CN107369182B - 一种外骨骼足底交互力信号快速校准***及方法 - Google Patents

一种外骨骼足底交互力信号快速校准***及方法 Download PDF

Info

Publication number
CN107369182B
CN107369182B CN201710479614.6A CN201710479614A CN107369182B CN 107369182 B CN107369182 B CN 107369182B CN 201710479614 A CN201710479614 A CN 201710479614A CN 107369182 B CN107369182 B CN 107369182B
Authority
CN
China
Prior art keywords
data
interaction force
storage module
sole
characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710479614.6A
Other languages
English (en)
Other versions
CN107369182A (zh
Inventor
常远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Machinery Equipment Research Institute
Original Assignee
Beijing Machinery Equipment Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Machinery Equipment Research Institute filed Critical Beijing Machinery Equipment Research Institute
Priority to CN201710479614.6A priority Critical patent/CN107369182B/zh
Publication of CN107369182A publication Critical patent/CN107369182A/zh
Application granted granted Critical
Publication of CN107369182B publication Critical patent/CN107369182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Rehabilitation Tools (AREA)
  • Prostheses (AREA)

Abstract

本发明涉及一种外骨骼足底交互力信号快速校准***及方法，足底交互力原始数据经过平滑滤波之后，再以目标区间变量为标准，提取平稳特征、倍数调节特征和偏差调节特征，在平稳特征、倍数调节特征和偏差调节特征的控制下完成足底交互力原始数据校准操作，从而提供一种简单、快速、可靠的交互力数据在线自动校准***和方法，解决外骨骼压力采集数据一致性差，以及不同穿戴人员在行走时的压力特性存在较大差异等问题。

