外骨骼康复机器人步态算法及控制系统的制作方法

1.本发明涉及一种外骨骼康复机器人步态算法及控制系统，具体的说，属于外骨骼康复机器人技术领域。


背景技术：

2.外骨骼康复机器人是一种新型的基于ai控制技术的智能化康复训练设备，是一种新型的可穿戴式智能设备，依托于步态检测分析系统、重心浮动刺激和动态足底压力检测分析系统，以多关节、多自由度、多种训练模式为下肢运动功能障碍患者提供主被动结合的康复训练产品，其适用于早期中期的康复训练，对脊髓损伤、脑损伤、神经系统疾病、肌无力、骨关节术后等因素导致的下肢运动功能障碍有着显著治疗作用，为失能人群的站立行走提供安全可靠的恢复训练。
3.现有的外骨骼康复机器人，一般只输出一种或几种的步态轨迹，因为不同人的步态和健康状况都不一样，因而行走轨迹也有不同，现有技术中外骨骼康复机器人的步态训练轨迹不能灵活的适应于各种需求；而且建模生成的行走曲线不够精确，影响训练效果。


技术实现要素：

4.本发明针对背景技术中的不足，提供一种外骨骼康复机器人步态算法及控制系统，可以根据个人的状况精确获取并选择任意行走曲线进行训练，提高行走曲线与个人运动的匹配度；基于simulink模型建立双腿行走曲线模型，并根据行走曲线与伺服电机驱动之间的关系函数实现对外骨骼康复机器人运动轨迹的控制。
5.为解决以上技术问题，本发明采用以下技术方案：一种外骨骼康复机器人步态算法，包括如下步骤：s1，获取行走曲线；s2，根据步骤s1中所获取的行走曲线，提取一个周期内的关键数据点；s3，根据步骤s2中所获取的关键数据点进行曲线拟合，从而获得步态参数值；s4，建立行走曲线与伺服电机驱动之间的关系函数；所述关系函数的关系式为：
6.其中，a0，a1，a2，a3，b1，b2，b3，w为步骤s3中所述的步态参数值，u为一个周期中离散点位置取值，t为一个周期内的离散点总数，k为步态比例系数，n为关节传感器灵敏度，z为关节目标角度值，y为关节目标位置；s5，根据步骤s4的关系函数，并基于simulink模型建立双腿行走曲线模型；s6，根据所述双腿行走曲线模型生成髋关节和膝关节的目标位置和目标角度，伺服电机依据所述目标位置和目标角度控制髋关节、膝关节运动，实现对外骨骼康复机器人
运动轨迹的控制。
7.进一步地，所述行走曲线有两种获取方式，第一种是使用临床cga运动数据库生成的标准行走曲线，第二种是利用姿态传感器采集髋关节和膝关节的角度值，并生成人体任意行走曲线。
8.进一步地，在步骤s3中曲线拟合方法可以采用多项式拟合、线性拟合或傅里叶拟合。
9.进一步地，在步骤s3中曲线拟合的方式采用matlab的cftool工具箱，对关键数据点进行3次傅里叶曲线拟合。
10.进一步地，所述人体任意行走曲线的具体获取方法包括如下步骤：步骤a，将四路姿态传感器分别佩戴于人体大腿和小腿中心外侧，用以测量大腿和小腿的运动角度；步骤b，姿态传感器角度值调零；步骤c，点击开始记录，同时双腿开始有规律的做运动，运动10个周期后，点击结束记录，生成姿态传感器数据并保存；步骤d，由姿态传感器数据换算得到髋关节和膝关节的角度；步骤e，通过提取髋关节和膝关节的角度数据得到人体任意行走曲线。
11.进一步地，姿态传感器数据与髋关节和膝关节角度的换算关系式为：，其中髋关节角度为，膝关节角度为，大腿处姿态传感器倾角为，小腿处姿态传感器倾角为。
12.还提供一种外骨骼康复机器人控制系统，包括主控板、四路伺服电机、编码器和驱动器，主控板内集成有状态机模块和步态模块；所述状态机模块实时接收各个关节的角度信息和力反馈数据，并根据状态变量的更新切换去控制外骨骼康复机器人在不同运行模式间转换。
13.进一步地，所述步态模块内集成有步态算法，根据所述步态算法建立双腿行走曲线模型；主控板根据步态模块的双腿行走曲线模型控制四路伺服电机、编码器和驱动器，模拟人的行走步态进行被动训练。
14.进一步地，所述运行模式包括行走模式、起立模式、坐下模式、痉挛模式和故障模式。
15.本发明采用以上技术方案后，与现有技术相比，具有以下优点：1.利用蓝牙姿态传感器采集髋关节和膝关节的角度值，并生成人体任意行走曲线，患者可以根据需要选择与其相匹配的行走曲线，标准行走曲线适用于一般患者进行常规训练，直接从临床cga运动数据库调取即可；由于患者的患病情况不同，左右腿的康复状况也不一样，此时可以先生成任意行走曲线，然后进行有针对性训练。
