CN109124998A - 动力外骨骼控制方法、装置、计算机设备及存储介质 - Google Patents
动力外骨骼控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109124998A CN109124998A CN201810684655.3A CN201810684655A CN109124998A CN 109124998 A CN109124998 A CN 109124998A CN 201810684655 A CN201810684655 A CN 201810684655A CN 109124998 A CN109124998 A CN 109124998A
- Authority
- CN
- China
- Prior art keywords
- knee joint
- power
- assisted
- angle
- knee
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H2003/005—Appliances for aiding patients or disabled persons to walk about with knee, leg or stump rests
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/62—Posture
- A61H2230/625—Posture used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明属于医疗康复辅助行走技术领域,特别涉及一种动力外骨骼控制方法、装置、计算机设备及存储介质,动力外骨骼控制方法包括如下步骤:获取膝关节扭矩角度比;获取用户当前膝关节角度、膝关节角加速度、助力等级系数和膝关节随动辅助系数;当步行周期为stance模式时,将膝关节角度值、膝关节扭矩角度比、膝关节随动辅助系数比和助力等级系数输入至stance物理模型中得到膝关节扭矩助力;当步行周期为swing模式时,将膝关节角加速度、膝关节随动辅助系数和助力等级系数输入至swing物理模型中得到膝关节扭矩助力。利用此动力外骨骼控制方法,不需要规划轨迹,通过扭矩控制对人体的动作进行增强,简化了算法复杂度。
Description
技术领域
本发明属于医疗康复辅助行走技术领域,尤其涉及一种动力外骨骼控制方法、装置、计算机设备及存储介质。
背景技术
动力外骨骼是一类模仿人体生理构造,能被人穿戴、协同穿戴者运动的同时辅助穿戴者的智能机械装置。现有动力外骨骼的控制算法针对的是完全丧失行走功能的截瘫或偏瘫患者,采取的是主动式控制,即由控制算法预先规划出行走轨迹,动力外骨骼跟随预设的轨迹辅助人体行走,现有技术为控制预设轨迹的位置,当使用者转变为还具有一定行走功能的用户,比如轻度中风,关节炎,早期帕金森患者等,强迫用户跟随预设好的行走轨迹会造成很强的不舒适感,同时降低用户主动参与康复训练的程度,而且每个人的行走步态与行走习惯不同,预设的行走轨迹不可能完全符合每个人的步态,其次,当用户要碰到复杂且多样的场景,如上下楼,上下坡等这些场景时需要在人体的背部,腿部,足部布置大量的传感器进行模式识别,用户反复的手动切换不同的行走轨迹,大大增加了外骨骼的使用难度,复杂的模式识别算法又会大大降低***的稳定性与可靠性。
发明内容
本发明的目的在于提供一种动力外骨骼控制方法、装置、计算机设备及存储介质,以解决现有技术中存在的主动式动力外骨骼算法并不能良好的配合用户行动的问题。
本发明是这样实现的,本发明第一方面提供一种动力外骨骼控制方法,该动力外骨骼控制方法包括:
获取膝关节扭矩角度比k1m;
获取用户当前膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m;
当步行周期为stance状态时,将所述膝关节角度θk、所述膝关节角加速度所述膝关节扭矩角度比k1m、所述膝关节随动辅助系数k2m和所述助力等级系数kf输入至预设stance物理模型中得到第一膝关节扭矩助力τ'stance,并输出所述第一膝关节扭矩助力τ'stance;
当步行周期为swing状态时,将所述膝关节角加速度所述膝关节随动辅助系数k2m和助力等级系数输入至预设swing物理模型中得到第二膝关节扭矩助力τ'swing,并输出所述第二膝关节扭矩助力τ'swing。
本发明第二方面提供一种动力外骨骼控制装置,所述“动力外骨骼控制装置”具体为:
第一信息获取模块,用于获取膝关节扭矩角度比k1m;
第二信息获取模块,用于获取用户当前膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m;
计算模块,用于当步行周期为stance模式时,将所述膝关节角度θk、所述膝关节角加速度所述膝关节扭矩角度比k1m、所述膝关节随动辅助系数k2m和所述助力等级系数kf输入至stance物理模型中得到第一膝关节扭矩助力τ'stance,并输出所述第一膝关节扭矩助力τ'stance;当步行周期为swing模式时,将所述膝关节角加速度膝关节随动辅助系数k2m和助力等级系数输入至swing物理模型中得到第二膝关节扭矩助力τ'swing,并输出所述第二膝关节扭矩助力τ'swing。
