征向量，即m＝9；其中為3個傾角傳感器數(shù)據(jù)，為4個角度傳感器數(shù)據(jù)，為2個足底壓力傳感器數(shù)據(jù)。

步驟4、在步驟3中的外骨骼助殘機(jī)器人進(jìn)行支撐腿和擺動腿的步相切換時，同時判斷外骨骼助殘機(jī)器的切換動作是否與各個傳感器閾值所對應(yīng)的穿戴者的切換動作一致，若一致，則表示正確切換，記錄切換結(jié)果為成功，并用輸出變量Y⁽ⁱ⁾＝1表示，否則表示錯誤切換，記錄切換結(jié)果為失敗，并用輸出變量Y⁽ⁱ⁾＝0表示；

步驟5、將n組訓(xùn)練樣本X和相應(yīng)的輸出變量Y輸入到邏輯回歸算法所建立的邏輯回歸模型中，得到步相切換估計函數(shù)，并作為步相切換的判別依據(jù)；具體的說，

步驟5.1、定義當(dāng)前迭代次數(shù)為k，并初始化k＝1；令第0次迭代的j個分量為0；

步驟5.2、利用式(1)所示的邏輯回歸參數(shù)θ的計算式，獲得第k次迭代的第j個分量θ_j的計算值從而獲得第k次迭代的m個分量所組成的向量本實施例中，θ^(k)也為9維向量：

${\mathrm{\θ}}_j^{\left(k\right)}={\mathrm{\θ}}_j^{(k-1)}-\mathrm{\α}\underset{i=1}{\overset{n}{\Σ}}\left(h_{{\mathrm{\θ}}^{(k-1)}}\right(X^{\left(i\right)})-Y^{\left(i\right)})X_j^{\left(i\right)}---\left(1\right)$

式(1)中，α表示迭代步長；表示邏輯回歸的假設(shè)函數(shù)，并有：

$h_{{\mathrm{\θ}}^{(k-1)}}\left(X^{\left(i\right)}\right)=\frac{1}{1+e^{-{\mathrm{\θ}}^{(k-1)}{X}^{\left(i\right)}}}---\left(2\right)$

式(2)中，θ^(k-1)X⁽ⁱ⁾表示第k-1次迭代獲得的向量θ^(k-1)的各個分量與第i組訓(xùn)練樣本X⁽ⁱ⁾各個分量的乘積和；即

步驟5.3、將k+1賦值給k，并返回步驟5.2執(zhí)行，直到迭代誤差ε＝|θ^(k-1)-θ^(k)|小于所設(shè)定的閾值時，迭代停止，此時，對應(yīng)的迭代次數(shù)記為p；從而獲得第p次迭代的m個分量所組成的收斂向量并作為邏輯回歸參數(shù)θ的最終值；

步驟5.4、利用式(3)獲得步相切換估計函數(shù)h_θ(X)：

$h_{\mathrm{\θ}}\left(X\right)=\frac{1}{1+e^{-{\mathrm{\θ}}^{\left(p\right)}X}}---\left(3\right)$

式(3)中，表示自變量為-θ^(p)X的指數(shù)函數(shù)，X表示n組訓(xùn)練樣本。

步驟6、由圖2構(gòu)建基于步相切換判別算法的行走控制方法，當(dāng)測試者穿戴外骨骼助殘機(jī)器人行走時，利用各個傳感器實時采集外骨骼助殘機(jī)器人行走時的傾角、角度和壓力測試數(shù)據(jù)，并代入步相切換估計函數(shù)中，得到判別結(jié)果；

步驟7、外骨骼助殘機(jī)器人根據(jù)判別結(jié)果驅(qū)動機(jī)器人各個關(guān)節(jié)電機(jī)進(jìn)行支撐腿和擺動腿的步相切換。

顯然，本發(fā)明的上述具體實施方式僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以容易的做出其它形式上的變化或者替代，而這些改變或者替代也將包含在本發(fā)明確定的保護(hù)范圍之內(nèi)。