[发明专利]一种多信息融合人体外骨骼机器人控制保护系统

权利要求书

1.一种多信息融合人体外骨骼机器人控制保护系统，其特征在于：所述系统包含若干组安装在人体四肢部位的惯性测量组件、肌电信号传感器，若干组安装在人体胸部位置的呼吸传感器，佩戴在头部且机器视野和人体视野重合的深度摄像头以及安装在人体任意位置的机器学习处理计算机；其中，惯性测量组件、肌电信号传感器、呼吸传感器、深度摄像头分别与机器学习处理计算机通过有线或无线的方式连接，在机器学习处理计算机识别不同类型的运动意图以后，由外骨骼机器人根据实际情况进行相应的控制与保护；

具体过程是：将某时刻人体各部位的惯性测量组件采集的关节姿态角度和角速度、肌电信号传感器采集的表面肌电信号、呼吸传感器采集的呼吸频率和呼吸幅度、深度摄像头采集的物体位置和深度信息传送给机器学习处理计算机，作为基于随时间反向传播算法BPTT的长短时记忆神经网络LSTM的输入，以经机器学习算法所消耗的时间与机器人各位置舵机接收控制信号的最大延迟时间之和作为时间间隔，把该时间间隔后的时刻所表征人体的运动意图的控制信号作为长短时记忆神经网络的输出，经训练得到输入与输出之间的非线性函数映射关系，从而实现对外骨骼机器人的超前控制；

所述基于随时间反向传播算法BPTT的长短时记忆神经网络LSTM，经训练得到输入与输出之间的非线性函数映射关系，具体如下：

设x为输入，s为隐藏层状态，o为输出，x_t为第t个时刻RNN的输入，s_t为第t个时刻RNN隐藏层的输入，y_t为第t时刻的label，z_t为输出层的汇集输入，U为隐藏层上一个时刻到当前时刻的权值，W为从输入层到隐藏层的权值，V为隐藏层到输出层的权值，按时间展开后用来代替o，则

s_t＝tanh(U_xt+Ws_t-1)

使用交叉熵E作为损失函数

使用链式法则来计算后向传播时的梯度，对于网络的输出E_t，有

z_t＝Vs_t

s_t＝tanh(Ux_t+Ws_t-1)

因此可以求V的梯度

其中s_t对W的求导是一个分部求导

对U的求导也是一个分部求导：

2.基于权利要求1所述的一种多信息融合人体外骨骼机器人控制保护系统，其特征在于：在s_t对W求导时，如果不加限制，需要对从t到0的所有状态进行回溯，可按照场景和精度要求进行截断，

3.基于权利要求1所述的一种多信息融合人体外骨骼机器人控制保护系统，其特征在于：在构建机器学习算法模型之前，是信息采集与处理阶段，该阶段的具体步骤如下：

步骤1：在人体不同运动状态下，以相同或不同的频率同步采集惯性测量组件、肌电信号传感器、呼吸传感器、深度摄像头的信息；

步骤2：对肌电信号传感器采集的人体皮肤表面肌电信号进行预处理，包括信号有效性检测、信号消噪和信号活动段加强，合理设置起始阈值；

步骤3：对设置在人体四肢部位的惯性测量组件进行信号有效性检测，然后对有效信号进行随机误差实时建模与校正，保证信号采集的准确性；

步骤4：对设置在人体胸部等合适位置的呼吸传感器进行信号有效性检测，然后对有效信号进行随机误差实时建模与校正，保证信号采集的准确性；

步骤5：在人体四肢部位的惯性测量组件、肌电传感器、呼吸传感器等信息均有效的前提下对外骨骼机器人系统进行初始化，否则重启各组件，返回至步骤2；

步骤6：对外骨骼机器人系统进行姿态解算和速度、位置解算。