步态相位识别技术在人工腿设计中的应用研究

对国内首个智能仿生人工腿原型机CIP-I Leg的基本结构及工作原理进行简要的介绍,接着介绍了智能人工腿摆动相模糊控制系统的整体设计方案;文中对健康腿的步态从单足和双足两个角度进行分析,提出基于人工腿的步态识别方案,并详细介绍了人工腿步态识别的具体实现方法;步态信息通过膝关节处的霍尔传感器和脚底的压力传感器获取,并给出了霍尔传感器和压力传感器的信号的硬件处理电路及软件流程图;实验结果表明,系统能够可靠地检测出步态相位信息,并取得了预期的效果.     

基于惯性姿态参量量化融合的机器腿仿生步态控制

为了提高机器腿仿生步态控制的稳定性,提出一种基于惯性姿态参量量化融合的机器腿仿生步态控制方法。构造机器腿仿生步态的运动学模型,进行机器腿仿生步态控制约束参量建模,采用陀螺仪和加速度计等位姿传感器进行姿态参量采集。采用扩展卡尔曼滤波方法进行机器腿的惯性姿态参量融合并输入到时控制执行器中。针对未知扰动对机器腿步态参量控制的误差,采用自回归更新方法进行姿态参量误差反馈修正,实现机器腿仿生步态稳定控制。仿真结果表明:提出的方法对机器腿仿生控制的稳定性较好,姿态参量的定位跟踪能力较强,提高机器腿步行的稳健性。     

控制六足仿生机器人三角步态的研究

基于仿生学原理,在分析六足昆虫运动机理的基础上,对六足仿生机器人的三角步态运动原理进行了分析.论文涉及六腿机器人步态研究的一些基本参数的描述,讨论了用相对运动的原理研究步态的方法,结合慧鱼机器人组合包中的构件拼出六足仿生机器人.该机器人模型结构简单,设计独特,能前进和后退,且能避开小型障碍物.基于三角步态运动原理对其进行了反复实验,实验结果表明六足仿生机器人具有较好的机动性和稳定性.     

六边形对称分布六腿机器人的典型步态及其运动性能分析

为了便于在不同地理条件下合理地选择较优的步态,实现稳定高效的智能行走,本文针对一种六边形 对称分布的六腿机器人研究其不同步态的优劣．主要从行走能力、稳定性和能耗3 个角度对六边形对称结构的六腿 机器人在同样占空比下的3 种静态稳定周期步态进行了比较研究,此外还简要分析了其越障能力和穿越窄道的能 力．研究分析结果表明3 种步态（横向昆虫式摆动步态、哺乳动物式踢腿步态和混合步态）在不同条件下各有优劣： 横向昆虫式摆动步态在能耗和越障能力方面较其他两种步态有优势;而混合步态在稳定性上最具优势,其它能力处 于中间;哺乳动物式踢腿步态则可穿越窄道,步长上较昆虫摆动步态略好．本文的研究工作为六边形对称结构的六 腿机器人在未知复杂地貌环境下的智能行走提供了重要参考．     

四足仿生机器人单腿系统

为实现四足仿生机器人动步态行走,设计一款基于液压驱动方式的机器人仿生单腿系统.首先,在四足哺乳动物肌肉-骨骼结构分析的基础上,确定了机器人单腿的自由度配置;其次,通过机器人在平坦路面上的行走运动仿真,获得关节输出特性;随后,在仿真研究的基础上,完成了关节驱动机构设计、液压驱动器选型、4自由度单腿设计以及控制系统设计;最后,搭建单腿子系统性能测试平台,并完成了单腿纵向弹跳实验.弹跳实验验证了机械结构和控制系统设计的正确性和相关控制算法的有效性.     

红外通信在智能人工腿系统中的实现

CIP-I Leg是国内首个智能仿生人工腿原型机;首先讨论了MSP430型单片机和CIP-I Leg的基本结构,然后介绍了该人工腿步速测量系统的设计方案,包括步速调整原理、控制系统结构、针阀开度值的设置方法,最后重点详细地叙述了CIP-I智能仿生人工腿中手持控制系统的软硬件设计,并结合其设计实例,实现了一种用MSP430F149flash型单片机和红外遥控技术实现的近距离无线通信系统,给出了相关电路原理图和程序流程图;实验结果表明,所设计的手持控制系统运行可靠,功耗较小,能够很好地实现预期的功能.     

智能仿生人工腿CIP-I Leg性能仿真评估研究

该文对智能仿生人工腿（IBAL）--CIP-I Leg的结构进行了简单介绍,并提出了一全新的IBAL设计、仿真评估体系。依照该体系。建立了新型二级差动气缸的动力学模型,并利用三维造型技术和虚拟样机技术建立了CIP-I Leg与人体大腿残肢的虚拟样机模型。在分析正常人的步态数据基础上。对模型髋关节施加了预定轨迹并对大腿残肢进行运动规划。通过将针阀的最大垂直位移平分10档进行一组设计研究,初步完成了该虚拟样机模型在摆动相的运动学、动力学仿真分析。仿真结果表明,CIP-I Leg在摆动相期间具有良好的运动学及动力学性能;该虚拟样机模型能初步实现CIP-I Leg的仿真性能评估.     

