[发明专利]一种用于负重外骨骼助力效率的检测方法

权利要求书

1.一种用于负重外骨骼助力效率的检测方法，其特征在于，包括以下步骤；

1)人不穿戴外骨骼并且不背负重物，在三维测力跑台上以速度v行走t₁时间，采用三维运动采集系统和测力跑台获得运动学和动力学信息，以逆动力学解算的人体关节力矩作为基准，对基于表面肌电信号的人体关节力矩正向测试模型进行验证；

2)人穿戴外骨骼并负重G₁，采用基于表面肌电信号的方法，测试在三维测力跑台上以速度v行走t₁时间段内髋、膝、踝关节的力矩与时间的关系M_髋-t、M_膝-t、M_踝-t；

3)人不穿戴外骨骼，进行0到40kg负重测试，测试间隔为5kg，从0kg开始，每次测试负重增加5kg，在三维测力跑台上以同样速度v行走相同时间段t₁，测试该时间段内不同负重下人体的髋、膝、踝关节的力矩与时间的关系M_髋1-t、M_膝1-t、M_踝1-t；

4)根据实验测得的不同负重下，不穿戴外骨骼时人体负重与人体总关节驱动力矩间的数据，通过插值补点作出不穿戴外骨骼时负重与关节力矩的拟合曲线，再将穿外骨骼时负重为G₁时计算得到的关节力矩M代入到拟合曲线，得到在关节力矩为M时不穿戴外骨骼的人体负重G₂，那么助力外骨骼平均助力效率η即为外骨骼机器人有效负重与总负重的比值，即：

式中，η为效率，G₁为穿戴外骨骼机器人时背负的重量，G₂为在人体主要助力关节力矩相等的情况下，不穿戴外骨骼时人体负重的大小。

2.根据权利要求1所述的一种用于负重外骨骼助力效率的检测方法，其特征在于，所述的步骤1)中逆动力学解算为建立人体下肢三连杆模型，对每个连杆建立牛顿欧拉方程，得到人体动力学模型，再通过vicon系统与贴在人体下肢的标记点，通过vicon系统配套软件解得速度以及加速度信息，结合国标给定的人体参数计算公式，得到质量转动惯量，求解得到人体各关节力与关节力矩；

所述国标人体参数计算公式如下：

Y＝B₀+B₁X₁+B₂X₂

I_i＝B₀+B₁X₁+B₂X₂ i＝x，y，z。

3.根据权利要求1所述的一种用于负重外骨骼助力效率的检测方法，其特征在于，所述的步骤3)中对人体无外骨骼时的负重行走进行测量，通过压力跑台、三维运动捕捉系统以及无线表面肌电采集系统测得一维足底压力、人体运动学信息以及肌肉肌电信息，由一维足底压力与人体运动学信息，以逆动力学解算得到人体关节力矩，再通过神经网络模型训练，实现表面肌电对关节力矩的预测，得到人体无外骨骼负重下的下肢关节力矩。

4.根据权利要求1所述的一种用于负重外骨骼助力效率的检测方法，其特征在于，所述的步骤2)由足底压力鞋垫、三维运动捕捉系统以及无线表面肌电采集系统测得穿戴外骨骼负重下的一维足底压力、人体运动学信息以及肌肉肌电信息，同样以逆动力学解算得到人体关节力矩，再通过神经网络模型训练，实现表面肌电对关节力矩的预测，得到人体穿戴外骨骼负重下的下肢关节力矩。

5.根据权利要求4所述的一种用于负重外骨骼助力效率的检测方法，其特征在于，所述三维运动捕捉系统为vicon三维运动捕捉系统，三维测力板为AMTI三维测力板，压力跑台为Zebris压力跑台，无线表面肌电采集系统为Noraxon，足底压力鞋垫为pedar分布式足底压力鞋垫。

6.根据权利要求5所述的一种用于负重外骨骼助力效率的检测方法，其特征在于，所述的pedar分布式足底压力鞋垫能够将足底分为3个压力区，前脚掌区、中脚掌区和后脚掌区，每个分区具有多个传感器，三个区的压力即为所求的足底压力，计算公式如下：

7.根据权利要求4所述的一种用于负重外骨骼助力效率的检测方法，其特征在于，具体步骤为：

受试者首先要进行自然行走步态数据采集，在不穿戴外骨骼以及不负重的情况下使用三维测力板和三维运动捕捉系统进行人体无负重关节力矩测试，通过采集人体自然行走时足底一维压力信息、压力中心信息和标志点三维运动信息，计算出较为准确的人体关节力矩，并进行初步的分析，从而为后续力矩实验提供基准关节力矩，整个测试过程应保证测试者在三维测力跑台上以速度v行走t1时间，能够使用节拍器进行行走速度的控制，在多次行走训练后再采集数据，并且进行多次实验；