本发明第三方面提供一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现基于被动式扭矩控制动力外骨骼的算法步骤。
本发明第四方面提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现基于被动式扭矩控制动力外骨骼的算法步骤。
本发明提出的一种动力外骨骼控制方法、装置、计算机设备及存储介质,该动力外骨骼控制方法包括获取膝关节扭矩角度比、用户当前膝关节角度、膝关节角加速度、助力等级系数和膝关节随动辅助系数;当步行周期为stance状态时,将膝关节角度、膝关节角加速度、膝关节扭矩角度比、膝关节随动辅助系数和助力等级系数输入至预设stance物理模型中得到第一膝关节扭矩助力,并输出第一膝关节扭矩助力;当步行周期为swing状态时,将膝关节角加速度、膝关节随动辅助系数和助力等级系数输入至预设swing物理模型中得到第二膝关节扭矩助力,并输出第二膝关节扭矩助力,本发明技术方案与现有主动式控制动力外骨骼相比,不需要预先规划任何轨迹,而是以用户当前的运动参数作为输入,根据预设的模型输出不同模式下的扭矩,通过扭矩控制的方式对人体的动作进行增强,跟随并加强用户自己的运动;同时不需要运用大量的传感技术进行行走状态模式识别,简化了算法复杂度,提高了***稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提出的一种动力外骨骼控制方法流程图;
图2为本发明实施例1提出的一种动力外骨骼控制方法步骤S10流程图;
图3为本发明实施例1提出的一种动力外骨骼控制方法中人体站立状态膝关节角度示意图;
图4为本发明实施例1提出的一种动力外骨骼控制方法中人体行走状态膝关节角度示意图;
图5为本发明实施例1提出的一种动力外骨骼控制方法中膝关节角度与时间关系图;
图6为本发明实施例1提出的一种动力外骨骼控制方法中膝关节扭矩与时间关系图;
图7为本发明实施例1提出的一种动力外骨骼控制方法中膝关节角度与膝关节扭矩关系图;
图8为本发明实施例2提出的一种动力外骨骼控制装置示意图;
图9为本发明实施例2提出的一种动力外骨骼控制装置的第一信息获取模块结构示意图;
图10为本发明实施例2提出的一种动力外骨骼控制装置的计算模块示意图;
图11为本发明实施例3提供的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明实施例提供一种动力外骨骼控制方法,如图1所示,该动力外骨骼控制方法包括:
步骤S11,获取膝关节扭矩角度比k1m。
步骤S11中,可以通过用户数据获取膝关节扭矩角度比,用户数据是指用户正常行走的历史数据,可以是用户本人的数据,也可以是与用户年龄、身高、体重等相似的用户正常行走的历史数据,该历史数据可以包括预设时间段内的膝关节角度θ变化趋势、膝关节角度变化趋势以及预设时间段内的膝关节扭矩τ变化趋势,膝关节扭矩角度比k1m为根据测量相同时间的用户历史的膝关节角度θ和膝关节扭矩τ而计算得出的值。
其中,所述“获取膝关节扭矩角度比k1m”,具体为:
获取用户数据中的历史膝关节角度θ和历史膝关节扭矩τ;
根据如下表达式获取所述膝关节扭矩角度比k1m:
具体的,如图2所示,步骤S11包括:
步骤S101,获取用户数据中的历史膝关节角度θ与时间对应关系图和历史膝关节扭矩τ与时间对应关系图;
具体的,根据安装在用户膝关节的传感器测量出用户行走过程中一段时间内膝关节与大腿之间的角度值的变化,例如,测量用户行走时膝关节与大腿之间角度膝关节角度θ,从0deg~30deg,时间为t=1s内,将膝关节角度θ与时间的关系绘制成线性图,如图5所示,由图可以得出随着时间变化膝关节角度θ增大,根据安装在用户膝关节的传感器测量出用户行走过程中单位时间内膝关节扭矩值τ,例如,测量用户行走时膝关节所受力为0Nm~50Nm,t=1s,将膝关节扭矩τ与时间的关系绘制成线性图,如图6所示,由图可以得出随着时间变化膝关节扭矩τ增大。
步骤S102,根据历史膝关节角度θ与时间对应关系图和历史膝关节扭矩τ与时间对应关系图获取历史膝关节扭矩τ与历史膝关节角度θ对应关系图。
具体的,根据图5历史膝关节角度θ与时间的线性图和图6历史膝关节扭矩τ与时间线性图,由于横坐标相同都是t,因此可以推测出,历史膝关节扭矩τ与历史膝关节角度θ之间存在线性关系。
步骤S103,根据历史膝关节扭矩τ与历史膝关节角度θ对应关系图,获取历史膝关节扭矩τ与历史膝关节角度θ之间的线性关系:
τ=k1mθ。
步骤S103中,历史膝关节扭矩τ与膝关节角度θ对应关系如图7所示,是根据图5中历史膝关节角度与时间关系图和根据图6中历史膝关节扭矩与时间关系图得出。
具体为,根据图5历史膝关节角度与时间关系图可以得出:
θ=k1t。
根据图6历史膝关节扭矩与时间关系图可以得出:
τ=k2t。
根据一元一次方程求解,可以得出,简化之后可得:
τ=k1mθ。
步骤S104,根据线性关系获取膝关节扭矩角度比k1m。
