[发明专利]基于模糊推理的全方位步行训练机器人的跌倒检测方法

说明书

基于模糊推理的全方位步行训练机器人的跌倒检测方法，（1）、采集实际的用户双脚距离激光传感器的位移数据，左脚位移记为,右脚位移记为；采集Roll绕地球坐标系X旋转的角度作为目标变量，记为；（2）、对采集的数据进行预处理；（3）、将（2）步骤中得出预处理后的数据输入模糊规则知识库，计算安全状态下输出变量的模糊子集，得到安全状态下的输出变量，并根据该安全状态下的输出变量计算安全状态的隶属度；（4）、通过（3）步骤中隶属度来判断用户的安全状态，进而根据所述安全状态控制全方位步行训练机器人。在使用步行训练机器人的时候，一旦检测到即将发生摔倒，步行训练机器人会立马检测到会停止，有效的避免了二次伤害的发生。

技术领域

本方法是一种全方位步行训练机器人(WTR)跌倒检测设计方法，此方法通过用模糊推理法来检测人在行走过程中的状态，通过控制WTR的速度从而避免用户发生跌倒。

背景技术

人口老龄化是现代社会的一个重要人口特征，疾病和交通事故也导致残疾人数量增加，越来越多的人使用WTR训练下肢使之恢复行走能力。由于下肢肌肉无力，人们在使用WTR进行步行训练时容易摔倒，造成二次伤害。

发明内容

发明目的：本发明针对现有WTR跌倒检测技术的不足，提出一种改进模糊推理的方法检测人的跌倒，目的是防止老人或残疾人行走时受到二次伤害，使WTR的功能性和可靠性得到了有效的提升。

技术方案：本发明是按照以下技术方案实施的：

一种基于模糊推理的全方位步行训练机器人的跌倒检测方法，该步骤如下：

(1)、采集实际的用户双脚距离激光传感器的位移数据，左脚位移记为L_l,右脚位移记为L_r；采集Roll绕地球坐标系X旋转的角度作为目标变量，记为θ_x；

(2)、对(1)步骤中采集的数据进行预处理(L_l,、L_r和θ_x都处理)；

(3)、将(2)步骤中得出预处理后的数据输入模糊规则知识库，计算安全状态下输出变量的模糊子集，得到安全状态下的输出变量，并根据该安全状态下的输出变量计算安全状态的隶属度；

(4)、通过(3)步骤中隶属度来判断用户的安全状态，进而根据所述安全状态控制全方位步行训练机器人。

(1)步骤中采集的用户双脚距离激光传感器的位移使用2D激光传感器检测，其安装在WTR的底部、能够检测到用户双脚距离2D激光传感器的位移。

(3)步骤中的模糊规则知识库的建立方法如下：

(3-1)、收集历史的用户双脚距离激光传感器的位移，左脚位移记为L_l,右脚位移记为L_r；采集Roll绕地球坐标系X旋转的角度作为目标变量，记为θ_x；

(3-2)、对(3-1)步骤中采集的数据进行预处理；

(3-3)、利用预处理的数据，确定行走时L_l，L_r和θ_x的安全范围；

(3-4)、确定L_l，L_r和θ_x的隶属度函数；

(3-5)、建立模糊规则；

(3-6)、确定安全状态下的模糊规则的隶属度。