Description

一种外骨骼足底交互力信号快速校准***及方法
技术领域
本发明涉及机器人技术领域，尤其涉及一种外骨骼足底交互力信号快速校准***及方法。
背景技术
外骨骼机器人是一种可穿戴式助力机器人，通过仿生设计构建人体外部且与人体相互耦合的力学***，分担人体负荷，并通过驱动***辅助人体出力，帮助人完成自身无法完成的任务或者降低人体负荷，提高人体作业效能，在搬运、救灾、士兵负重行走、医疗等领域具有广泛的应用前景。
足底交互力是人机耦合的重要信号，对足底交互力信号进行分析和处理是对外骨骼进行步态相位划分和助力控制的基础。一般通过在外骨骼足底前、后脚掌的受力部位布置压力采集装置，获取足底交互力信号，经过简单的滤波、加和、重心计算等处理，然后用于步态识别与助力控制。然而，随着穿戴时间增加，足底结构变化、传感器偏移等原因造成压力采集一致性差，而且不同身高、体重的人员穿戴外骨骼时，其压力的峰值、斜率、变化区间等存在较大差异，这种数据一致性差和对不同人的适应能力弱等问题，将极大地影响外骨骼控制***对步态相位辨识和助力控制的效果，是亟待解决的关键问题。目前，主要将采集数据存储到本地并离线分析后进行参数校准，缺少一种快速、自动的数据分析与处理方法。
发明内容
鉴于上述的分析，本发明旨在提供一种用于外骨骼机器人的足底交互力信号的快速校准***及方法，提供一种简单、快速、可靠的交互力数据在线自动校准***和方法，解决了压力采集数据一致性差，以及不同穿戴人员在行走时的压力特性存在较大差异等问题。
本发明的目的主要是通过以下技术方案实现的：
一种外骨骼足底交互力信号快速校准***包括：
原始数据存储模块1、滤波器2、平滑数据存储模块3、目标区间存储模块4、特征提取模块5、特征数据存储模块6、数据校准模块7和校准的交互力存储模块8；所述原始数据存储模块1用来存储足底交互力原始数据；所述滤波器2对所述原始数据进行滤波操作；所述平滑数据存储模块3用来存储经过滤波操作的数据；所述目标区间存储模块4用来存储目标区间数据；所述特征提取模块5将所述滤波后的数据以所述目标区间数据为映射目标，经特征提取操作得到特征数据；所述特征数据存储模块6用来存储所述特征数据；所述数据校准模块7使用所述特征数据对所述滤波后的数据进行快速校准操作；所述校准的交互力存储模块8用来存储经过数据校准操作的足底交互力数据。
所述特征数据存储模块(6)包括平稳数据变量存储模块(61)、倍数调节变量存储模块(62)和偏差调节变量存储模块(63)；所述平稳数据变量存储模块(61)存储平稳特征，所述倍数调节变量存储模块(62)存储倍数调节特征，所述偏差调节变量存储模块(63)存储偏差调节特征。
进一步地，所述原始数据为足底压力采集装置中每个传感器的采样数据构成的数据帧，在进行特征提取时，所述数据帧长度为覆盖1～2个完整步态周期采样点数据；在线校准应用时，所述数据帧长度为3～15个采样点数据。
进一步地，所述目标区间是将所述原始数据的变化区间进行线性标度变换所映射到的数据区间。
进一步地，所述滤波器(2)对所述足底交互力原始数据采用时域滑动平均滤波方式进行滤波操作，得到平滑后的足底交互力数据xi，所述i的取值范围为1至n，所述n为足底交互力传感器的个数。
进一步地，平稳特征xi,base是在足底交互力传感器处于空载时，所述平滑后的足底交互力数据xi的平均值；
倍数调节特征xi,mag＝(xmax-xmin)/(bi-ai)，所述xmax为目标区间的最大值，所述xmin为目标区间的最小值，所述bi为所述平滑后的足底交互力数据xi的最大值，所述ai为所述平滑后的足底交互力数据xi的最小值；
偏差调节特征xi,err是平滑后的足底交互力数据xi变换到目标区间后的最小值与目标区间的最小值xmin之间的差值。
进一步地，所述校准操作方法为：xi,t＝(xi-xi,base)*xi,mag-xi,err，所述xi,t表示校准后的足底交互力数据。
一种外骨骼足底交互力信号快速校准***的快速校准方法，包括以下步骤：
步骤S1、预先校准，提取平稳特征、倍数调节特征和偏差调节特征；
步骤S2、退出预先校准，进入在线校准处理。
