[发明专利]一种非接触主被动混合式的助行机器人及控制方法

权利要求书

1.一种非接触主被动混合式的助行机器人，其特征在于：包括一对侧向非接触底盘(1)，所述一对侧向非接触底盘(1)间通过连接板(2)相固定，左侧所述侧向非接触底盘(1)和连接板(2)上设有八通道近距离传感器(3)，所述八通道近距离传感器(3)上设有支架(4)，且支架(4)上设有单通道激光测距PCB(5)，且单通道激光测距PCB(5)与八通道近距离传感器(3)电信号连接；

所述的非接触主被动混合式的助行机器人的控制方法，其特征在于：

包括以下步骤(一)根据使用者使用诉求，选择主动康复训练模式或被动康复训练模式；

(二)训练模式设定；当选择被动康复训练模式，结合使用者步行能力设定机器人运动速度，最终确保使用者跟随机器人的运动速度进行被动步行康复训练；当选择主动康复训练模式，基于多通道近距离传感器安装方式建立二维平面直角坐标系；

(三)结合建立的二维平面直角坐标系，通过多通道近距离传感器扫描人体步行时胫骨二维平面信息，得到连续步态的左右胫骨距离机器人移动底盘前侧与右侧距离信息，并将该距离数据转化为平面直角坐标；

(四)结合连续步态下双腿胫骨的动态坐标，将小于腿部轮廓阈值的坐标分类到同一个簇中，得到两条腿部圆弧状轮廓簇；

(五)提取圆弧状轮廓簇数据特征，计算其所处圆心坐标和半径，设定该圆心坐标为当前左右双腿胫骨的近似坐标；

(六)计算左右胫骨坐标的平均值，并设定该值为使用者连续步态下躯干的动态坐标；

(七)基于改进粒子滤波算法对人体躯干动态坐标进行权重更新与状态估计过程，从而计算下一时刻躯干坐标；

(八)建立基于步态运动意图的机器人随动控制方法；根据下一时刻躯干坐标求出该步态下躯干坐标的位移，定义该值为步行状态下机器人的驱动速度，基于该驱动速度建立机器人运动PD控制器；

(九)结合建立的机器人运动PD控制器，驱动助行机器人进行主动步行康复训练或结合步骤(二)进行被动步行康复训练；

在上述步骤(七)中通过提出改进粒子滤波算法，预测下一时刻坐标；主要步骤包括粒子初始化、状态转移、相似性计算、权重更新和状态估计循化过程；其计算步骤如下：

(七一)在初始时刻，连续步态数据作为t时刻使用者身体位置的有效识别点，是一组数量为n的样本,该数据是由平面坐标以及权重所组成的粒子；

其中，是双腿步态位置有效识别点的坐标，是该坐标点对应权重，i表示t时刻第i个粒子；

给定向量定义为过程状态向量X_t；

(七二)通过上一步由平面坐标和权重组成的粒子，设置n个随机粒子s⁽ⁱ⁾(1≤i≤n)表示人体的初始位置；式中初始时刻平面坐标向量满足方差向量且均值向量为μ₀的高斯分布，其权重值为大小相等的常数；

(七三)结合(七一)和(七二)设置的n个随机粒子，建立系统的时域模型，即运动过程数学模型如下：

t时刻使用者的运动状态仅与上一时刻状态及随机噪声有关；是上一时刻的随机噪声；是基于t-1时刻计算的t时刻身体位置坐标；是t-1时刻身体位置坐标；

(七四)结合t时刻位置(七三)计算出的下一时刻的随机位置进行后验概率计算，后验概率计算公式如下：

σ_s表示位置误差允许范围内的标准偏差；D_i表示粒子i的状态估测值与观测值之间的欧几里得距离：

(七五)根据(七四)计算出的t时刻的后验概率和t-1时刻权值计算t时刻权值并归一化

归一化权值为

归一化的权值按权值大小矩阵排序，用过选定阈值将其分为高权值矩阵以及低权值矩阵，矩阵中拥有高权值的q个大权值粒子缩小一半，并替换低权值矩阵中末尾权值最小的等量粒子；

(七六)归一化后的权重经过BP神经网络调节，定义BP神经网络的误差能量函数为

其中q代表输入与输出神经元的数量，y_k代表神经网络的输出，m则表示的是测量值，输入m_k是低权值矩阵中的粒子，网络的初始权值设为粒子的权值，更新后的粒子重新进行归一化；

(七七)根据上一步更新后的粒子，比较粒子数与预设阈值N_thres判断重采样的执行；当粒子数小于预设阈值时，重采样并把映射为等权的否则，进行状态估计；

(七八)当粒子数大于等于预设阈值N_thres时，进行状态估计，重采样的粒子对使用者身体所在位置进行预测，其计算方法为：

该位置为使用者下一时刻位置。

2.根据权利要求1所述的非接触主被动混合式的助行机器人，其特征在于：左侧所述侧向非接触底盘(1)和连接板(2)上均设有两个八通道近距离传感器(3)。