16.2.基于simulink模型建立双腿行走曲线模型，并根据行走曲线与伺服电机驱动之间的关系函数实现对外骨骼康复机器人运动轨迹的精确控制。
17.3.人在外骨骼康复训练仪上时，编码器实时反馈角度信息，驱动器提供力反馈数据，所述状态机模块接收角度信息和力反馈数据，并根据状态变量的更新切换去控制外骨骼康复机器人在不同运行模式间转换，从而实现闭环控制。
18.下面结合附图和实施例对本发明进行详细说明。
附图说明
19.图1是本发明中步态算法的控制流程图；图2是本发明中姿态传感器角度数据与髋关节和膝关节角度的关系图；图3是本发明中双腿行走曲线模型的原理示意图；图4是双腿行走曲线模型中实现具体各个关节的行走曲线函数的原理示意图；图5是外骨骼康复机器人控制系统的结构框图；图6是本发明中状态机模块的结构框图。
具体实施方式
20.为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
21.如图1所示，本发明提供一种外骨骼康复机器人步态算法，包括如下步骤：s1，获取行走曲线，所述行走曲线有两种获取方式，第一种是使用临床cga运动数据库生成的标准行走曲线，第二种是利用蓝牙姿态传感器采集髋关节和膝关节的角度值，并生成人体任意行走曲线。患者可以根据需要选择与其相匹配的行走曲线，标准行走曲线适用于一般患者进行常规训练，直接从临床cga运动数据库调取即可；由于患者的患病情况不同，左右腿的康复状况也不一样，此时可以先生成任意行走曲线，然后进行有针对性训练。
22.s2，根据步骤s1中所获取的行走曲线，提取一个周期内的关键数据点。
23.s3，根据步骤s2中所获取的关键数据点进行曲线拟合，曲线拟合的方法有很多种，多项式拟合、线性拟合、傅里叶拟合等，使用matlab的cftool工具箱，通过曲线拟合而知，对其进行3次傅里叶曲线拟合效果最好（经过多次实验证明与拟合2次和4次曲线拟合相比，拟合3次的精度更高），并生成步态参数值。
24.s4，建立行走曲线与伺服电机驱动之间的关系函数，其关系式为：
25.其中，a0，a1，a2，a3，b1，b2，b3，w为步骤s3中所述的步态参数值，u为一个周期中离散点位置取值，t为一个周期内的离散点总数，k为步态比例系数，n为关节传感器灵敏度，z为关节目标角度值，y为关节目标位置。
26.s5，根据步骤s4的关系函数，并基于simulink模型建立双腿行走曲线模型，如图3所示。
27.s6，根据所述双腿行走曲线模型生成髋关节和膝关节的目标位置和目标角度，伺
服电机依据所述目标位置和目标角度控制髋关节、膝关节运动，实现对外骨骼康复机器人运动轨迹的控制。
28.基于simulink模型建立双腿行走曲线模型，并根据行走曲线与伺服电机驱动之间的关系函数实现对外骨骼康复机器人运动轨迹的控制。
29.在步骤s1获取行走曲线中，第一种所述标准行走曲线直接从数据中调取即可，第二种人体任意行走曲线的具体获取方法包括如下步骤：步骤a，将四路姿态传感器分别佩戴于人体大腿和小腿中心外侧，用以测量大腿和小腿的运动角度，本实施例中使用的姿态传感器为维特智能wt9011dcl-bt50，电脑端维特智能上位机软件可同时监测四路姿态传感器数据，姿态传感器与电脑通过蓝牙进行数据交换，开启软件后，搜索四路蓝牙设备，搜索成功后，并对姿态传感器进行配置,回传速率设定为50hz。
30.步骤b，姿态传感器角度值调零；使人体处于直立状态，设置姿态传感器角度值为零。
31.步骤c，点击开始记录，同时双腿开始有规律的做运动，运动10个周期后，点击结束记录，生成姿态传感器数据并保存。
32.步骤d，由姿态传感器数据换算得到髋关节和膝关节的角度；以右腿为例，如图2所示，利用姿态传感器测量得到大腿处姿态传感器倾角为，小腿处姿态传感器倾角为；姿态传感器数据与髋关节和膝关节角度的换算关系式为：，其中髋关节角度为，膝关节角度为；步骤e，通过提取髋关节和膝关节的角度数据得到人体任意行走曲线。
33.通过四路传感器可以简便的获取大腿和小腿的运动角度，并通过所述换算关系可以精确得到与患者相匹配的行走曲线，提高行走曲线与个人运动的匹配度。
