一种外骨骼变导纳控制方法、装置、终端设备及介质

1.本技术属于外骨骼机器人技术领域，尤其涉及一种外骨骼变导纳控制方法、装置、终端设备及介质。


背景技术：

2.近年来，随着人口老龄化程度加重，由各类意外导致的偏瘫、瘫痪患者日益增多，迫切需要外骨骼机器人的介入，来对偏瘫、瘫痪患者进行辅助康复治疗、训练，帮助其尽早恢复正常生活水平，这对于社会及这些失能患者具有重要的意义。
3.外骨骼机器人是能够改善、辅助、扩展身体功能的穿戴式医疗辅助设备，可以帮助下肢运动功能障碍者完成直立行走、起立、坐下以及上下楼梯等日常动作。康复训练一般有评估、设计步态、提出策略等步骤，在康复过程中，人体与外骨骼机器人之间会进行交互，进而产生人机交互力，如何控制交互力在设计的范围，保证人体穿戴外骨骼机器人的舒适性是一个很难的挑战。
4.对此，相关领域研究人员提出阻抗/导纳控制策略，该控制策略主要通过设定合适的阻抗、刚度、惯性等参数，对人机交互力进行一定的调节，提高人体穿戴的舒适性，同时，保证外骨骼机器人的连续运动的自然柔顺控制。但是传统的导纳控制是一个全局的定参数控制，不能很好地适用于不同的人体行走阶段，导致外骨骼控制的准确度较低。


