[发明专利]一种结合动力学约束条件的人体惯性参数辨识方法在审
申请号: | 201811495522.8 | 申请日: | 2018-12-07 |
公开(公告)号: | CN109375516A | 公开(公告)日: | 2019-02-22 |
发明(设计)人: | 梁文渊 | 申请(专利权)人: | 国家康复辅具研究中心 |
主分类号: | G05B13/04 | 分类号: | G05B13/04 |
代理公司: | 北京万象新悦知识产权代理有限公司 11360 | 代理人: | 王岩 |
地址: | 100176 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 惯性参数 辨识 动力学方程 多段 动力学约束条件 刚体模型 关节力矩 约束条件 引入 物理约束条件 运动捕捉系统 辨识结果 采样数据 二阶范数 计算过程 检测系统 力学方程 人体运动 优化结果 直接测量 程序化 反力 刚体 构建 采集 清晰 优化 | ||
1.一种结合动力学约束条件的人体惯性参数辨识方法,其特征在于,所述人体惯性参数辨识方法包括以下步骤:
1)首先根据人体自然的下肢关节分割,把人体简化成由多段刚体组成的多段刚体模型;
2)基于机器人多刚体动力学原理,建立多段刚体模型的动力学方程;
3)将多段刚体模型的动力学方程进行线性变换,分离出惯性参数,得到动力学线性回归方程,动力学线性回归方程包括上半部分方程和下半部分方程;
4)对动力学线性回归方程进行简化,仅采用动力学线性回归方程中的上半部分方程,得到第一简化动力学方程;
5)构建运动捕捉系统和地面反力检测系统采集人体运动采样数据,其中,运动捕捉系统获取各段刚体的位置、速度和加速度,以及地面反力检测系统获取双足与地面的接触力;
6)利用运动捕捉系统和地面反力检测系统进行参数采样,得到N组采样数据,每一组采样数据基于第一简化动力学方程构建一组方程式,从而构建由一系列的方程式组成的方程组,通过最小二乘法求解得到第一步辨识人体惯性参数;
7)从人体惯性参数包含的物理含义出发,引入基本物理约束条件,对第一步辨识人体惯性参数进行筛选,得到满足刚体质量约束要求、质心位置约束要求和惯性张量约束要求的第二步辨识人体惯性参数;
8)采用动力学线性回归方程中的下半部分方程,得到第二简化动力学方程,基于第二步辨识人体惯性参数,采用第二简化动力学方程对下肢关节力矩进行估算,如果估算的下肢关节力矩所代表的运动方向与当前人体运动采样数据所代表的肢体运动方向吻合,则当前下肢关节力矩估算所采用的辨识人体惯性参数符合要求,反之则不成立,把其中符合要求的辨识人体惯性参数作为第三步辨识人体惯性参数;
9)选择第三步辨识人体惯性参数中二阶范数最小的一组惯性参数,作为人体惯性参数辨识优化结果。
2.如权利要求1所述的人体惯性参数辨识方法,其特征在于,在步骤1)中,根据人体自然的下肢关节分割,把人体简化成由五段刚体组成的五段刚体模型,包括躯干、双大腿和双小腿,其中足部作为小腿的一部分进行简化考虑;或者,把人体简化成由七段刚体组成的七段刚体模型,包括躯干、双大腿、双小腿和双足。
3.如权利要求1所述的人体惯性参数辨识方法,其特征在于,在步骤2)中,多段刚体模型的动力学方程如下:
其中,Hij为动力学方程的惯性矩阵的组成元素,i=1或2,j=1或2,q0为躯干的广义变量,θ是下肢关节的广义变量,bi为系数,τ是下肢关节力矩,是双足的地面反力,是地面反力相应的雅克比变换矩阵的组成元素,nc为人体双足与地面接触点或面的数量。
4.如权利要求1所述的人体惯性参数辨识方法,其特征在于,在步骤3)中,多段刚体模型的动力学方程进行线性变换,分离出惯性参数,得到动力学线性回归方程:
其中,是待辨识的惯性参数组成的向量,它由各各段刚体的质量ml、质心位置pl,cml和惯性张量Il共同组成,l=1,2,……L,L为人体简化成的多段刚体的段数;Ybi为回归系数矩阵的组成元素。
5.如权利要求1所述的人体惯性参数辨识方法,其特征在于,在步骤4)中,由于τ所代表的下肢关节力矩难于直接测量得到,将动力学线性回归方程中的上半部分方程,得到第一简化动力学方程:
其中,Yb1为回归系数矩阵的第一个元素,是待辨识的惯性参数组成的向量,是地面反力相应的雅克比变换矩阵的第一个元素。
6.如权利要求1所述的人体惯性参数辨识方法,其特征在于,在步骤5)中,根据运动捕捉系统得到的各段刚体的位置、速度和加速度,以及地面反力检测系统得到的双足与地面的接触力,计算得到回归系数矩阵、雅克比变换矩阵和地面反力。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家康复辅具研究中心,未经国家康复辅具研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811495522.8/1.html,转载请声明来源钻瓜专利网。