CN103230312A - 一种助力型外骨骼膝关节三铰点优化方法 - Google Patents

Abstract

本发明公开了一种助力型外骨骼膝关节三铰点优化方法，对助力型外骨骼膝关节参数进行优化处理，包括建立大腿、小腿和液压缸的三铰点数学模型，以三个铰点的位置参数为优化参数，以液压缸的受力最小为优化目标，以相应的人体尺寸作为模型的约束条件，通过改进的微粒群优化算法，得到各铰点的位置参数，从而为外骨骼及其动力***的建模和动力学分析提供参数。

Description

一种助力型外骨骼膝关节三铰点优化方法

技术领域

本发明涉及优化算法设计和机械结构设计，尤其涉及一种用于助力型外骨骼膝关节三铰点优化设计的基于模拟退火的微粒群优化算法设计和外骨骼膝关节三铰点的数学建模，并通过计算得到最终的外骨骼膝关节三铰点位置参数。

背景技术

人体外骨骼技术来源于自然界生物的神奇本领，在于模拟甲壳类动物的外壳，根据人体肌肉、骨骼和关节构成，利用现代科学技术为人体配备相应的外骨骼，主要为人体负重运动提供支撑和辅助，提高人体的负重能力和负重运动的持续能力。

根据人体负重原理，人体外骨骼主要包括背负***和下肢承载助力结构。背负***用于安放人体负重，负重主要通过下肢承载助力结构传递至地面，因而助力结构是整个人体外骨骼机械结构的核心部分，由与人体骨骼相匹配的大腿、小腿、液压缸和相应的关节组成。其中液压缸主要提供人机携行运动过程中垂向载荷沉浮运动所需的势能，并依据人体不同运动姿态的变化而进行调整。因此，合理选择下肢承载助力结构的参数直接决定了整个***的性能，需要运用合理的优化算法对其开展优化分析，获取三铰点参数的最优解。

人体外骨骼下肢助力结构的承载情况复杂多变，以大腿、小腿和液压缸构成的三铰点结构是典型的非线性约束问题；而微粒群算法是一种模拟鸟类群体觅食行为的仿生智能优化算法，它可以避免传统优化算法依赖问题特性的缺点，适用于复杂的多变量非线性目标函数的结构优化设计问题。因此在标准微粒群算法基础上，运用基于模拟退火的改进微粒群算法，对外骨骼三铰点受力模型进行结构尺寸优化，是外骨骼研究的必要步骤。

在目前的外骨骼机械结构的研究中，重点集中在外骨骼整体结构的强度、刚度分析等方面，研究的重点是外骨骼的大腿和小腿等零件，而对于动力***中的液压缸及其安装位置是否合理，却没有开展相应的研究，也没有将大腿、小腿和液压缸联合起来进行数学建模，从而导致外骨骼各零件和液压缸的受力没有合理的分配，导致动力***负担过重。

发明内容

鉴于现有技术的以上不足，本发明是提供一种助力型外骨骼膝关节三铰点优化方法，使之应用于外骨骼结构设计的膝关节三铰点的优化以克服现有技术的以上不足。

本发明所采用的技术方案是：

一种助力型外骨骼膝关节三铰点优化方法，对助力型外骨骼膝关节参数进行优化处理,包含如下步骤：

1）建立关节外骨骼膝关节三铰点的位置关系：三铰点包括膝关节O₂₂、液压缸与大腿连接的上铰点O₂₁和液压缸与小腿连接的下铰点O₂₃，上铰点与膝关节之间的距离为杆长S₁，下铰点与膝关节之间的距离为杆长S₃，上、下铰点之间的距离为杆长S₂；

2）通过基于模拟退火的改进微粒子群优化算法，以液压缸承载最小为优化目标，最终得到杆长S₁、杆长S₂和杆长S₃的取值，并将此取值导入后续制造工艺予以控制。

本发明方法为得到液压缸的合理的安装位置，建立大腿、小腿和液压缸的三铰点数学模型，以液压缸的承载最小为优化目标，确立相应的人体尺寸为模型的约束范围；为得到可靠的优化解，利用惯性权重的更新对标准微粒群算法进行改进，采用动态减小惯性权重ω的方式使其随着迭代次数的变化而更新，从而加快算法的收敛速度；通过为算法中的参数赋值，从而得到三个铰点之间的位置参数，即液压缸合理的安装位置。

采用本发明提出的新的用于助力型外骨骼的膝关节三铰点优化方法，通过建立大腿、小腿和液压缸的三铰点数学模型，以三个铰点的位置参数为优化参数，以液压缸的受力最小为优化目标，以相应的人体尺寸作为模型的约束条件，通过改进的微粒群优化算法，得到各铰点的位置参数，从而为外骨骼及其动力***的建模和动力学分析提供参数。通过这种应用于助力型外骨骼结构设计的膝关节三铰点的优化方法，可以得到合理的液压缸的安装位置参数，为动力***的参数配置和轻量化设计提供依据，并能为外骨骼整体结构的运动分析和动力学仿真提供建模参数。