六足救援机器人结构设计与步态分析

分析甲虫生物的原型特点和运动方式,对仿生甲虫六足救援机器人进行结构设计和样机设计,对甲虫生物原型设计了六足救援机器人。通过对仿生甲虫机器人三足运动步态,给出了直线行走时6条腿的末端位置矢量的表达式,结果证明仿生甲虫六足救援机器人的稳定性较强。     

仿生机器人运动步态控制:强化学习方法综述

仿生机器人是一类典型的多关节非线性欠驱动系统，其步态控制是一个非常具有挑战性的问题。对于该问题，传统的控制和规划方法需要针对具体的运动任务进行专门设计，需要耗费大量时间和精力，而且所设计出来的控制器往往没有通用性。基于数据驱动的强化学习方法能对不同的任务进行自主学习，且对不同的机器人和运动任务具有良好的通用性。因此，近年来这种基于强化学习的方法在仿生机器人运动步态控制方面获得了不少应用。针对这方面的研究，本文从问题形式化、策略表示方法和策略学习方法3个方面对现有的研究情况进行了分析和总结，总结了强化学习应用于仿生机器人步态控制中尚待解决的问题，并指出了后续的发展方向。     

智能仿生人工腿位置伺服控制系统的设计

CIP-I Leg是国内首个智能仿生人工腿原型机;针对智能仿生人工腿应能模仿人体健康腿的运动方式且步行速度可自然、随意地跟随截肢者步行速度的变化而变化的显著特点,同时考虑到高精度、低功耗和人工腿内缸体积小3个基本因素,采用TI公司的新型超低功耗微处理器MSP430F149,设计出一种基于非线性PID控制的人工腿位置伺服控制系统的结构;实验结果表明,所设计的伺服控制系统运行可靠,实时性好,功耗低,精度高,可以有效地用于CIP-I Leg的步行走控制.     

The knee joint design and control of above-knee intelligent bionic leg based on magneto-rheological damper

The above-knee intelligent bionic leg is very helpful to amputees in the area of rehabilitation medicine. This paper first introduces the functional demand of the above-knee prosthesis design. Then, the advantages of the four-bar link mechanism and the magneto-rheological (MR) damper are analyzed in detail. The fixed position of the MR damper is optimized and a virtual prototype of knee joint is given. In the end, the system model of kinematics, dynamics, and controller are given and a control experiment is performed. The control experiment indicates that the intelligent bionic leg with multi-axis knee is able to realize gait tracking of the amputee's healthy leg based on semi-active control of the MR damper.     

利用多源运动信息的下肢假肢多模式多步态识别研究

运动状态识别对智能下肢假肢的控制非常关键,本文利用下肢表面肌电信号、腿部角度和足底压力信号在运动模式和步态分析中的优势和特点,对下肢假肢的多模式多步态识别进行研究.通过建立下肢运动信息系统,获取下肢多源运动信息.先提取下肢肌电信号的小波包能量作为特征,建立多个HMM对下肢假肢的运动模式进行识别;再根据大小腿和膝关节的角...     

智能假肢感知和约束变增益迭代学习控制

针对膝关节输入力矩为受限的阻尼力矩,步态跟随控制缺乏在线调节问题,提出用离线和在线集成的变增益一阶D型闭环迭代学习方法进行步态跟随控制。建立系统动力学模型,给出基于有限状态机的步态感知和人腿摆动相步速间接感知方法,减小跟随滞后。设计在线变步长指数增益调节算子,并针对输入力矩受限,设计离线的带惩罚因子的指数增益调节算子。利用谱半径约束条件,分析算法的收敛性。在真人比例虚拟样机模型上进行控制仿真实验,给出了固定增益和变增益调节下轨迹跟踪曲线。结果证明,提出的增益调节算子可保证输入在有效范围内,并可提高跟踪速度。     

一种基于多传感器的步态相位实时检测系统

对人体步态相位进行准确实时的判断是智能假肢等康复机器人控制的基础,提出并建立了一种实时状态相位检测系统.该系统包含了4只压力传感器和2只姿态传感器,能够准确地区分出平地行走时足跟着地、足放平、足跟离地、足尖离地、摆动弯曲以及摆动伸展等五种状态相位,实验表明:该系统能够适应不同测试者的不同步幅和步速,并能够应用在假肢的实时控制中.     

Ankle–knee prosthesis with active ankle and energy transfer: Development of the CYBERLEGs Alpha-Prosthesis

This paper presents the development of the CYBERLEGs Alpha-Prototype prosthesis, a new transfemoral prosthesis incorporating a new variable stiffness ankle actuator based on the MACCEPA architecture, a passive knee with two locking mechanisms, and an energy transfer mechanism that harvests negative work from the knee and delivers it to the ankle to assist pushoff. The CYBERLEGs Alpha-Prosthesis is part of the CYBERLEGs FP7-ICT project, which combines a prosthesis system to replace a lost limb in parallel with an exoskeleton to assist the sound leg, and sensory array to control both systems. The prosthesis attempts to produce a natural level ground walking gait that approximates the joint torques and kinematics of a non-amputee while maintaining compliant joints, which has the potential to decrease impulsive losses, and ultimately reduce the end user energy consumption. This first prototype consists of a passive knee and an active ankle which are energetically coupled to reduce the total power consumption of the device. Here we present simulations of the actuation system of the ankle and the passive behavior of the knee module with and without the energy transfer effects, the mechanical design of the prosthesis, and empirical results from testing of the physical device with amputee subjects.     

