[发明专利]类神经肌肉骨骼机器人上肢模型的简化方法

说明书

本发明涉及类神经肌肉骨骼机器人领域，提出一种类神经肌肉骨骼机器人上肢模型的简化方法，旨在解决类神经机器人模型的冗余问题。该方法包括：依据类神经肌肉骨骼机器人上肢模型在执行特定的基本运动模式时，计算其相关肌肉的平均肌肉力大小、第一运动轨迹，根据上述平均肌肉力的大小选出该运动模式的简化肌肉集合，计算利用简化肌肉集合执行上述基本运动时的第二运动轨迹，根据第一运动轨迹和第二运动轨迹确定运动精度指标，确定满足指定运动精度的简化肌肉集合为上述运动模式最简肌肉集合，合并所有基本运动模式所需要的简化肌肉集合，得到满足指定运动精度下，类神经肌肉骨骼机器人上肢模型的最简肌肉集合。本发明实现了对类神经肌肉骨骼机器人上肢模型的简化。

技术领域

本发明涉及智能机器人领域，尤其涉及一种类神经肌肉骨骼机器人上肢模型的简化方法。

背景技术

类神经肌肉骨骼机器人以仿造人类骨骼结构制作的人造骨架为基础，依据解剖学中肌肉的分布特点，添加人造肌肉作为机器人的执行器，再利用类神经控制算法计算肌肉激活信号，刺激人造肌肉收缩以产生肌肉力，从而驱动骨架运动，使类神经肌肉骨骼机器人能够实现准确的运动控制和力控制。

但是，类神经肌肉骨骼机器人是一个高度耦合、高度冗余的多输入多输出系统，构成类神经肌肉骨骼机器人的各个肢体都包括多个自由度，多块肌肉，且肌肉排布相互耦合，错综复杂。使得其控制过程复杂，硬件制作成本昂贵。为了易于控制，降低硬件平台的造价，需要提供一种简化方案，在保证控制精度的前提下，通过删减冗余的肌肉，降低类神经肌肉骨骼机器人的模型复杂度。

因此，将类神经肌肉骨骼机器人的高度耦合、高度冗余的多输入多输出系统删减冗余的肌肉，对各肢体的肌肉进行简化，降低类神经肌肉骨骼机器人模型的复杂度成为亟待解决的问题。

发明内容

为了解决现有技术中的上述问题，即为了解决对类神经肌肉骨骼机器人的高度耦合、高度冗余的多输入多输出系统，删减冗余的肌肉，对各肢体的肌肉进行简化，降低类神经肌肉骨骼机器人模型的复杂度问题。本申请提出一种类神经肌肉骨骼机器人上肢模型的简化方法以解决上述问题：

第一方面，本发明提供一种类神经肌肉骨骼机器人上肢模型的简化方法。该方法包括如下步骤：步骤1，获取待进行肌肉优化的目标运动模式，确定与上述目标运动模式的运动相关的目标关节集合；步骤2，根据肌肉筋腱附着点位置选取上述目标关节集合中各目标关节的肌肉，确定与上述目标运动模式相关的肌肉集合；步骤3，从预设的运动文件库中提取上述目标运动模式的运动文件作为期望运动；步骤4，根据上述期望运动，利用预设的静态优化算法计算上述肌肉集合中各肌肉的激活序列作为第一激活序列，使用各上述第一激活序列驱动上述肌肉集合中各肌肉的肌肉模型跟踪上述期望运动；步骤5，记录末端参考点的第一运动轨迹以及计算上述肌肉集合中各肌肉在运动过程中的肌肉力，并按照肌肉力平均值从大到小的顺序选出预定数目条肌肉作为简化肌肉，并生成简化肌肉集合；步骤6，根据上述期望运动，利用上述静态优化算法计算上述简化肌肉集合中各肌肉的激活序列作为第二激活序列，使用各上述第二激活序列驱动上述简化肌肉集合中各肌肉的肌肉模型跟踪上述期望运动；步骤7，记录末端参考点的第二运动轨迹，将上述第二运动轨迹与上述第一运动轨迹比较，确定运动轨迹的偏差；步骤8，如果上述偏差满足预设阈值，确定上述简化肌肉集合为上述类神经肌肉骨骼机器人对应于上述目标运动模式的最简肌肉集合。

在一些示例中，在上述步骤2中，上述目标关节集合的相关肌肉，为肌肉筋腱在骨骼上的附着点分布在上述目标关节集合中任一目标关节运动方向两侧，并为上述目标关节的运动提供转动力矩的肌肉。

在一些示例中，在上述步骤3中，上述运动文件为包含时间序列数据和上述目标关节集合中各目标关节随上述时间序列数据变化时的角度和/或位置数据。

在一些示例中，在上述步骤4中，上述利用上述静态优化算法计算各肌肉的激活序列，包括通过如下公式计算各肌肉在上述时间序列数据下的肌肉激活强度：