[发明专利]一种上肢助力外骨骼机器人的运动状态识别方法

权利要求书

1.一种上肢助力外骨骼机器人的运动状态识别方法，其特征在于，包括以下步骤：

步骤1：根据有限状态机FSM将机器人外骨骼有限运动状态进行分类，并制定有限运动状态转换关系；

所述机器人外骨骼有限运动状态分为三类：转动助力状态——帮助操作者肩臂转动发力；保持助力状态——帮助操作者肩臂固定动作保持发力；放松状态——对应操作者不进行任何重体力工作的放松状态；

机器人外骨骼在任一时刻都只能处于一个状态，且转动助力状态与保持助力状态可互达、转动助力状态与放松状态可互达，但是保持助力状态和放松状态不可互达；

步骤2：在机器人上安装多个传感器，采集角速度信号、角加速度信号和交互力信号；

对各传感器采集的数据信号进行预处理，得到数据状态w_j，i为传感器序号，j为时刻；根据数据状态w_j采用HSVM算法对j时刻机器人外骨骼有限运动状态进行分类；

所述HSVM算法为对和声搜索算法HS进行优化后的一对一支持向量机ovo-SVM，具体步骤为：

步骤2-1：初始化和声搜索算法HS的主要控制参数：

和声记忆库HM的容量，即初始和声的数量HMS，其取值关系到算法的搜索能力和优化性能；

和声记忆库保留概率HMCR，即产生新解时从和声记忆库中选取解分量的概率大小，其取值关系到和声的多样性和最优解的获取；

记忆库扰动概率PAR，即每次对部分解分量进行微调扰动的概率大小；

局部扰动宽带u，其取值影响到算法性能和求解精度；

步骤2-2：设置目标函数，选取训练模型时的分类正确率作为目标函数：

f(x)＝V_acc (1)

其中，V_acc为分类正确率；

步骤2-3：设置待优化关键参数及搜索范围，即和声搜索算法HS优化的一对一支持向量机的ovo-SVM惩罚因子C与核函数参数σ；

步骤2-4：将传感器采集的机器人数据输入到ovo-SVM算法中，利用HS算法对其迭代循环进行参数的优化；

步骤3：沿传感器采集机器人数据的时间轴对大小为l的滑动窗口内的数据状态利用多数表决器机理，在一个滑动窗口内取其中数量最多的同一数据状态对应的类别作为当前系统状态估计值k_m，k_m取值为三类机器人外骨骼有限运动状态之一，m为时间窗口序号；

步骤4：判断系统前后状态是否可达，若系统前一状态k_m-1到当前状态估计值k_m为可达状态，则此时的系统状态ss_m由k_m-1转变为k_m，并返回步骤2，否则执行步骤5；

步骤5：采用HSVM算法对当前滑动窗口中数量最多的同一数据状态重新进行类别判断，产生新的系统状态估计值k′_m，并再次检查k′_m是否为k_m-1的可达状态，若是，则返回步骤2，否则此次系统状态汇报为异常值ss_m＝warning，重复步骤5，并统计异常状态出现的次数；当异常状态出现次数超过设定阈值，则停止机器人工作。

2.根据权利要求1所述的一种上肢助力外骨骼机器人的运动状态识别方法，其特征在于，所述在机器人上安装的传感器包括惯性测量单元和薄膜压力传感器。

3.根据权利要求2所述的一种上肢助力外骨骼机器人的运动状态识别方法，其特征在于，所述惯性测量单元安装在左、右大臂肱二头肌位置，大臂相对于竖直方向的夹角为大臂转动角度，当大臂位于垂直轴身体前侧，则角度为正值，反之为负值。

4.根据权利要求2所述的一种上肢助力外骨骼机器人的运动状态识别方法，其特征在于，所述薄膜压力传感器安装在左、右大臂肱二头肌和肱三头肌长头位置。

5.根据权利要求2所述的一种上肢助力外骨骼机器人的运动状态识别方法，其特征在于，所述惯性测量单元型号为MPU6050。

6.根据权利要求1所述的一种上肢助力外骨骼机器人的运动状态识别方法，其特征在于，所述对传感器采集的数据信号进行预处理包括：

对于交互力信号，采用基于阈值的小波变换方法进行降噪；

对于角速度信号和角加速度信号进行卡尔曼滤波去噪并对数据进行融合解算出大臂转动角度值；并采用基于小波包变换和基于统计量的组合特征提取方法进行特征提取。