进一步地，所述步骤S1包括以下子步骤：
步骤S101、在空载状态下，将从足底压力采集装置采集的原始足底交互力数据存入原始数据存储模块1，再在滤波器2中进行滤波操作，将平滑后的足底交互力数据存入平滑数据存储模块3；
步骤S102、将所述平滑数据存储模块3中的平滑后的左脚、右脚的各个数据在所述特征提取模块5分别进行均值处理得到平稳数据，存入平稳数据变量存储模块61；
步骤S103、人员穿戴外骨骼完毕，在无驱动力条件下行走并采集数据左脚、右脚的各个交互力传感器数据，将采集后的数据存储到原始数据存储模块1，经过所述滤波器2后，将结果存入平滑数据存储模块3；
步骤S104、从所述平滑数据存储模块3平滑的足底交互力数据中获取行走数据特征，包括每个足底交互力传感器的最大值、最小值，倍数调节特征，偏差调节特征；将所述倍数调节特征存储在倍数调节变量存储模块62；将偏差调节特征存储在偏差调节变量模块63。
进一步地，所述步骤S2包括以下子步骤：
步骤S201、将原始足底交互力数据进行时域滑动平均滤波操作，存入所述平滑数据存储模块3；
步骤S202、在所述步骤S102、S104得到的平稳特征、倍数调节特征和偏差调节特征的控制下，将所述数据存储模块3中的平滑后的足底交互力数据转换到目标区间，在所述平稳特征，所述倍数调节特征变，和所述偏差调节特征的控制下，完成数据校准工作后，将所述校准后的足底交互力数据存入校准的交互力存储模块8。
本发明有益效果如下：
1、有效解决随着穿戴时间增加，足底结构、采集装置轻微偏差等因素导致的测量数据一致性问题；
2、有效解决不同穿戴人员带来的交互力特点差异性问题；
3、提高数据校准速度；
4、支持离线校准和在线自动校准。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为快速校准***的原理框图
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。
如图1所示，外骨骼足底交互力信号快速校准***包括：
原始数据存储模块1、滤波器2、平滑数据存储模块3、目标区间存储模块4、特征提取模块5、特征数据存储模块6、数据校准模块7和校准的交互力存储模块8；所述特征数据存储模块6包括平稳数据变量存储模块61、倍数调节变量存储模块62和偏差调节变量存储模块63。
所述原始数据存储模块1用来存储从足底压力采集装置采集来的足底交互力原始数据，存储所述足底压力采集装置中每个传感器的采样数据构成的数据帧。
所述滤波器2采用时域滑动平均滤波方式对所述原始数据存储模块1的原始数据进行滤波操作，滤除野点、高频噪声等，获得平滑的足底交互力数据。
所述平滑数据存储模块3用来存储经过时域滑动平均滤波操作的所述平滑的足底交互力数据。
所述目标区间存储模块4用来存储目标区间数据[xmin,xmax]，所述xmin为目标区间的最小值，所述xmax为目标区间的最大值。
所述目标区间是在数据校准过程中，将所述平滑的足底交互力数据进行线性标度变换所映射的目标区间，其映射方法为，假设在行走步态周期内，即由一只脚跟着地开始到该脚跟再次着地结束的时间内，每个足底交互力数据经过滑动平均滤波操作后可能的变化区间为[ai,bi]，即第i(1≤i≤n，n为足底交互力传感器的个数)个足底交互力数据xi的变化下限为ai，上限为bi，在数据校准过程中将xi从实际范围[ai,bi]进行线性标度变换至目标区间[xmin,xmax]。
随着穿戴时间增加，足底结构、采集装置等产生轻微偏差，会导致每个传感器数据xi变化范围较初始状态发生偏离；不同穿戴人员行走特点差异将带来交互力特点差异。以上两个数据一致性问题，对外骨骼机器人的步态识别产生了巨大挑战，影响助力控制效果。在数据校准过程中将xi统一变换到目标区间[xmin,xmax]，为外骨骼进行步态识别提供一致性的标准数据，能够有效解决上述数据一致性差异问题。