具体的,根据测量用户行走的历史数据中的膝关节角度θ和膝关节扭矩τ而计算得出膝关节扭矩角度比k1m,也可以测量与用户年龄、身高、体重等相似的用户正常行走的历史数据计算得出膝关节扭矩角度比k1m,例如,τ为50Nm,θ为30deg,计算出k1m为1.667Nm/deg。根据用户膝关节扭矩角度比k1m调节助力等级系数kf,进而达到控制动力外骨骼辅助用户正常步行目的。
步骤S12,获取用户当前膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m;
具体的,步骤S12中膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m为膝关节活动受损的人行走步态中的测量值,这类人群包括轻度中风,关节炎,早期帕金森患者等,需要获取膝关节外力帮助,才能完成正常人的行走动作。
膝关节角度值为θk是用户当前行走stance状态时大腿与小腿之间的角度,由安装在人体膝关节上的传感器测试得出,假定人站立状态时,大腿和小腿之间的角度为0deg,表示膝关节角度值θ为0deg,如图2所示;当人行走状态时大腿与小腿之间形成一定角度值,此时大腿与小腿之间的夹角即为膝关节角度值θ,如图3所示,假设此时膝关节角度值θ为30deg。
膝关节角加速度是指人体行走swing状态时膝关节的角加速度由安装在人体膝关节上的传感器测试得出。
助力等级系数kf是根据用户调节设置的百分比获取助力等级系数,等级系数为0~100%,例如10%。20%,30%等,可以进行人为调节,助力等级系数kf是医生的建议值,或者根据用户舒适度自身调节值。
膝关节随动辅助系数k2m是膝关节的摆动速度的随动辅助系数,是根据对不同人体行走状态膝关节角加速度进行统计分析得出经验值设置为膝关节随动辅助系数。
步骤13,当步行周期为stance状态时,将所述膝关节角度θk、所述膝关节角加速度所述膝关节扭矩角度比k1m、所述膝关节随动辅助系数k2m和所述助力等级系数kf输入至预设stance物理模型中得到第一膝关节扭矩助力τ'stance,并输出第一膝关节扭矩助力τ'stance。
步骤S13中,人体在行走时一侧足跟着地到该侧足跟再次着地的过程被称为一个步行周期,一个步行周期可分为支撑相stance和摆动相swing。支撑相stance指下肢接触地面及承受重力的时间。根据人体行走周期建立预设stance物理模型,并根据预设stance物理模型获取stance状态的第一膝关节扭矩助力τ'stance,并输出stance状态的第一膝关节扭矩助力τ'stance。
具体的,根据人体行走周期建立stance状态下预设stance物理模型,所述“预设stance物理模型”,具体为如下表达式:
其中,用户当前膝关节角度θk,膝关节角加速度膝关节随动辅助系数k2m是根据步骤S12获取的和膝关节扭矩角度比k1m是根据步骤S11获取的的,助力等级系数kf可以根据自身调节,将上述参数代入预设stance物理模型中,获取stance状态的第一膝关节扭矩助力τ'stance。示例性的,根据经验所得,令k1m=1.6Nm/deg,k2m=0.05Nm*s^2/deg,kf=0.3,并获取人体膝关节角度值θk和人体膝关节加速度值其中θk单位为deg,单位为deg/s^2,将上述值代入stance物理模型中
可以得出,stance状态的第一膝关节扭矩助力τ'stance。
步骤14,当步行周期为swing状态时,将所述膝关节角加速度所述膝关节随动辅助系数k2m和助力等级系数输入至预设swing物理模型中得到第二膝关节扭矩助力τ'swing,并输出第二膝关节扭矩助力τ'swing。
步骤S14中,摆动相swing指足离开地面向前迈步到再次落地之间的时间,根据人体行走周期建立预设swing物理模型,并根据预设swing物理模型获取swing状态的第二膝关节扭矩助力τ'swing,并输出swing状态的第二膝关节扭矩助力τ'swing。
具体的,根据人体行走周期建立swing状态下预设swing物理模型,所述“预设swing物理模型”,具体为如下表达式:
其中,用户当前膝关节角加速度膝关节随动辅助系数k2m是根据步骤S12获取的,助力等级系数kf可以根据自身调节,将上述参数代入预设swing物理模型中,获取swing状态的第二膝关节扭矩助力τ'swing。示例性的,将上述值θk、k1m、k2m和kf,代入swing物理模型中:
可以得出,swing模式的第二膝关节扭矩助力τ'swing。
根据人体步行周期,分别建立stance模式下输出的第一膝关节扭矩助力τ'stance的stance物理模型和swing模式下输出的第二膝关节扭矩助力τ'swing的swing物理模型,计算当步行周期为stance模式时第一膝关节扭矩助力τ'stance和当运动模式为swing模式时第二膝关节扭矩助力τ'swing,不需要预先规划任何轨迹,根据用户当前参数为输入值,通过扭矩控制的方式对人体的动作进行增强,跟随并加强用户自己的运动,达到辅助人体行走的目的,并且不需要运用大量的传感技术进行行走状态模式识别,简化了算法复杂度,提高了***稳定性。
实施例2
本发明实施例2提供一种动力外骨骼控制方法装置4,如图8所示,动力外骨骼控制方法装置包括:
第一信息获取模块41,用于获取膝关节扭矩角度比k1m;