下肢假肢斜坡路况运动控制策略分析

为使下肢假肢在斜坡路况下配合人体健肢侧交互运动,在对下肢假肢穿戴者斜坡运动模式分析的基础上,制定针对斜坡路况的下肢运动轨迹规划方法,得到假肢膝关节的模拟运动轨迹.应用紧格式线性化方法解决下肢关节高度非线性问题的思路,采取无模型动态矩阵控制方法实现对模拟运动轨迹的追踪,结合反馈校正和滚动优化实现斜坡路况下膝关节角度的预测输出,并对控制系统的稳定性进行理论分析.仿真和运动控制平台的实验结果表明,假肢膝关节的斜坡运动轨迹可以紧紧跟随参考轨迹变化,假肢膝关节可与健肢侧协调平稳运动.     

Multi-channel Fusion Based Adaptive Gait Trajectory Generation Using Wearable Sensors

This paper presents a method to regenerate lower limb joint angle trajectories during gait cycle by judging human intention using wearable sensor system. Myoelectric signals from user are used to detect the intention of gait initiation and gait phases. Multi-channel redundant fusion technique is implemented to obtain a robust stride time and gait phase calculation algorithm. Joint trajectories corresponding to particular gait events and phases are regenerated using a Radial basis neural network. The network is trained with joint angle data measured by Inertial Measurement Unit (IMU) from users with varying anthropomorphic features. Generated trajectory is adaptive to anthropomorphic as well as gait velocity variation. Contribution of this paper is in development of a wearable sensor system, multi-channel redundant fusion to calculate stride time and an adaptive gait trajectory generation algorithm. The proposed method of trajectory generation is used to regenerate lower limb joint motion in sagittal plane for wearable robotic devices like prosthesis and active lower limb exoskeleton.     

双足机器人步态控制研究方法综述

概括地介绍了双足机器人步态控制领域内的主要研究思路．详细阐述了基于双足动力学特征的3种建模方法,包括倒立摆模型、被动步态模型、质量弹簧模型的特点．另外讨论了两种常用的约束条件(稳定判据与能量约束)和3种智能控制方法(神经元理论、模糊逻辑与遗传算法)在双足机器人步态控制中的研究情况．     

惯性动捕数据驱动下的智能下肢假肢运动意图识别方法

为了解决传统意图识别方法使用多模态传感器信号所带来的复杂性以及识别转换模式一般具有滞后性等问题, 本文提出了基于惯性传感器的智能下肢假肢的运动意图实时识别方法.从模式识别的角度看, 在对象空间到模式空间的转换中, 对运动模式尤其是运动转换模式进行了重定义; 在模式采集中, 采用在患侧的运动模式进行转换之前, 采集绑定在健侧的传感器于摆动相前期所产生的时序运动数据, 选择均值、方差等特征统计量和支持向量机分类器对其进行特征选择提取与特征分类的策略, 实现对残疾人运动意图准确、实时地识别.实验结果表明, 本文所提出的方法可以识别出单肢截肢患者在不同地形下的运动意图, 包括平地行走、上楼、下楼、上坡、下坡5种稳态模式, 识别率可达到97.52 %, 并且加入在5种模式之间相互转换的转换模式之后, 识别率可达到95.12 %.本文方法可以极大提高智能下肢假肢的控制性能, 实现智能假肢能根据人的运动意图在多种运动模式之间进行自然、无缝的状态切换.     

Neural computing for walking gait pattern identification based on multi-sensor data fusion of lower limb muscles

The use of neural computing for gait analysis widely known as computational intelligent gait analysis is addressed recently. This research work reports multilayer feed-forward neural networks for walking gait pattern identification using multi-sensor data fusion; electromyography (EMG) signals and soft tissue deformation analysis using successive frames of video sequence extracted from lower limb muscles according to each gait phase within the considered gait cycle. Neural computing framework for walking gait pattern identification consists of system hardware and intelligent system software. System hardware comprises a wireless surface EMG sensor unit and two video cameras for measuring the neuromuscular activity of lower limb muscles, and a custom-developed artificial neural network for classifying the gait patterns of subjects during walking. The system uses root mean square and soft tissue deformation parameter as the input features. Multilayer feed-forward back propagation neural networks (FFBPNNs) with different network training functions were designed, and their classification results were compared. The intelligent gait analysis system validation has been carried out for a group of healthy and injured subjects. The results demonstrated that the overall accuracy of 98 % prediction is achieved for gait patterns classification established by multi-sensor data fusion of lower limb muscles using FFBPNN with Levenberg–Marquardt training function resulting better performance over FFBPNN with other training functions.