[发明专利]一种面向外骨骼控制的人体运动意图预测方法

权利要求书

1.一种面向外骨骼控制的人体运动意图预测方法，其特征在于，包括以下步骤：

采集实验数据，实验人员进行运动实验，通过使用采集设备采集获取实验人员的运动数据和生理数据，并对应形成运动数据集；

构建位姿模型，将人体外骨骼抽象简化为由多个关节点组成的多连杆结构，从中选取一个关节点为根关节点，建立所述根关节点坐标和其他关节点坐标之间的转换关系，形成人体外骨骼坐标矩阵；

计算体力消耗，所述运动数据集中的运动数据与所述关节点相对应，进一步计算出关节力矩，再与所述生理数据相结合输入到高斯过程回归模型，计算出对应的体力消耗；

预测运动轨迹，进一步将所述运动数据集的运动数据、生理数据和体力消耗与所述人体外骨骼坐标矩阵结合，组成一维向量输入到预测模型中进行训练，最终获得优化的预测模型进行运动轨迹预测。

2.根据权利要求1所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，所述运动数据包括加速度、角速度、姿态角，所述生理数据包括心率值和体力消耗。

3.根据权利要求2所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，人体外骨骼简化为包括13个关节点，分别对应为腹部节点，也作为根关节点，左肩节点左肘节点，左腕节点，右肩节点，右肘节点，右腕节点，左胯节点，左膝节点，左踝节点，右胯节点，右膝节点，右踝节点。

4.根据权利要求3所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，使用齐次坐标U＝(x,y,z,w)^T来表示关节点的坐标(a,b,c)^T，对应有：a＝x/w,b＝y/w,c＝z/w，w是齐次坐标中的归一化因子，再通过变换矩阵将其他关节点坐标转换为相对于所述根关节点坐标的表示形式，其中变换矩阵包括：

第一，平移变换矩阵为：

第二，绕X轴旋转θ角的变换矩阵为：

第三，绕Y轴旋转θ角的变换矩阵为：

第四，绕Z轴旋转θ角的变换矩阵为：

5.根据权利要求4所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，通过12个变换矩阵A_0,1～A_0,12，可以计算出13个关节点n₀～n₁₂的空间坐标，对应的人体外骨骼坐标矩阵表示为：

6.根据权利要求5所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，所述关节力矩可以通过Newton-Euler动力学算法计算，具有以下形式：

式中，D(q)表示n×n的质量矩阵，表示离心力和哥氏力，G(q)表示重力，q为关节状态变量，包括关节角度、角速度和加速度，是的q一阶微分，是q的二阶微分。

7.根据权利要求6所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，计算各关节力矩之后，与心率计值h一起作为输入，即x_t＝{τ₀,τ₁,…,τ₁₂,h}，表示t时刻各关节力矩与心率计值h组成的一维特征向量。

8.根据权利要求7所述的面向外骨骼控制的人体运动意图预测方法，其特征在于，在高斯过程回归模型中，体力消耗EE'_t和输入x_t的关系可以表示为y＝f(X)+ε_y，ε_y表示高斯白噪声，ε_y～N(0,δ_n)，f(X)是特定的多维高斯分布f(X)＝g(m(X),K(X))，m(X)是高斯分布的均值向量，K(X)表示协方差矩阵，可以用径向基核函数来近似表示:

其中，x,x'表示任意两个输入样本，l表示尺度系数。