第二信息获取模块42,用于获取用户当前膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m;
计算模块43,用于当步行周期为stance状态时,将所述膝关节角度θk、所述膝关节角加速度所述膝关节扭矩角度比k1m、所述膝关节随动辅助系数k2m和所述助力等级系数kf输入至预设stance物理模型中得到第一膝关节扭矩助力τ'stance,并输出所述第一膝关节扭矩助力τ'stance;并用于当步行周期为swing状态时,将所述膝关节角加速度所述膝关节随动辅助系数k2m和助力等级系数输入至预设swing物理模型中得到第二膝关节扭矩助力τ'swing,并输出所述第二膝关节扭矩助力τ'swing。
进一步,如图9所述,第一信息获取模块41包括:
历史信息获取单元401,用于获取用户数据中的历史膝关节角度θ和历史膝关节扭矩τ;
膝关节扭矩比计算单元402,用于根据如下表达式获取所述膝关节扭矩角度比k1m:
进一步,如图10所述,所述计算模块43包括stance物理模型建立单元431,所述stance物理模型建立单元431建立的stance物理模型具体为如下表达式:
所述计算模块包括swing物理模型建立单元432,所述swing物理模型建立单元432建立的swing物理模型具体为如下表达式:
实施例3
本实施例提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中动力外骨骼控制方法,为避免重复,这里不再赘述。
实施例4
图11是本发明实施例4中计算机设备的示意图。如图11所示,计算机设备6包括处理器63、存储器61以及存储在存储器61中并可在处理器63上运行的计算机程序62。处理器63执行计算机程序62时实现上述实施例中一种动力外骨骼控制方法的各个步骤,例如图1所示的步骤S11、S12、S13和S14。或者,处理器63执行计算机程序62时实现上述实施例中一种动力外骨骼控制装置各模块/单元的功能,例如,如图8所示的第一信息获取模块41、第二信息获取模块42以及计算模块43的功能。
示例性的,计算机程序62可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器61中,并由处理器63执行,以完成本发明的数据处理过程。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该指令段用于描述计算机程序62在计算机设备6中的执行过程。例如,计算机程序62可以被分割成如图8所示的第一信息获取模块41、第二信息获取模块42、以及计算模块43,各模块具体功能与实施例1中动力外骨骼控制方法一一对应,为避免重复,在此不一一赘述。
终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于,处理器63、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器63可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器61可以是终端设备6的内部存储单元,例如终端设备6的硬盘或内存。存储器61也可以是终端设备6的外部存储设备,例如终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器61还可以既包括终端设备6的内部存储单元也包括外部存储设备。存储器61用于存储计算机程序以及终端设备所需的其他程序和数据。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种动力外骨骼控制方法,其特征在于,包括如下步骤:
获取膝关节扭矩角度比k1m;
获取用户当前膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m;
当步行周期为stance状态时,将所述膝关节角度θk、所述膝关节角加速度所述膝关节扭矩角度比k1m、所述膝关节随动辅助系数k2m和所述助力等级系数kf输入至预设stance物理模型中得到第一膝关节扭矩助力τ'stance,并输出所述第一膝关节扭矩助力τ'stance;
当步行周期为swing状态时,将所述膝关节角加速度所述膝关节随动辅助系数k2m和助力等级系数输入至预设swing物理模型中得到第二膝关节扭矩助力τ'swing,并输出所述第二膝关节扭矩助力τ'swing。
2.根据权利要求1所述的动力外骨骼控制方法,其特征在于,所述“获取膝关节扭矩角度比”,具体为:
获取用户数据中的历史膝关节角度θ和历史膝关节扭矩τ;
根据如下表达式获取所述膝关节扭矩角度比k1m:
3.根据权利要求1所述的动力外骨骼控制方法,其特征在于,所述“预设stance物理模型”,具体为如下表达式:
4.根据权利要求1所述的动力外骨骼控制方法,其特征在于,所述“预设swing物理模型”,具体为如下表达式:
5.根据权利要求3所述的动力外骨骼控制方法,其特征在于,所述“获取助力等级系数kf”,具体为:
根据用户调节设置的百分比获取助力等级系数kf;
获取膝关节随动辅助系数k2m,包括:
对不同人体行走状态膝关节角加速度进行统计分析得出经验值设置为膝关节随动辅助系数k2m。