附图说明

图1是外骨骼膝关节三铰点机构模型图。

具体实施方式

下面结合附图，对本发明作进一步的详述。

如图1所示，外骨骼膝关节三铰点包括膝关节O₂₂、液压缸与大腿连接的上铰点O₂₁和液压缸与小腿连接的下铰点O₂₃，上铰点与膝关节之间的距离为S₁，下铰点与膝关节之间的距离为S₃，上、下铰点之间的距离为S₂；三铰点机构是一个是平衡***，其合力为0，将大腿上端点的受力简化为一个竖直方向的力F，合理的工作状态是负重主要由大腿及小腿承担，液压缸提供抗倾覆力矩，液压缸理想的承载力F_缸为0，可根据余弦定理得到各个变量与S₁、S₂和S₃的函数关系；

当外骨骼位于直立状态时，三铰点机构是一个是平衡***，其合力为0，将大腿上端点的受力简化为一个竖直方向的力F，对整个机构进行受力分析，得到F_缸与F的关系式：

当人机携行直立时，最合理的工作状态是负重主要由大腿及小腿承担，液压缸提供抗倾覆力矩，液压缸理想的承载力F为0，因此，外骨骼膝关节三铰点结构参数优化的目标函数即为上式。

根据余弦定理可以得到目标函数中各个变量与杆长S1、S2和S3的关系：

${\mathrm{\β}}_1=\arccos \frac{S_1^2+S_2^2-S_3^2}{2S_1{S}_2},$ ${\mathrm{\β}}_2=\arccos \frac{S_1^2+S_3^2-S_2^2}{2S_1{S}_3}$

一个正常的成年人最大负重为60kg，加上外骨骼自重20kg，因此力F最大取800N。根据我国成年人结构尺寸的国家标准GB/T10000—1988，采用中国南方人第95百分位的人体标准，建立设计变量的约束范围为：

为了增强微粒群优化算法的寻优能力，利用惯性权重的更新对标准微粒群算法进行改进；惯性权重ω作为影响微粒速度更新的最重要的参数，直接表现在对速度大小和方向的控制，较大的ω有利于提高算法的全局寻优能力，而较小的ω则会加快算法的收敛速度，采用动态减小惯性权重ω的方式使其随着迭代次数的变化而更新：

$\mathrm{\ω}={\mathrm{\ω}}_{\max }-\frac{t\×({\mathrm{\ω}}_{\max }-{\mathrm{\ω}}_{\min })}{t_{\max }}$

式中ω_max和ω_min为惯性权重ω的最大值和最小值，t为迭代次数，t_max为最大的迭代次数。当新一代的解被计算出后，将其与上一代的解对应的适应值进行比较，如果变化量ΔE≤0，则接受新值，否则根据exp（-ΔE/T)>rand(0,1)准则接受新值。

根据我国成年人结构尺寸的国家标准GB/T10000—1988，采用中国南方人第95百分位的人体标准，建立设计变量的约束范围；采用动态减小惯性权重的方法设计基于模拟退火的改进微粒群算法，最终得到的最优解如下：S₁＝426.7，S₂＝342.5，S₃＝86.9。

本发明的工作过程

结合图1可以看到，线段O₁O₂₂为外骨骼大腿模型，O₂O₂₂为外骨骼小腿模型，O₂₁O₂₃为外骨骼液压缸模型，液压缸与大腿之间连接的上铰点为O₂₁，液压缸与小腿之间连接的下铰点为O₂₃，上铰点与膝关节之间的距离为S₁，下铰点与膝关节之间的距离为S₃，上、下铰点之间的距离为S₂，S₁、S₂和S₃即为外骨骼优化设计的求解参数；将大腿上端点O₁的受力简化为一个竖直方向的力F，对整个机构进行受力分析，可得到F_缸与F的函数关系，令F_缸＝0为优化目标，采用我国成年人尺寸建立变量的约束范围；为了增强微粒群优化算法的寻优能力，采用动态减小惯性权重ω的方式对标准微粒群算法进行改进，通过对算法中的变量赋值，最终求解得到三个铰点之间的位置参数。

Claims (1)

1.一种助力型外骨骼膝关节三铰点优化方法，对助力型外骨骼膝关节参数进行优化处理,其特征在于，包含如下步骤：

1）建立关节外骨骼膝关节三铰点的位置关系：三铰点包括膝关节O₂₂、液压缸与大腿连接的上铰点O₂₁和液压缸与小腿连接的下铰点O₂₃，上铰点与膝关节之间的距离为杆长S₁，下铰点与膝关节之间的距离为杆长S₃，上、下铰点之间的距离为杆长S₂；

2）通过基于模拟退火的改进微粒子群优化算法，以液压缸承载最小为优化目标，最终得到杆长S₁、杆长S₂和杆长S₃的取值，并将此取值导入后续制造工艺予以控制。

Images