[发明专利]助力外骨骼控制系统及控制方法

权利要求书

1.一种助力外骨骼控制系统，其特征在于，该系统包括：

传感通信执行子系统，用于感知运动意图、运动状态和生理信息，其计算主控平台在人机耦合信息的基础上作出命令决策，并驱动机器人关节进行适时和适当的助力；

处理规划决策子系统，用以基于运动意图辨识方法和生物电信号分析技术，实现人机信息交互方式和人机意识融合，并用以基于多变量深度学习的步态规划方法实现步态规划，以及用以基于可变阻抗控制，确保该控制系统的整体舒适性与安全性，

所述的传感通信执行子系统包括由高速现场通信总线相互连接的多个多模态传感器、柔性关节驱动执行器和计算处理平台以及云端数据服务平台；其中，所述的多个多模态传感器包括足底压力传感器、加速度传感器、陀螺仪、力矩/力传感器、编码器、人体电容传感器和表面肌电传感器，并利用高速现场通信总线将上述的各个传感器组成传感器网络，该传感器网络用于感知佩戴者的运动意图、运动状态和生理信息，所述的计算处理平台基于所述的运动意图、运动状态和生理信息作出命令决策，以驱动所述的柔性关节驱动执行器进行适时和适当助力；并将运动意图、运动状态、生理信息、命令决策和状态信息上传至所述的云端数据服务平台，

所述的传感器网络用于感知佩戴者的运动意图、运动状态和生理信息具体为：基于足底压力分布、躯体加速度、角速度、关节位置、力矩信号提取的躯体运动动力学信息，所述的躯体运动动力学信息包括重心、零力矩点、步态阶段、躯体姿态，并采用多分类SVM方法学习其与运动意图之间的映射关系，实现运动意图的分类与辨识；建立基于生物电信号机理的机理数学模型，人体电容与表面肌电信号经过滤波去噪、特征提取、信息降维处理，在所述的机理数学模型基础上，通过模式匹配算法实现运动意图的自然感知，进而将所述的运动意图的分类与辨识以及运动意图的自然感知通过贝叶斯信息融合方法实现高精度的运动感知。

2.根据权利要求1所述的助力外骨骼控制系统，其特征在于，所述的处理规划决策子系统具体用以基于所述的运动意图、运动状态和生理信息作出命令决策，以驱动所述的柔性关节驱动执行器进行适时和适当助力，具体为：根据当前所述的传感器网络采集到的步态状态进行步态时空定位，通过强化学习的方法进行最优决策，实现步态模式的自适应切换；同时依赖于步态数据采集、步态规划和步态分析，利用多变量深度学习方法从不同年龄、性别、体型的步态数据中提取出典型的步态模式，并且根据当前的状态实时调整步态轨迹的参数，规划步态轨迹，以适应佩戴者的运动意图；并且依赖于关节输出和步态分析，根据不同的步态阶段，选择力矩控制、位置控制和阻抗控制策略，实现柔顺协调控制。

3.根据权利要求2所述的助力外骨骼控制系统，其特征在于，所述的多变量深度学习方法具体为，以各个关节的广义坐标及其微分作为输入参数的神经节点，以所要求得的关节驱动力矩、关节运动轨迹作为输出节点，利用深度学习方法从所建立的步态数据库中提取出典型的步态模式，所述的典型的步态模式包括：平地行走、上坡、下坡、上楼梯、下楼梯、起、蹲。

4.根据权利要求2所述的助力外骨骼控制系统，其特征在于，所述的规划步态轨迹，以适应佩戴者的运动意图，具体为：利用三维步态仿真平台模拟真实的行走环境，进而利用学习网络选择不同的步态模型输出相应动作，以仿真环境中躯体状态的优劣生成相应的奖励信息，并以此训练强化学习网络，实现从环境到步态模型映射的学习，降低患者摔倒的风险，增强系统的自适应能力，使系统具备在特定环境下作出最优决策的能力。

5.根据权利要求2所述的助力外骨骼控制系统，其特征在于，所述的根据不同的步态阶段，选择力矩控制、位置控制和阻抗控制策略，实现柔顺协调控制，具体为：考虑佩戴者个体差异以及外界环境的不确定性，实现最优的轨迹跟踪与柔性接触性能，动态调整阻抗控制器的刚度系数与阻尼系数，采用自适应算法，根据力反馈与姿态信息实时动态调整阻抗参数，实现可变阻抗的人机协调控制。

6.一种利用权利要求1至5中任一项所述的助力外骨骼控制系统实现的助力外骨骼控制方法。