6.一种动力外骨骼控制装置,其特征在于,所述“动力外骨骼控制装置”具体为:
第一信息获取模块,用于获取膝关节扭矩角度比k1m;
第二信息获取模块,用于获取用户当前膝关节角度θk、膝关节角加速度助力等级系数kf和膝关节随动辅助系数k2m;
计算模块,用于当步行周期为stance模式时,将所述膝关节角度θk、所述膝关节角加速度所述膝关节扭矩角度比k1m、所述膝关节随动辅助系数k2m和所述助力等级系数kf输入至stance物理模型中得到第一膝关节扭矩助力τ'stance,并输出所述第一膝关节扭矩助力τ'stance;并用于当步行周期为swing模式时,将所述膝关节角加速度膝关节随动辅助系数k2m和助力等级系数输入至swing物理模型中得到第二膝关节扭矩助力τ'swing,并输出所述第二膝关节扭矩助力τ'swing。
7.根据权利要求6所述动力外骨骼控制装置,其特征在于,所述“第一信息获取模块”具体包括:
历史信息获取单元,用于获取用户数据中的历史膝关节角度θ和历史膝关节扭矩τ;
膝关节扭矩角度比计算单元,用于根据如下表达式获取所述膝关节扭矩角度比k1m:
8.根据权利要求6所述动力外骨骼控制装置,其特征在于,所述计算模块包括stance物理模型建立单元,所述stance物理模型建立单元建立的stance物理模型具体为如下表达式:
所述计算模块包括swing物理模型建立单元,所述swing物理模型建立单元建立的swing物理模型具体为如下表达式:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810684655.3A CN109124998B (zh) | 2018-06-28 | 2018-06-28 | 动力外骨骼控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810684655.3A CN109124998B (zh) | 2018-06-28 | 2018-06-28 | 动力外骨骼控制方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109124998A true CN109124998A (zh) | 2019-01-04 |
CN109124998B CN109124998B (zh) | 2022-04-01 |
Family
ID=64802494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810684655.3A Active CN109124998B (zh) | 2018-06-28 | 2018-06-28 | 动力外骨骼控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109124998B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110587613A (zh) * | 2019-10-15 | 2019-12-20 | 北京理工大学 | 一种负压气动柔性膝关节外骨骼实时反馈与闭环控制方法 |
CN111312361A (zh) * | 2020-01-20 | 2020-06-19 | 深圳市丞辉威世智能科技有限公司 | 自由步态行走训练方法、装置、终端及存储介质 |
CN112809651A (zh) * | 2019-11-15 | 2021-05-18 | 深圳市英汉思动力科技有限公司 | 一种助力外骨骼控制方法、控制***和计算机设备 |
CN114073631A (zh) * | 2020-08-13 | 2022-02-22 | 深圳市英汉思动力科技有限公司 | 一种助力外骨骼自适应控制方法和装置 |
CN114209556A (zh) * | 2020-11-11 | 2022-03-22 | 深圳市迈步机器人科技有限公司 | 一种髋关节外骨骼的控制方法及控制*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102202613A (zh) * | 2008-09-04 | 2011-09-28 | Iwalk股份有限公司 | 混合型地形自适应下肢*** |
JP2012200318A (ja) * | 2011-03-24 | 2012-10-22 | Equos Research Co Ltd | 歩行支援装置、及び歩行支援プログラム |
CN105142581A (zh) * | 2013-03-14 | 2015-12-09 | 埃克苏仿生公司 | 用于来自下肢矫形器的通信的人机界面 |
CN106557164A (zh) * | 2016-11-18 | 2017-04-05 | 北京光年无限科技有限公司 | 应用于智能机器人的多模态输出方法和装置 |
US20170119551A1 (en) * | 2015-10-28 | 2017-05-04 | North Carolina State University | Systems and methods for automatically tuning powered prosthesis impedance control parameters |