所述自然行走时足底压力信息的采集使用AMTI三维测力板，测试者不背负重物自然行走在测力板上，通过其配套的软件可以测得人在行走时垂直方向上的作用力，以及测试者的足底压力中心位置；

所述标志点三维运动信息使用vicon三维运动捕捉系统，在人体下肢相关穴位贴上配置的标记点，通过vicon系统中的红外摄像头记录人体运动轨迹，再由配套软件系统计算得到人体运动的速度、加速度、角速度信息；

所述踝、膝、髋关节力矩计算公式分别如下：

步骤2：穿戴外骨骼时基于神经网络建立表面肌电-关节力矩映射模型的人体关节力矩测试系统，采用鞋垫式足底压力测试系统、三维运动捕捉系统和表面肌电测试系统，采集包括人体穿戴外骨骼负重情况下的足底一维压力信息、压力中心信息、标志点三维运动信息以及下肢表面肌电信息，通过逆运动学计算人体关节力矩，并与基准力矩进行对比验证，确保计算的数据准确，通过神经网络训练，建立表面肌电对关节力矩的预测模型，得到人体穿戴外骨骼负重行走下的关节力矩，在受试者穿戴外骨骼并负重G₁行走的情况下，采集其以速度v行走t₁时间段内的数据，计算得到髋、膝、踝关节的力矩与时间的关系M_髋-t、M_膝-t、M_踝-t；进行多次测量，每次测试完成后休息10～15分钟；

所述足底压力鞋垫使用pedar分布式足底压力鞋垫，测试者穿戴压力鞋垫后，穿戴外骨骼进行负重行走，通过鞋垫上的传感器采集数据，再传输到配套软件上处理，得到负重行走时足底压力与压力中心位置；

所述无线表面肌电采集系统使用Noraxon无线肌电表面采集系统，将无线表面肌电传感器贴在主要肌肉位置，记录人体运动时肌肉活动程度，再对采集的肌电数据进行滤波、特征提取、降采样以及幅值归一化处理，能够提取肌电均方根值(RMS)与平均整流肌电值(AEMG)信息；

所述三维运动捕捉系统，将无线表面肌电系统处理得到的特征数据、vicon系统采集得到的关节角度以及逆运动学求解得到的关节力矩分别进行幅值归一化处理，然后代入建立好的神经网络模型中，进行训练测试，从而得到基于神经网络的人体关节力矩预测值；

步骤3：在受试者不穿戴外骨骼进行负重行走时，采用压力跑台、三维运动捕捉系统和表面肌电测试系统，采集包括人体负重行走下的足底一维压力信息、压力中心信息、标志点三维运动信息以及下肢表面肌电信息，通过逆动力学计算人体关节力矩，并与基准力矩进行对比验证，确保数据准确，将关节力矩、表面肌电以及关节角度代入神经网络进行训练，以实现表面肌电对关节力矩的预测模型，得到人体无外骨骼负重行走下的关节力矩，测试者在不穿戴外骨骼时，进行0到40kg负重测试，负重增加间隔为5kg，让测试者在三维测力跑台上以同样速度v行走相同时间段t₁，采集各时间段内不同负重下的数据，从而得到不同负重下人体髋、膝、踝关节的力矩与时间的关系M _髋1-t、M_膝1-t、M_踝1-t；每种负重情况下进行多次测量，每次测试完成后休息10～15分钟；

根据计算得到的髋、膝、踝的力矩与时间的关系M_髋1-t、M_膝1-t、M_踝1-t，由以下公式可以计算得到各总驱动力矩：

髋关节总驱动力矩：

膝关节总驱动力矩：

踝关节总驱动力矩：

步骤4：根据步骤3测得的不同负重下，不穿戴外骨骼时人体负重与人体总关节驱动力矩间的数据，通过插值补点作出不穿戴外骨骼时负重与总关节力矩的拟合曲线，再将穿外骨骼时负重为G₁时的关节力矩与时间的关系代入步骤3计算得到的关节总力矩M代入到拟合曲线，得到在关节力矩为M时，测试者不穿戴外骨骼的负重G₂，那么助力外骨骼平均助力效率η即为外骨骼机器人有效负重与总负重的比值，即：

式中，η为效率，G₁为穿戴外骨骼机器人时背负的重量，G₂为在人体主要助力关节力矩相等的情况下，不穿戴外骨骼时人体负重的大小。