[发明专利]一种步行训练机器人行走意图识别方法

权利要求书

1.一种步行训练机器人行走意图识别方法，其特征在于：该方法步骤如下：

(1)、用压力传感器(5)采集用户借助WTR进行多方向步行训练时的多组前臂压力数据，并计算各方向压力数据的均值和标准差；

(2)、基于步骤(1)的均值和标准差对所测数据进行模糊化处理，建立方向意图识别模糊前件的隶属度函数和模糊规则；

(3)、基于距离型模糊推理进行静态方向意图的预推理及判断；

(4)、针对步骤(3)识别的静态方向意图引入置信系数并设置阈值，区分方向意图过渡阶段与身体摆动，实现动态方向意图识别；

(5)、建立速度意图与行走频率之间的线性关系，并基于高斯分布函数将压力传感器(5)测量的信息相融合，提供受试者SIT识别的最佳估计；

步骤(1)中前臂压力数据是采集的人上臂压力数据，由安装在臂支撑板(11)下的6个压力传感器(5)检测用户朝8个方向行走时，左右前臂的腕部、肘部、及腕部和肘部中间部位对臂支撑板(11)的压力，并求出多次测量数据的均值和标准差；

用户借助WTR进行多方向步行训练，设用户为原点，用户站在机器人中的朝向定为90°，8个基本方向向量定义为：B¹＝|1|∠0°，B²＝|1|∠45°，B³＝|1|∠90°，B⁴＝|1|∠135°，B⁵＝|1|∠180°，B⁶＝|1|∠225°，B⁷＝|1|∠270°，B⁸＝|1|∠315°；

步骤(2)中方向意图识别的模糊规则为：

Ruleⁱ:If x₁＝Aⁱ¹,x₂＝Aⁱ²,x₃＝Aⁱ³,x₄＝Aⁱ⁴,x₅＝Aⁱ⁵,x₆＝Aⁱ⁶,thenβ＝Bⁱ    (1)

式中，i是从1到8的整数，共8条模糊规则；x₁到x₆指模糊规则的前件，分别由6个压力传感器(5)的测量值构成，其隶属度函数A¹到A⁶为标准的三角型，中间位置为传感器测量值的均值，宽度为传感器测量值标准差的2倍，高度为标准值1；β为模糊推理的后件，由单值B表示其隶属度函数，一共包含8个方向；

步骤(3)中距离型模糊推理中，第i个规则A^ij的第j个先行三角型模糊集和事实模糊单例A^j之间的距离d_ij计算公式为：

第i个模糊规则的前因和事实A^j之间的距离d_i计算公式为：

式(2)、(3)中，i是从1到8的整数，j是从1到6的整数；A^ij表示公式(1)中所示第i个模糊规则的第j个先行隶属度函数；A^j为事实的单值隶属度函数，表示第j个压力传感器(5)测得的当前值；

步骤(4)中引入置信系数进行改进，以识别动态DIT，步骤如下：

(4-1)、首先定义每个方向意图向量由两部分组成，包括角度向量与其对应的置信系数，每个角度的置信系数γ_i可以用公式(4)计算：

式中，n为常数8，d_i是由步骤(3)的公式(3)求得距离，i、j是从1到8的整数，γ_i的范围是0到1，当压力数据完全符合某个模糊规则i时，γ_i是1；

(4-2)、方向意图向量β计算公式为：

其中，n为常数8，γ_i为置信系数，γ_i从0变化到1，Bⁱ表示步骤(1)所定义的8个基本方向向量；

(4-3)、基于置信系数γ来判断识别是否受到潜意识身体摆动的影响；

速度意图的结果v_i可以表示为：

v_i＝W-w_i    (6)

式中，w_i是PVS的正峰宽；W表示为建立一个与SIT正相关的特征；

步骤(5)中压力传感器(5)不同测量值的信息相互融合，以提供受试者SIT识别的最佳估计，信息融合过程如下：

1)、首先对6个压力传感器(5)进行判断，基于压力传感器(5)的传感器信号功率E作为标准判断每个压力传感器(5)是否是当前速度识别的关键因素；设置采样时间T内，第i个传感器的能量功率E_i为：

式中，f_i(t)为第i个压力传感器(5)在设定周期T内的实时测量值；

2)、基于各传感器能量占6个压力传感器(5)能量之和的比例计算出各个压力传感器(5)的估计权重，表示为：

式中，E_i是第i个传感器信号能量，6个压力传感器(5)的总能量表示为∑E，ξ_i表示为第i个传感器对SIT的估计权重；

SIT识别的最终高斯概率分布函数表示为：

其中，

式中，r表示高斯概率密度函数的自变量，μ_i＝v_i表示高斯概率密度函数的平均值，由公式(6)所得第i个压力传感器(5)的速度估计值；σ_i＝ξ_i表示高斯概率密度函数的标准差ξ_i，指由公式(8)所得第i个压力传感器(5)的估计权重，公式(10)求的6个高斯概率密度函数乘积所得的新均值μ即为SIT识别结果v。