[发明专利]基于KMP的下肢外骨骼康复机器人及运动轨迹规划算法

权利要求书

1.一种基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，包括以下步骤：

将步态、步态相和刚度阻尼数据作为训练集；

以训练集中的步态、步态相作为示教数据，使用高斯混合模型GMM建立关节概率分布模型；

采用高斯回归算法计算训练集中样本之间的联合概率分布，根据需要预测的关节角度和阻抗函数的先验概率分布，计算其后验概率分布，得到预测值和方差的函数，指导参数轨迹的分布；

通过两个高斯分布的KL散度最小化方法导出均值和协方差的最优解，并运用核函数制定KMP策略；

通过KMP步态阻抗在线规划流程实时生成预测步态轨迹：具体通过GMM和GMR的方法得到关节轨迹概率分布模型，KMP利用该关节轨迹概率分布模型生成拟人步态轨迹，其中包括步态相与步态以及与之对应的刚度与阻尼；

在线进行轨迹跟踪，利用状态变化产生的位置误差与步态相和步态相对应的关节角度、刚度和阻抗作为期望点，进行在线规划生成符合运动状态的步态轨迹以减少位置误差；

根据多个步态周期的迭代和参数更新，在线规划所生成的轨迹逐渐逼近于使用者所需的康复训练轨迹。

2.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，通过多个步态周期的迭代，以及包括均值、协方差和核矩阵的参数更新，使输出轨迹更接近于使用者所需康复训练轨迹。

3.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，对输入的高维示教数据，对预测输出进行矩阵核化，以避免基函数的显性作用，高维数据包括力矩、关节转角、关节角速度。

4.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，在外骨骼控制器进行轨迹跟踪时，利用步态相和步态相对应的关节角度作为期望点，对检测到的步态相进行在线规划，生成符合使用者运动状态的步态轨迹；针对每个步态周期中的步态相和对应的步态相角，在每一个步态相出现时实时在线规划步态轨迹，以减小人机之间的位置误差。

5.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，在原始训练集中插入节点和端点，对训练集进行扩展，使用扩展后的训练集更新均值、协方差和核矩阵。

6.一种基于KMP的下肢外骨骼康复机器人，其特征在于，该下肢外骨骼康复机器人执行如权利要求1-5中任一项所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法。

7.根据权利要求6所述的基于KMP的下肢外骨骼康复机器人，其特征在于，该下肢外骨骼康复机器人包括控制盒(Ⅰ)、腰部结构(Ⅱ)、膝关节机构(Ⅲ)、小腿部分(Ⅳ)以及踝关节机构(Ⅴ)；控制元件置于控制盒(Ⅰ)中，腰部结构(Ⅱ)包括；背板、电池、驱动器、腰托、腰部和背部柔性连接、髋关节以及大腿连接件，其中驱动器部分包括离合器；膝关节机构(Ⅲ)为滚动凸轮变瞬心结构，连接大腿和小腿；小腿部分(Ⅳ)包括支撑小腿以及柔性绑带；踝关节机构(Ⅴ)与小腿相连。