所述特征提取模块5将所述平滑的足底交互力数据，以所述目标区间数据[xmin,xmax]为映射目标，经过特征提取操作得到特征数据，所述特征数据包括平稳特征xi,base、倍数调节特征xi,mag和偏差调节特征xi,err。所述平稳特征xi,base是外骨骼未被穿戴时，足底交互力传感器处于空载状态，足底交互力xi的长时间平稳值；所述倍数调节特征xi,mag为将xi从实际范围[ai,bi]进行线性标度变换至目标区间[xmin,xmax]所需要进行乘运算的倍数；所述偏差调节特征偏差调节特征xi,err是将线性标度变换后结果进行微调的数据值。进行特征提取操作所需要的数据帧长度为能覆盖1～2个完整步态周期采样点数，并且数据经过滑动平均滤波操作。平稳特征xi,base是在足底交互力传感器处于空载时，足底交互力数据xi的平均值；倍数调节特征xi,mag＝(xmax-xmin)/(bi-ai)，所述xmax为目标区间的最大值，所述xmin为目标区间的最小值，所述bi为数据帧的最大值，所述ai为数据帧的最小值；所述偏差调节特征xi,err是传感器数据xi变换到目标区间[xmin,xmax]后的最小值与xmin之间的差值。
所述特征数据存储模块6用来存储所述特征提取模块5输出的特征数据；所述特征数据存储模块6将所述平稳特征xi,base、所述倍数调节特征xi,mag和所述偏差调节特征xi,err分别存储于所述平稳数据变量存储模块61、所述倍数调节变量存储模块62和所述偏差调节变量存储模块63中。
所述数据校准模块7使用所述特征数据存储模块6输出的特征数据对平滑数据存储模块3中所存储的平滑的足底交互力数据进行快速校准操作。校准操作如下：校准后的足底交互力数据xi，t＝(xi-xi,base)*xi,mag-xi,err，其中，xi，t是传感器数据xi在目标区间[xmin,xmax]中的校准值，所述xi为平滑后的原始数据，所述xi,base表示平稳特征，所述xi,mag表示倍数调节特征，所述xi,err表示偏差调节特征。该操作简单易操作，实时性好。
所述校准的交互力存储模块8用来存储经过数据校准操作的足底交互力数据。
本发明所述外骨骼足底交互力信号快速校准***的快速校准方法包括以下步骤：
步骤S1、预先校准，提取平稳特征、倍数调节特征和偏差调节特征。
在本步骤的处理过程中，数据帧长度为覆盖1～2个完整步态周期数据点数，原始数据经过平滑滤波之后，再以目标区间变量为标准，提取平稳特征、倍数调节特征和偏差调节特征。具体过程包括如下子步骤：
步骤S101、在空载状态下，将从足底压力采集装置采集的原始足底交互力数据存入原始数据存储模块1，再在滤波器2中进行滤波操作，将平滑后的足底交互力数据存入平滑数据存储模块3；
步骤S102、将模块3中的平滑后的左脚、右脚的各个交互力传感器数据在所述特征提取模块5分别进行均值处理得到平稳数据，存入平稳数据变量存储模块61；
步骤S103、人员穿戴外骨骼完毕，在无驱动力条件下行走并采集数据左脚、右脚的各个交互力传感器数据，将采集后的数据存储到原始数据存储模块1，经过所述滤波器2后，将结果存入平滑数据存储模块3；
步骤S104、从所述模块3平滑的足底交互力数据中获取行走数据特征，包括每个足底交互力传感器的最大值bi、最小值ai等特征参量。在目标区间存储变量xmin、xmax的控制下，换算成倍数调节特征变量和偏差调节特征变量。其中，所述倍数调节特征变量xi,mag的计算公式为xi,mag＝(xmax-xmin)/(bi-ai)；偏差调节特征xi,err为所述传感器数据xi变换到所述目标区间[xmin,xmax]后的最小值与xmin之间的差值。将所述倍数调节特征变xi,mag存储在倍数调节变量存储模块62，将偏差调节特征xi,err存储在偏差调节变量模块63。
步骤S2、退出预先校准；进入在线校准处理。
在本步骤中所述快速校准***退出预先校准流程，进入正常的数据在线校准流程，将数据帧长度为3～15个采样点的原始数据平滑滤波之后，在平稳特征、倍数调节特征和偏差调节特征的控制下完成数据校准操作。具体包括如下子步骤：
步骤S201、将原始足底交互力数据进行时域滑动平均滤波操作，存入所述平滑数据存储模块3；