34.如图3所示，所述双腿行走曲线模型中输入输出端接口步态参数值的定义如下：输入端接口：period_time_var:一个周期中离散点位置取值period_time_point_num:一个周期内的离散点总数footstep_k:步态比例系数sensor_accuracy_left_hip:左髋关节传感器灵敏度sensor_accuracy_left_knee:左膝关节传感器灵敏度sensor_accuracy_right_hip:右髋关节传感器灵敏度sensor_accuracy_right_knee:右膝关节传感器灵敏度输出端接口：angle_output_left_hip:左髋关节目标角度值angle_output_left_knee:左膝关节目标角度值angle_output_right_hip:右髋关节目标角度值angle_output_right_knee:右膝关节目标角度值position_output_left_hip:左髋关节目标位置
position_output_left_knee:左膝关节目标位置position_output_right_hip:右髋关节目标位置position_output_right_knee:右膝关节目标位置在所述双腿行走曲线模型中，如图4具体各个关节的行走曲线函数的matlab代码实现为：右髋关节motion_curve_hip_right函数matlab代码实现为：1）function[y,z]=motion_curve_hip_right(u,t,k,n)2）a0=19.21；3）a1=23.4；4）a2=-1.913；5）a3=-0.526；6）b1=0.7925；7）b2=-2.335；8）b3=1.088；9）w=2*pi/t；10）if u》t11）u=u-t；12）end；13）y=(a0+a1*cos(u*w)+a2*cos(2*u*w)+a3*cos(3*u*w)+b1*sin(u*w)+b2*sin(2*u*w)+b3*sin(3*u*w))*k；14）z=round(y*pow2(n)/360)；15）end；右膝关节motion_curve_knee_right函数matlab代码实现为：1）function[y1,z1]=motion_curve_knee_right(u1,t1,k1,n1)；2）a0=22.02；3）a1=-0.7796；4）a2=-12.39；5）a3=-0.1184；6）b1=-18.35；7）b2=7.706；8）b3=3.265；9）w1=2*pi/t1；10）if u1》t111）u1=u1-t1；12）end；13）y1=(a0+a1*cos(u1*w1)+a2*cos(2*u1*w1)+a3*cos(3*u1*w1)+b1*sin(u1*w1)+b2*sin(2*u1*w1)+b3*sin(3*u1*w1))*k1；14）z1=round(y1*pow2(n1)/360)；15）end；
左髋关节和左膝关节与右髋关节和右膝关节的行走曲线函数的matlab代码的计算过程相同。
[0035]
本发明还提供一种外骨骼康复机器人的控制系统，如图5所示，包括主控板、四路伺服电机、编码器和驱动器，主控板内集成有状态机模块和步态模块。
[0036]
如图6所示，所述状态机模块定义了一种运行模式转换的规则，实时接收各个关节的角度信息和力反馈数据，并根据状态变量的更新切换去控制外骨骼康复机器人在不同运行模式间转换，所述运行模式包括行走模式、起立模式、坐下模式、痉挛模式和故障模式。
[0037]
所述步态模块内集成有步态算法，根据所述步态算法建立双腿行走曲线模型。
[0038]
在行走模式下，主控板根据步态模块的双腿行走曲线模型控制四路maxon伺服电机、编码器和驱动器，模拟人的行走步态进行被动训练。人在外骨骼康复训练仪上时，编码器实时反馈角度信息，驱动器提供力反馈数据，所述状态机模块接收角度信息和力反馈数据，并根据状态变量的更新切换去控制外骨骼康复机器人在不同运行模式间转换，从而实现闭环控制。
[0039]
所述状态机模块可以根据接收到的角度信息和力反馈数据与当前所选择的运行模式进行对比，当角度信息和力反馈数据与当前所选择的运行模式不匹配时，自动识别运动状态的变化，自动终止当前状态，并通过更新状态变量转换到下一个运行模式，应用更加智能，无需操作者进行停止，更安全可靠，方便训练。
[0040]
以上所述为本发明最佳实施方式的举例，其中未详细述及的部分均为本领域普通技术人员的公知常识。本发明的保护范围以权利要求的内容为准，任何基于本发明的技术启示而进行的等效变换，也在本发明的保护范围之内。

