[发明专利]基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法

权利要求书

1.基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，其特征在于，包括以下步骤：

(1)将示教轨迹x与示教力f代入人机交互动力学系统得到吸引子y，采用高斯混合模型GMM和高斯混合回归GMR对吸引子y进行建模，得到一条综合多次演示经验的参考吸引子y^*；

(2)选择完成训练任务所用的时间b_T、运动轨迹误差b_E和运动轨迹柔顺度b_S作为被试的运动表现指标，构成运动表现指标向量b＝[b_T,b_E,b_S]；

(3)根据等效动力学系统原理确定任务轨迹复杂度参数a，参数a的大小表征着参考吸引子y^*对参考轨迹x^*的吸引能力的大小，a越大，参考轨迹x^*越贴近y^*，即具有越多y^*的特征，参考轨迹x^*越复杂；

(4)利用贝叶斯优化方法学习运动表现指标向量b与任务轨迹复杂度参数a之间的函数关系a＝g^c(b)，其中，g^c(·)为待学习的目标函数；

(5)将步骤(4)得到的函数关系a＝g^c(b)代入等效动力学系统，实现根据被试的运动表现自适应调节参考轨迹x^*的复杂度，进而实现调节任务难度，增加任务多样性。

2.根据权利要求1所述基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，其特征在于，在步骤(1)中，所述人机交互动力学系统如下：

上式中，K^p为刚度矩阵，K^v为阻尼矩阵，为示教轨迹x的一阶微分。

3.根据权利要求2所述基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，其特征在于，设人机交互动力学系统为规范系统，则

4.根据权利要求2所述基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，其特征在于，在步骤(3)中，根据等效动力学系统，刚度矩阵K^p＝aI，其中，I表示单位矩阵。

5.根据权利要求1所述基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，其特征在于，在步骤(2)中，所述运动轨迹误差其中x′表示被试实际完成的任务轨迹；所述运动轨迹柔顺度其中，表示x′的三阶微分，N₁为被试实际任务轨迹的长度，t表示时间。