步骤S202、在所述步骤S102、S104得到的平稳特征、倍数调节特征和偏差调节特征的控制下，将所述数据存储模块3中的平滑后的足底交互力数据转换到目标区间[xmin,xmax]，即xi,t＝(xi-xi,base)*xi,mag-xi,err，所述xi,t表示校准后的足底交互力数据，所述xi为平滑后的原始数据，所述xi,base表示平稳特征，所述xi,mag表示倍数调节特征，所述xi,err表示偏差调节特征。完成数据校准工作后，将所述校准后的足底交互力数据xi,t存入校准的交互力存储模块8。
本***及方法可以解决以下具体实施例中出现的外骨骼足底交互力信号快速校准问题。
例1：随着时间增加，外骨骼的左脚后跟足底结构发生变化，空载平稳特征为0.02，相比原来的空载平稳特征0.1大幅度降低，导致利用左脚后部交互力传感器判断触底步态的时机延迟，不利于进行助力控制。利用本申请的校准方法，消除结构偏移的不利影响，获得数据变换后的一致性，确保了步态识别方法的效果稳定。
例2：外骨骼的右脚后部传感器发生损坏，更换传感器后紧固力增加，空载平稳特征为0.6，相比原来的空载平稳特征0.1大幅度增加，导致在行走时步态识别程序认为右脚后部传感器持续处于加载状态，扰乱了助力控制程序，利用申请的校准方法，获得数据变换后的一致性，确保了步态识别方法的效果稳定。
例3：甲和乙两名穿戴者体重存在较大差异。甲穿戴外骨骼时，足底交互力变化范围为0.1～1.0，步态识别程序运行正常，乙穿戴外骨骼时，足底交互力变化范围为0.3～1.6，步态识别程序发生混乱。利用申请的校准方法，将两个人穿戴时的交互力数据都变换到目标区间0.1～1.0，获得数据变换后的一致性，确保了步态识别方法的效果稳定，解决了不同穿戴者造成的行走特性差异问题。
综上所述，本发明实施例提供了一种用于外骨骼机器人的足底交互力信号的快速校准***，所述***具有如下有益效果：
1、有效解决随着穿戴时间增加，足底结构、采集装置轻微偏差等因素导致的测量数据一致性问题；
2、有效解决不同穿戴人员带来的交互力特点差异性问题；
3、提高数据校准速度；
4、支持离线校准和在线自动校准。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种外骨骼足底交互力信号快速校准***，其特征在于，包括：原始数据存储模块(1)、滤波器(2)、平滑数据存储模块(3)、目标区间存储模块(4)、特征提取模块(5)、特征数据存储模块(6)、数据校准模块(7)和校准的交互力存储模块(8)；所述原始数据存储模块(1)用来存储足底交互力原始数据；所述滤波器(2)对所述原始数据进行滤波操作；所述平滑数据存储模块(3)用来存储经过滤波操作的数据；所述目标区间存储模块(4)用来存储目标区间数据，所述目标区间是将所述原始数据的变化区间进行线性标度变换所映射到的数据区间；所述特征提取模块(5)将所述滤波后的数据以所述目标区间数据为映射目标，经特征提取操作得到特征数据；所述特征数据存储模块(6)用来存储所述特征数据，所述特征数据包括平稳特征xi,base、倍数调节特征xi,mag和偏差调节特征xi,err，所述平稳特征xi,base是外骨骼未被穿戴时，足底交互力传感器处于空载状态，足底交互力xi的长时间平稳值；所述倍数调节特征xi,mag为将足底交互力xi从实际范围[ai,bi]进行线性标度变换至目标区间[xmin,xmax]所需要进行乘运算的倍数；所述偏差调节特征xi,err是将线性标度变换后结果进行微调的数据值；所述数据校准模块(7)使用所述特征数据对所述滤波后的数据进行快速校准操作；所述校准的交互力存储模块(8)用来存储经过数据校准操作的足底交互力数据；
平稳特征xi,base是在足底交互力传感器处于空载时，所述平滑后的足底交互力数据xi的平均值；
倍数调节特征xi,mag＝(xmax-xmin)/(bi-ai)，所述xmax为目标区间的最大值，所述xmin为目标区间的最小值，所述bi为所述平滑后的足底交互力数据xi的最大值，所述ai为所述平滑后的足底交互力数据xi的最小值；
偏差调节特征xi,err是平滑后的足底交互力数据xi变换到目标区间后的最小值与目标区间的最小值xmin之间的差值；
所述数据校准模块(7)的校准操作方法为：xi,t＝(xi-xi,base)*xi,mag-xi,err，所述xi,t表示第i个校准后的足底交互力数据。