-
2018
- 2018-06-28 CN CN201810684655.3A patent/CN109124998B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102202613A (zh) * | 2008-09-04 | 2011-09-28 | Iwalk股份有限公司 | 混合型地形自适应下肢*** |
JP2012200318A (ja) * | 2011-03-24 | 2012-10-22 | Equos Research Co Ltd | 歩行支援装置、及び歩行支援プログラム |
CN105142581A (zh) * | 2013-03-14 | 2015-12-09 | 埃克苏仿生公司 | 用于来自下肢矫形器的通信的人机界面 |
US20170119551A1 (en) * | 2015-10-28 | 2017-05-04 | North Carolina State University | Systems and methods for automatically tuning powered prosthesis impedance control parameters |
CN106557164A (zh) * | 2016-11-18 | 2017-04-05 | 北京光年无限科技有限公司 | 应用于智能机器人的多模态输出方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110587613A (zh) * | 2019-10-15 | 2019-12-20 | 北京理工大学 | 一种负压气动柔性膝关节外骨骼实时反馈与闭环控制方法 |
CN110587613B (zh) * | 2019-10-15 | 2023-10-24 | 北京理工大学 | 一种负压气动柔性膝关节外骨骼实时反馈与闭环控制方法 |
CN112809651A (zh) * | 2019-11-15 | 2021-05-18 | 深圳市英汉思动力科技有限公司 | 一种助力外骨骼控制方法、控制***和计算机设备 |
CN112809651B (zh) * | 2019-11-15 | 2021-10-29 | 深圳市英汉思动力科技有限公司 | 一种助力外骨骼控制方法、控制***和计算机设备 |
CN111312361A (zh) * | 2020-01-20 | 2020-06-19 | 深圳市丞辉威世智能科技有限公司 | 自由步态行走训练方法、装置、终端及存储介质 |
CN111312361B (zh) * | 2020-01-20 | 2024-05-10 | 深圳市丞辉威世智能科技有限公司 | 运动步态控制方法、装置、终端及存储介质 |
CN114073631A (zh) * | 2020-08-13 | 2022-02-22 | 深圳市英汉思动力科技有限公司 | 一种助力外骨骼自适应控制方法和装置 |
CN114073631B (zh) * | 2020-08-13 | 2024-06-25 | 深圳市英汉思动力科技有限公司 | 一种助力外骨骼自适应控制方法和装置 |
CN114209556A (zh) * | 2020-11-11 | 2022-03-22 | 深圳市迈步机器人科技有限公司 | 一种髋关节外骨骼的控制方法及控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN109124998B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109124998A (zh) | 动力外骨骼控制方法、装置、计算机设备及存储介质 | |
Rane et al. | Deep learning for musculoskeletal force prediction | |
Dzeladini et al. | The contribution of a central pattern generator in a reflex-based neuromuscular model | |
Sup et al. | Design and control of a powered transfemoral prosthesis | |
Wang et al. | Optimizing locomotion controllers using biologically-based actuators and objectives | |
Young et al. | Intent recognition in a powered lower limb prosthesis using time history information | |
Umberger | Stance and swing phase costs in human walking | |
Farris et al. | Musculoskeletal modelling deconstructs the paradoxical effects of elastic ankle exoskeletons on plantar-flexor mechanics and energetics during hopping | |
CN102525795B (zh) | 一种足部按摩机器人快速自动定位方法 | |
US20140336003A1 (en) | System and methods for measuring propulsive force during ambulation and providing real-time feedback | |
Cleather et al. | An optimization approach to inverse dynamics provides insight as to the function of the biarticular muscles during vertical jumping | |
Lu et al. | Effective recognition of human lower limb jump locomotion phases based on multi-sensor information fusion and machine learning | |
CN113143257B (zh) | 基于个体运动行为层次模型的泛化应用***及方法 | |
Ling et al. | Lower limb exercise rehabilitation assessment based on artificial intelligence and medical big data | |
Chen et al. | Electromyography-controlled lower extremity exoskeleton to provide wearers flexibility in walking | |
Hollinger et al. | The influence of gait phase on predicting lower-limb joint angles | |
Febrer-Nafría et al. | Evaluation of optimal control approaches for predicting active knee-ankle-foot-orthosis motion for individuals with spinal cord injury | |
Akkawutvanich et al. | Personalized Symmetrical and Asymmetrical Gait Generation of a Lower Limb Exoskeleton | |
Qiu et al. | Exoskeleton active walking assistance control framework based on frequency adaptive dynamics movement primitives | |
Romero-Sánchez et al. | Design of the cooperative actuation in hybrid orthoses: a theoretical approach based on muscle models | |
Rahatabad et al. | A fuzzy-genetic model for estimating forces from electromyographical activity of antagonistic muscles due to planar lower arm movements: the effect of nonlinear muscle properties | |
Zhang et al. | Dynamics combined with Hill model for functional electrical stimulation ankle angle prediction | |
Manzoori et al. | Evaluation of controllers for augmentative hip exoskeletons and their effects on metabolic cost of walking: explicit versus implicit synchronization | |
Shao et al. | A biomechanical model to estimate corrective changes in muscle activation patterns for stroke patients | |
Yan et al. | Adaptive Control System of Intelligent Lower Limb Prosthesis Based on 5G Virtual Reality |
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 |