技术特征：
1.一种外骨骼康复机器人步态算法，其特征在于：包括如下步骤：s1，获取行走曲线；s2，根据步骤s1中所获取的行走曲线，提取一个周期内的关键数据点；s3，根据步骤s2中所获取的关键数据点进行曲线拟合，从而获得步态参数值；s4，建立行走曲线与伺服电机驱动之间的关系函数；所述关系函数的关系式为：，其中，a0，a1，a2，a3，b1，b2，b3，w为步骤s3中所述的步态参数值，u为一个周期中离散点位置取值，t为一个周期内的离散点总数，k为步态比例系数，n为关节传感器灵敏度，z为关节目标角度值，y为关节目标位置;s5，根据步骤s4的关系函数，并基于simulink模型建立双腿行走曲线模型；s6，根据所述双腿行走曲线模型生成髋关节和膝关节的目标位置和目标角度，伺服电机依据所述目标位置和目标角度控制髋关节、膝关节运动，实现对外骨骼康复机器人运动轨迹的控制。2.如权利要求1所述的一种外骨骼康复机器人步态算法，其特征在于：所述行走曲线有两种获取方式，第一种是使用临床cga运动数据库生成的标准行走曲线，第二种是利用姿态传感器采集髋关节和膝关节的角度值，并生成人体任意行走曲线。3.如权利要求1所述的一种外骨骼康复机器人步态算法，其特征在于：在步骤s3中曲线拟合方法可以采用多项式拟合、线性拟合或傅里叶拟合。4.如权利要求1所述的一种外骨骼康复机器人步态算法，其特征在于：在步骤s3中曲线拟合的方式采用matlab的cftool工具箱，对关键数据点进行3次傅里叶曲线拟合。5.如权利要求2所述的一种外骨骼康复机器人步态算法，其特征在于：所述人体任意行走曲线的具体获取方法包括如下步骤：步骤a，将四路姿态传感器分别佩戴于人体大腿和小腿中心外侧，用以测量大腿和小腿的运动角度；步骤b，姿态传感器角度值调零；步骤c，点击开始记录，同时双腿开始有规律的做运动，运动10个周期后，点击结束记录，生成姿态传感器数据并保存；步骤d，由姿态传感器数据换算得到髋关节和膝关节的角度；步骤e，通过提取髋关节和膝关节的角度数据得到人体任意行走曲线。6.如权利要求5所述的一种外骨骼康复机器人步态算法，其特征在于：姿态传感器数据与髋关节和膝关节角度的换算关系式为：，其中髋关节角度为，膝关节角度为，大腿处姿态传感器倾角为，小腿处姿态传
感器倾角为。7.一种外骨骼康复机器人控制系统，用以实现权利要求1-6任意一项所述的一种外骨骼康复机器人步态算法，其特征在于：包括主控板、四路伺服电机、编码器和驱动器，主控板内集成有状态机模块和步态模块；所述状态机模块实时接收各个关节的角度信息和力反馈数据，并根据状态变量的更新切换去控制外骨骼康复机器人在不同运行模式间转换。8.如权利要求7所述的一种外骨骼康复机器人控制系统，其特征在于：所述步态模块内集成有步态算法，根据所述步态算法建立双腿行走曲线模型；主控板根据步态模块的双腿行走曲线模型控制四路伺服电机、编码器和驱动器，模拟人的行走步态进行被动训练。9.如权利要求7所述的一种外骨骼康复机器人控制系统，其特征在于：所述运行模式包括行走模式、起立模式、坐下模式、痉挛模式和故障模式。

技术总结
本发明公开了一种外骨骼康复机器人步态算法及控制系统，属于外骨骼康复机器人技术领域，包括如下步骤：S1，获取行走曲线；S2，根据步骤S1中所获取的行走曲线，提取一个周期内的关键数据点；S3，根据步骤S2中所获取的关键数据点进行曲线拟合，从而获得步态参数值；S4，建立行走曲线与伺服电机驱动之间的关系函数；S5，根据步骤S4的关系函数，并基于Simulink模型建立双腿行走曲线模型；S6，根据所述双腿行走曲线模型生成髋关节和膝关节的目标位置和目标角度。本发明可以根据个人的状况精确获取并选择任意行走曲线进行训练；基于Simulink模型建立双腿行走曲线模型，并根据行走曲线与伺服电机驱动之间的关系函数实现对外骨骼康复机器人运动轨迹的控制。人运动轨迹的控制。人运动轨迹的控制。


技术研发人员：吴昶霖 陈永源 刘剑伟 修林功 王国强 程素华 方德双 刘兴起
受保护的技术使用者：山东泽普医疗科技有限公司
技术研发日：2023.08.30
技术公布日：2023/10/5