2.根据权利要求1所述的快速校准***，其特征在于，所述特征数据存储模块(6)包括平稳数据变量存储模块(61)、倍数调节变量存储模块(62)和偏差调节变量存储模块(63)；所述平稳数据变量存储模块(61)存储平稳特征，所述倍数调节变量存储模块(62)存储倍数调节特征，所述偏差调节变量存储模块(63)存储偏差调节特征。
3.根据权利要求1所述的快速校准***，其特征在于，所述足底交互力原始数据为足底压力采集装置中每个传感器的采样数据构成的数据帧，在进行特征提取时，所述数据帧长度为覆盖1～2个完整步态周期采样点数据；在线校准应用时，所述数据帧长度为3～15个采样点数据。
4.根据权利要求2所述的快速校准***，其特征在于，所述滤波器(2)对所述足底交互力原始数据采用时域滑动平均滤波方式进行滤波操作，得到平滑后的足底交互力数据xi，所述i的取值范围为1至n，所述n为足底交互力传感器的个数。
5.一种外骨骼足底交互力信号快速校准***的快速校准方法，其特征在于，包括以下步骤：
步骤S1、预先校准，提取平稳特征、倍数调节特征和偏差调节特征；
所述步骤S1包括以下子步骤：
步骤S101、在空载状态下，将从足底压力采集装置采集的原始足底交互力数据存入原始数据存储模块(1)，再采用滤波器(2)进行滤波操作后，将平滑后的足底交互力数据存入平滑数据存储模块(3)；
步骤S102、将所述平滑数据存储模块(3)中的平滑后的左脚、右脚的各个数据在特征提取模块(5)分别进行均值处理得到平稳特征，存入平稳数据变量存储模块(61)；
平稳特征xi,base是在足底交互力传感器处于空载时，所述平滑后的足底交互力数据xi的平均值；
步骤S103、人员穿戴外骨骼完毕，在无驱动力条件下行走并采集数据左脚、右脚的各个交互力传感器数据，将采集后的数据存储到原始数据存储模块(1)，经过所述滤波器(2)后，将结果存入平滑数据存储模块(3)；
步骤S104、从所述平滑数据存储模块(3)平滑的足底交互力数据中获取行走数据特征，包括每个足底交互力传感器的最大值、最小值，倍数调节特征，偏差调节特征；将所述倍数调节特征存储在倍数调节变量存储模块(62)；将偏差调节特征存储在偏差调节变量模块(63)；
倍数调节特征xi,mag＝(xmax-xmin)/(bi-ai)，所述xmax为目标区间的最大值，所述xmin为目标区间的最小值，所述bi为所述平滑后的足底交互力数据xi的最大值，所述ai为所述平滑后的足底交互力数据xi的最小值；
所述偏差调节特征xi,err是平滑后的足底交互力数据xi变换到目标区间后的最小值与目标区间的最小值xmin之间的差值；
步骤S2、退出预先校准，进入在线校准处理；
步骤S201、将在线采集的原始足底交互力数据进行时域滑动平均滤波操作，存入所述平滑数据存储模块(3)；
步骤S202、在所述步骤S102、S104得到的平稳特征、倍数调节特征和偏差调节特征的控制下，将所述数据存储模块(3)中的平滑后的足底交互力数据转换到目标区间，在所述平稳特征、所述倍数调节特征变和所述偏差调节特征的控制下，完成数据校准工作后，将所述校准后的足底交互力数据存入校准的交互力存储模块(8)；
所述数据校准操作方法为：xi,t＝(xi-xi,base)*xi,mag-xi,err，所述xi,t表示第i个校准后的足底交互力数据。
CN201710479614.6A 2017-06-22 2017-06-22 一种外骨骼足底交互力信号快速校准***及方法 Active CN107369182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710479614.6A CN107369182B (zh) 2017-06-22 2017-06-22 一种外骨骼足底交互力信号快速校准***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710479614.6A CN107369182B (zh) 2017-06-22 2017-06-22 一种外骨骼足底交互力信号快速校准***及方法

