[发明专利]一种用于下肢外骨骼的运动意图识别及装置方法

权利要求书

1.一种采用用于下肢外骨骼的运动意图识别装置进行运动意图识别的方法，其特征在于：

所述运动意图识别装置包括下肢肌电信号采集模块、足底压力采集模块、下肢惯性信息测量模块、数据采集与传输模块和中央控制器；

足底压力采集模块固定在外骨骼传感鞋上，包括足底压力传感器和足底压力变送模块；足底压力传感器为三个薄膜型压力传感器，分别固定在穿戴者大拇趾前端、小拇趾末端和足跟对应位置的传感鞋上；足底压力变送模块采用全桥电路检测压力传感器的电阻变化，以及二阶低通滤波电路对电压信号进行放大和滤波，足底压力变送模块输出端连接数据采集与传输模块；

下肢肌电信号采集模块主要由Ag/AgCl电极、前置放大电路、工频陷波电路、低通和高通滤波电路、二级放大电路和电压抬升电路构成，分别采集大腿和小腿的六个与关节运动相关肌群的表面肌电信号；

下肢惯性信息测量模块包括两个惯性传感器，用于采集穿戴者下肢的加速度信息、角速度信息及角度信息，惯性传感器安装在穿戴者的小腿处和大腿处；惯性传感器输出端连接数据采集与传输模块；

数据采集与传输模块包括微控制器和总线通讯模块，固定在外骨骼机器人的脚踝处，对肌电信号、足底压力和人机交互力信号进行采集和预处理，将预处理后的信号通过CAN总线传送到工控机模块；

中央控制器通过CAN总线接收数据采集与处理模块发送的数据，并对传感器信号进行实时处理，与预先定义的人体步态及路况进行最佳匹配，实时识别穿戴者的运动意图；

所述进行运动意图识别的方法，包括如下步骤：

步骤1：穿戴者穿戴用于下肢外骨骼的运动意图识别装置，通过足底压力采集模块和下肢肌电信号采集模块在不同路况下完成不同的步态动作，同步采集穿戴者的足底压力信号和表面肌电信号；

步骤2：将采集到的足底压力信号及表面肌电信号，经过数据预处理、特征提取，把提取的特征作为不同路况下不同动作分类的依据输入分类器进行人体步态识别训练；

步骤2.1将采集得到的足底压力信号利用巴特沃斯低通滤波算法进行去噪预处理，并从去噪后的信号中提取出时域均方根特征和功率谱密度特征；

步骤2.2：将提取出的时域均方根特征和功率谱密度特征输入分类器，采用支持向量机SVM作为分类器，利用一对一SVM多分类方法进行分类，该分类器的输入为不同路况下不同步态动作的足底压力信号和表面肌电信号的特征向量，输出为不同路况下不同动作的分类标号；

步骤2.3：根据分类标号，从离线步态数据库中选择对应的髋膝关节角度曲线作为识别装置的期望输入角度；

步骤3：通过下肢肌电信号采集模块采集穿戴者下肢六块肌肉的表面肌电信号，然后以惯性传感器采集到的角度为输出目标，sEMG的特征向量为输入，建立二者之间的关联模型，引入CNN在线运动意图识别模型实现对关节姿态角度的实时预测；

步骤3.1：采用IIR陷波器和小波包变换进行去噪，在硬件滤波去噪的基础上进一步提升去噪效果；

步骤3.2：搭建基于肌电信号的卷积神经网络CNN在线运动意图识别模型，将提取出的特征输入模型中，实时预测关节运动角度；

步骤4：通过表面肌电信号计算各个肌肉群的疲劳程度，从而依据当前人体生理状态进行关节角度的算法融合；

步骤4.1：将下肢肌电信号采集模块采集得到的半腱肌和股直肌部位的肌电信号进行预处理后，导入到时变AR模型中，AR特征参数能够反映出肌肉当前的疲劳程度；

步骤4.2：依据肌肉当前的疲劳程度，采用基于人体生理状态权值更新的集中式融合方法，将基于足底压力得到的步态轨迹和基于表面肌电信号预测的关节角度进行信息融合，从而得到外骨骼机器人各关节的最终期望角度。