一种力量增强型动力外骨骼行走步态感知方法及装置

摘要

本发明涉及力量增强型动力外骨骼行走步态感知方法及传感测量装置。具体步骤为：采用脚底压力传感器和膝关节编码器以及陀螺仪进行人触地信息、关节角度变化以及大小腿角速度信息测量，依据人机携行规律提出了双腿站立，左腿支撑、右腿摆动，双腿支撑、右腿在前，右腿支撑、左腿摆动，双腿支撑，左腿在前等行走5个步态子相划分方法，并采用机器学C4.5算法对5种步态子相中测量信息进行分类决策，给出一种数据融合行走步态子相识别方法。本发明的优点：利用安装在外骨骼上有限测量信息实现行走步态分类决策，提出的人机携行步态识别方法能够提高外骨骼跟随试穿员肢体动作的实时性，能够提前让液压控制系统收缩,提高人机携行速度。

主权项

一种力量增强型动力外骨骼行走步态感知方法，将人机重载携行过程中站立和行走两种动作模式结合起来，划分步态相位，将划分的步态相位与行走模式关联起来，切换控制指令实现人机位姿协同运动与负载补偿，其特征在于，所述步态相位划分为5个子相，分别为：第一相位：双腿站立，第二相位：右腿摆动，左腿支撑；第三相位：双腿支撑，右腿在前，左腿在后；第四相位：右腿支撑，左腿摆动；第五相位：双腿支撑，左腿在前，右腿在后；采用决策分类算法将所述第一相位至第五相位的步态相位与行走模式关联起来使外骨骼进行行走步态的机器学习，所述第一相位至第五相位的步态相位与控制系统的控制指令切换相关联以提高携行速度；所述采用决策分类算法将所述第一相位至第五相位的步态相位与行走模式关联起来使外骨骼进行行走步态的机器学习具体采用决策分类C4.5算法使外骨骼进行行走步态的机器学习，C4.5算法对传感信息进行数据融合处理，并给出人机携行步态识别决策树判别方法；所述决策树判别方法包括：在重载携行时，在输入给液压控制系统进行任务调度时，将第三相位和第四相位合并，如果当前步态识别方法识别出的步态子相进入第三相位或第四相位，则控制系统立即让外骨骼左腿液压缸收缩；将第五相位和第二相位合并，如果识别出的步态子相进入第五相位或第二相位，则立即让外骨骼右腿液压缸收缩，从而提高重载携行过程中外骨骼跟随人行走步态的实时性；所述C4.5算法对传感信息进行数据融合处理，并给出人机携行步态识别决策树判别方法包括：对无动力人机携行试验进行数据采集，经过多次统计之后，选择一组含有1500个步态子相的样本作为C4.5决策分类算法的参考样本库；根据所述参考样本库对当前脚底压力与对应的脚底压力阈值进行比较、对当前膝关节角度与对应的膝关节角度阈值进行比较，初步对步态识别方法进行预设计。