Publications (2)

Publication Number Publication Date
CN107369182A CN107369182A (zh) 2017-11-21
CN107369182B true CN107369182B (zh) 2020-05-01

Family

ID=60306347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710479614.6A Active CN107369182B (zh) 2017-06-22 2017-06-22 一种外骨骼足底交互力信号快速校准***及方法

Country Status (1)

Country Link
CN (1) CN107369182B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1802140A (zh) * 2003-03-06 2006-07-12 艾弗伦特股份有限公司 改善人平衡与步态并防止足部受伤的方法及设备
CN105835044A (zh) * 2016-06-07 2016-08-10 电子科技大学 一种基于多传感器融合的外骨骼机器人测距智能鞋***
CN106420254A (zh) * 2016-09-14 2017-02-22 中国科学院苏州生物医学工程技术研究所 多人交互虚拟现实康复训练与评估***
CN106602969A (zh) * 2017-01-17 2017-04-26 河南师范大学 一种外骨骼机器人用电机的自检校正***及方法
CN106595912A (zh) * 2016-11-01 2017-04-26 中国海洋大学 一种人足动态力学实时检测评估***及方法
CN106840247A (zh) * 2017-04-13 2017-06-13 深圳怡化电脑股份有限公司 一种传感器线性校正方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2803057A4 (en) * 2012-01-13 2015-07-08 Enhanced Surface Dynamics Inc SYSTEM AND METHODS FOR RISK MANAGEMENT ANALYSIS OF A PRESSURE DETECTION SYSTEM

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1802140A (zh) * 2003-03-06 2006-07-12 艾弗伦特股份有限公司 改善人平衡与步态并防止足部受伤的方法及设备
CN105835044A (zh) * 2016-06-07 2016-08-10 电子科技大学 一种基于多传感器融合的外骨骼机器人测距智能鞋***
CN106420254A (zh) * 2016-09-14 2017-02-22 中国科学院苏州生物医学工程技术研究所 多人交互虚拟现实康复训练与评估***
CN106595912A (zh) * 2016-11-01 2017-04-26 中国海洋大学 一种人足动态力学实时检测评估***及方法
CN106602969A (zh) * 2017-01-17 2017-04-26 河南师范大学 一种外骨骼机器人用电机的自检校正***及方法
CN106840247A (zh) * 2017-04-13 2017-06-13 深圳怡化电脑股份有限公司 一种传感器线性校正方法和装置

Also Published As

Publication number Publication date
CN107369182A (zh) 2017-11-21

Similar Documents

Publication Publication Date Title
CN105943005B (zh) 基于光电绿光脉搏与心电图混合的无创血压检测装置
JP5254985B2 (ja) 生物の動きを追うためのデバイス及び方法
DE112009001264B4 (de) Blutdruckinformationsmessvorrichtung, die einen Index zum Bestimmen eines Arteriosklerosegrads ermitteln kann
CN103190891B (zh) 基于光电容积的脉搏波速度生理参数的测量装置及方法
CN104586370B (zh) 一种光电式脉搏信号测量方法、装置及测量设备
WO2020042709A1 (zh) 一种反映人体疲劳程度的穿戴式设备
US20140148714A1 (en) Automatic online delineation of a multi-lead electrocardiogram bio signal
CN113043248A (zh) 基于多源传感器的搬运装配全身外骨骼***及控制方法
CN107369182B (zh) 一种外骨骼足底交互力信号快速校准***及方法
CN112263230B (zh) 基于桡动脉生物传感器技术的血压动态监测***及方法
CN112807001A (zh) 多步态意图识别和运动预测方法、***、终端以及介质
CN113397478B (zh) 一种用于脉诊装置的自动加压控制方法
CN107440695A (zh) 生理信号感测装置
WO2020220661A1 (zh) 一种人工智能动态心肺监测设备的功耗控制方法及***
Chen et al. A piecewise monotonic gait phase estimation model for controlling a powered transfemoral prosthesis in various locomotion modes
CN110367959A (zh) 一种基于脉搏波相位差和脉搏波特征参数的血压测量装置
CN102319130B (zh) 用脚趾触发上假肢多自由度运动的控制***和控制方法
CN109387701B (zh) 三相变流装置及电容估算方法
CN109885159B (zh) 基于正向动力学与希尔模型的状态空间肌电模型构建方法
CN107908431B (zh) 一种手环及其腕带松紧度的调节方法和设备
CN111053555A (zh) 基于表面肌电信号与足底力的地形分类装置及方法
CN111639762A (zh) 一种基于自组织神经网络的下肢假肢步态识别方法
Zheng et al. Non-contact capacitance sensing for continuous locomotion mode recognition: Design specifications and experiments with an amputee
CN114191261B (zh) 迭代学习脑控电刺激和智能支撑***与下肢康复训练方法
Chen et al. Comparison of machine learning regression algorithms for foot placement prediction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant