[发明专利]一种柔性下肢助力外骨骼机器人的自适应运动模式识别方法

权利要求书

1.一种柔性下肢助力外骨骼机器人的自适应运动模式识别方法，其特征在于，包括以下步骤：

1）获取大量各种运动模式下对应的摆动态的各传感器数据，作为人体的运动信息；所述传感器为设置在人体后背、大腿和小腿部位的IMU惯性传感器；

2）根据运动信息提取运动特征，所述运动特征信息包括大腿IMU、小腿IMU、膝关节角度、髋关节角度、当前摆动态中的小腿IMU的极大值与极小值之差和当前摆动态中的大腿IMU的极大值与极小值之差；

选取小腿IMU的极小值时刻对应的运动特征信息；

其中，小腿IMU的极小值时刻通过实时差分寻峰算法获得，具体如下：

2.1）将摆动态的小腿IMU曲线进行差分处理；

2.2）使用均值滤波消除突变点；

2.3）记录满足极值点特征条件的点的位置时刻；

2.4）重复上述步骤将所有摆动态的小腿IMU峰值时刻全部实时获取；

3）将运动特征信息归一化后输入到BP神经网络中进行训练，输出结果是各运动模式的识别概率，识别概率大者为最终的运动模式识别结果；当训练识别率达到预期要求，保存此时的神经网络模型；

其中，BP神经网络的结构及其参数设定为：

神经网络包括输入层、隐藏层和输出层；其中，输入层的神经节点个数依据输入样本格式设置为10，隐藏层的神经节点个数可以在10至30范围中取，输出层为分类个数4，即站立、平地行走、上楼、下楼四种；损失函数选择交叉熵函数，梯度下降函数选择Adam函数，隐藏层激活函数选择Relu函数，输出层选择SoftMax函数；

4）获取小腿IMU的极小值时刻对应的大腿IMU、小腿IMU、膝关节角度、髋关节角度值，并提取当前摆动态中的小腿IMU的极大值与极小值之差和当前摆动态中的大腿IMU的极大值与极小值之差，将这些特征数据融合成特征向量；

5)使用已经训练好的神经网络模型进行运动模式识别；

6)使用有限状态转移算法对BP神经网络的识别结果进行修正；即：通过有限状态转移图，限制状态转移的方向以及转移条件，对异常的状态转移进行纠错。

2.根据权利要求1所述的柔性下肢助力外骨骼机器人的自适应运动模式识别方法，其特征在于，所述步骤1）还包括对数据的一致性处理，处理过程如下：先去除异常跳变点，再取站立态的20至50个采样点数据计算左、右的大腿IMU、小腿IMU、膝关节角度、髋关节角度的初始值，利用这些初始值来修正对应的采集数据，使得每一次穿戴设备，站立态的数据经过修正后与初始状态相同。