[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

说明书

本发明公开了一种上肢助力外骨骼机器人的运动状态识别方法，将和声搜索(HS)优化的一对一支持向量机(ovo‑SVM)与有限状态机(FSM)相结合，首先根据有限状态机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；接下来通过传感器采集机器人数据并对机器人状态进行分类，沿时间轴对滑动窗口内的数据状态利用多数表决器机理，取最多的作为当前系统状态估计值；然后判断系统前后状态的可达性，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，确定最终机器人运动状态。本发明方法不仅可以提高分类准确率，而且能够根据情况的变化改变参数取值，对于系统的不确定性因素具有较强的鲁棒性，自适应性好。

技术领域

本发明属于机器人技术领域，具体涉及一种机器人运动状态识别方法。

背景技术

上肢助力外骨骼机器人在机械结构和运动控制算法方面已经有了一定的进展，但是如何有效地布置外骨骼机器人的传感器网络，如何实时地采集外骨骼的运动信息，对外骨骼的运动状态进行实时准确的判断，保障助力过程顺畅、稳定、安全地进行，仍是上肢助力外骨骼机器人设计过程中的重点和难点。

目前，在外骨骼运动状态识别方法方面浙江大学陶俊对此有一定的研究(陶俊.气动助力外骨骼机器人人机协同运动控制研究[D].浙江大学,2018.)，其助力外骨骼上肢部分采用肌电信号和支持向量机来进行运动状态识别判断，但人体肌电信号较弱，且肌电信号传感器易受到外界因素的干扰，信号精度不高；此外，支持向量机的关键参数为提前设定，无法根据助力过程中的各种动作来选择最佳参数，自适应性较低。发明专利CN112336340A公开了“一种腰部助力外骨骼机器人的人体运动意图识别方法”可以准确分出弯腰、直立、迈左腿行走和迈右腿行走四种运动状态，但未考虑运动状态间的转换是否存在安全问题。

发明内容

为了克服现有技术的不足，本发明提供了一种上肢助力外骨骼机器人的运动状态识别方法，将和声搜索(HS)优化的一对一支持向量机(ovo-SVM)与有限状态机(FSM)相结合，首先根据有限状态机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；接下来通过传感器采集机器人数据并对机器人状态进行分类，沿时间轴对滑动窗口内的数据状态利用多数表决器机理，取最多的作为当前系统状态估计值；然后判断系统前后状态的可达性，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，确定最终机器人运动状态。本发明方法不仅可以提高分类准确率，而且能够根据情况的变化改变参数取值，对于系统的不确定性因素具有较强的鲁棒性，自适应性好。

本发明解决其技术问题所采用的技术方案包括如下步骤：

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；

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；