[发明专利]负载机动型外骨骼人体运动意图识别方法及外骨骼系统

说明书

本发明公开了一种负载机动型外骨骼人体运动意图识别方法及外骨骼系统，方法包括先通过外骨骼的传感系统获取足部GCF信号、IMU信号；然后通过信号特征的周期性判定，将坐姿与站立归为非周期性活动，将跑步、走路与上下楼梯归为周期性活动；再对于非周期活动，根据IMU信号计算两腿膝关节角度，根据坐姿的两腿膝关节角度大于站立的两腿膝关节角度来区分坐姿与站立；对于周期性活动，根据足部GCF信号判断双脚是否均有支撑来区分跑步与其他活动，然后采用模糊推理系统，根据足部GCF信号中脚跟撞击或脚趾撞击时刻的膝关节角度来识别出走路、上楼梯或者下楼梯的行走状态。本发明能够平滑连续地识别人体运动意图。

技术领域

本发明涉及外骨骼人体运动意图识别技术领域，特别涉及一种负载机动型外骨骼人体运动意图识别方法及外骨骼系统。

背景技术

负载机动性外骨骼是一套由机械系统、传感系统、动力系统、控制系统等组成的高科技智能化装备，穿戴者既是外骨骼的操作对象，也是使用对象，外骨骼系统可用于实现运动意图感知，认知决策、动力驱动和动力执行，能与穿戴者协调运动、增强穿戴者体能、减轻和预防穿戴者损伤等。在外骨骼系统的实际使用中，为了避免传感器错位与穿戴者不适，人体的运动信息不是通过安装在人体上的传感器直接测量的，相反，整个传感系统被嵌入到外骨骼结构中，以获取外骨骼的运动信息，然后根据外骨骼到人体模型的运动映射，得到穿戴者的运动数据。

在实现运动映射上，通常是采用机器学习算法如SVM、KNN、决策树或随机森林搜索等进行分析处理。然而，这些传统的机器学习算法均是从原始数据中计算出特征并使用这些特征来训练系统。这些算法的前提是将步态阶段作为离散事件处理，而实际的人体运动阶段不能被离散区分，因此为充分利用传感器获取的信息，需要一种平滑连续的检测方法，并且在快速变化的运动过程中，平滑连续的检测也有助于算法的平稳过渡。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，提供一种负载机动型外骨骼人体运动意图识别方法，该方法可以平滑连续地识别人体运动意图。

本发明的第二目的在于提供一种负载机动型外骨骼系统。

本发明的第一目的通过下述技术方案实现：

一种负载机动型外骨骼人体运动意图识别方法，所述方法采用智能模糊推理算法识别人体运动意图，包括如下步骤：

S1、通过外骨骼的传感系统获取足部GCF信号、IMU信号；

S2、通过信号特征的周期性判定，将坐姿与站立分为一类，该类为非周期性活动，将跑步、走路与上下楼梯分为另一类，该类为周期性活动；

S3、对于非周期活动，根据IMU信号计算两腿膝关节角度，根据坐姿的两腿膝关节角度大于站立的两腿膝关节角度来区分坐姿与站立；

对于周期性活动，根据足部GCF信号判断双脚是否均有支撑来区分跑步与其他活动，然后采用模糊推理系统，根据足部GCF信号中脚跟撞击或脚趾撞击时刻的膝关节角度来识别出走路、上楼梯或者下楼梯的行走状态。

优选的，在步骤S2中，根据脚趾、脚掌与足跟这3个感知点的GCF信息，将非周期性活动与周期性活动进行分类，在处于坐姿和站立状态时，3个感知点的地面接触力不会发生显著变化，也不会发生脚跟撞击或脚趾撞击情况。

优选的，在步骤S3中，模糊推理系统分为独立的左、右模糊推理系统，左、右脚跟撞击和左、右脚趾撞击事件均采用这两个模糊推理系统进行模糊推理。

更进一步的，模糊推理系统的模糊推理过程如下：

S31、以已知人体活动状态的足部GCF信号和IMU信号作为输入，基于隶属度函数对输入进行模糊化，建立模糊数据库；

S32、对于每个模糊推理系统，建立模糊规则库；