技术实现要素：

5.本技术提供了一种外骨骼变导纳控制方法、装置、终端设备及介质，可以解决目前外骨骼控制的准确度较低的问题。
6.第一方面，本技术提供了一种外骨骼变导纳控制方法，包括：
7.采集训练数据；训练数据包括多个历史时刻的关节角度和多个历史时刻的人机交互力；
8.根据多个历史时刻的关节角度和多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值；
9.计算人机交互力预测值和预先设定的人机交互力期望值之间的差值；
10.构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型；其中，参数包括刚度系数和阻尼系数；
11.根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度；
12.根据期望关节角度，利用位置控制器对外骨骼进行控制。
13.可选的，人机交互力预测模型的表达式如下：
[0014][0015]
其中，f(t)表示第t个待测时刻对应的人机交互力预测值，λi表示第i个历史时刻的
训练数据对应的拉格朗日乘子，i＝1,2,...,n，n表示历史时刻的总数量，φk(
·
)表示第k条模糊规则的隶属度函数，z(ht)表示输入模糊模型第ht个历史时刻的变量值，包括该历史时刻的关节角度和该历史时刻的人机交互力，vk(z(ht))表示对第k条模糊规则中模糊集隶属度函数总的乘积，r表示模糊规则的数量，表示对第k条模糊规则中的第q个维度模糊集的隶属度函数，k(
·
)表示空间核函数，βk表示第k条模糊规则的后件参数。
[0016]
可选的，导纳控制模型的表达式如下：
[0017][0018]
其中，md表示惯性系数，bd表示阻尼系数，kd表示弹性系数，fd表示人机交互力期望值，f表示人机交互力预测值，表示导纳输出期望位置的二阶导数，表示给定期望位置的二阶导数。
[0019]
可选的，根据差值，对导纳控制模型的参数进行调节，包括：
[0020]
通过计算公式kd(t)＝χδf(t)，得到调节后的刚度系数kd(t)；其中，δf(t)表示差值，δf(t)＝fd(t)-f(t)，fd(t)表示第t个待测时刻的人机交互力期望值，f(t)表示第t个待测时刻的人机交互力预测值，χ表示刚度调节参数；
[0021]
通过计算公式bd(t)＝δδf(t)，得到调节后的阻尼系数bd(t)，δ表示阻尼调节参数。
[0022]
可选的，变导纳控制模型的表达式如下：
[0023][0024][0025]
其中，表示第t个待测时刻导纳输出期望位置的二阶导数，表示第t个待测时刻给定期望位置的二阶导数。
[0026]
可选的，根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度，包括：
[0027]
通过计算公式
[0028][0029]
得到期望关节角度r(t)；其中，r(t)表示第t个待测时刻的期望关节角度。
[0030]
可选的，位置控制器为pd控制器。
[0031]
可选的，根据期望关节角度，利用位置控制器对外骨骼进行控制，包括：
[0032]
通过计算公式
[0033]
[0034][0035]
e＝r(t)-x(t)
[0036]
得到位置控制器输出的控制信号τ；其中，ld表示微分增益，l
p
表示比例增益，e表示期望关节角度与在待测时刻采集的外骨骼的实际关节角度之间的误差，表示误差的一阶导数；
[0037]
根据控制信号对外骨骼进行控制。
[0038]
第二方面，本技术提供了一种外骨骼变导纳控制装置，包括：
[0039]
采集模块，用于采集训练数据；训练数据包括多个历史时刻的关节角度和多个历史时刻的人机交互力；
[0040]
人机交互力预测模块，用于根据多个历史时刻的关节角度和多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值；
[0041]
交互力差值计算模块，用于计算人机交互力预测值和预先设定的人机交互力期望值之间的差值；
[0042]
变导纳控制模块，用于构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型；其中，参数包括刚度系数和阻尼系数；
[0043]
期望关节角度模块，用于根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度；
[0044]
外骨骼控制模块，用于根据期望关节角度，利用位置控制器对外骨骼进行控制。
[0045]
第三方面，本技术提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的外骨骼变导纳控制方法。
[0046]
第四方面，本技术提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的外骨骼变导纳控制方法。
[0047]
本技术的上述方案有如下的有益效果：
[0048]
本技术通过采集多个历史时刻的关节角度和多个历史时刻的人机交互力，并由此构建人机交互力预测模型，再计算人机交互力预测值和预先设定的人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，得到变导纳控制模型，最后根据变导纳控制模型输出的期望关节角度，利用位置控制器对外骨骼进行控制。其中，通过计算人机交互力预测值和人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，能够对导纳参数进行实时控制调整，使其更加贴合实际运动需求，提高了外骨骼控制的准确度。
[0049]
本技术的其它有益效果将在随后的具体实施方式部分予以详细说明。
附图说明
[0050]
为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0051]
图1为本技术一实施例提供的外骨骼变导纳控制方法的流程图；
[0052]
图2为本技术一实施例提供的构建人机交互力模型的流程图；
[0053]
图3为本技术一实施例提供的外骨骼变导纳控制方法具体实施流程图；
[0054]
图4为本技术一实施例提供的外骨骼变导纳控制装置的结构示意图；
[0055]
图5为本技术一实施例提供的终端设备的结构示意图。
具体实施方式
[0056]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
[0057]
应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0058]
还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0059]
如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0060]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0061]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0062]
针对目前外骨骼控制的准确度较低的问题，本技术提供了一种外骨骼变导纳控制方法、装置、终端设备及介质，通过采集多个历史时刻的关节角度和多个历史时刻的人机交互力，并由此构建人机交互力预测模型，再计算人机交互力预测值和预先设定的人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，得到变导纳控制模型，最后根据变导纳控制模型输出的期望关节角度，利用位置控制器对外骨骼进行控制。其中，通过计算人机交互力预测值和人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，能够对导纳参数进行实时控制调整，使其更加贴合实际运动需求，提高了外骨骼控制的准确度。
[0063]
如图1所示，本技术提供的外骨骼变导纳控制方法包括以下步骤：
[0064]
步骤11，采集训练数据。
[0065]
在本技术的实施例中，上述训练数据包括多个历史时刻的关节角度和多个历史时刻的人机交互力。
[0066]
针对关节角度，可采用常见的关节角度采集方法采集关节角度，例如：光电式运动捕捉系统(使用多个摄像头捕捉身体运动轨迹和关节角度，通过软件处理和计算得到关节角度)、惯性测量单元(通过穿戴惯性测量单元，测量运动物体的角速度和加速度等数据，计算关节角度)以及传感器(安装在关节附近，以测量关节的位置和角度)。
[0067]
针对人机交互力，可通过外骨骼反馈的人机交互力数据采集人机交互力。
[0068]
步骤12，根据多个历史时刻的关节角度和多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值。
[0069]
具体的，人机交互力预测模型的表达式如下：
[0070][0071]
其中，f(t)表示第t个待测时刻对应的人机交互力预测值，λi表示第i个历史时刻的训练数据对应的拉格朗日乘子，i＝1,2,...,n，n表示历史时刻的总数量，φk(
·
)表示第k条模糊规则的隶属度函数，z(ht)表示输入模糊模型第ht个历史时刻的变量值，包括该历史时刻的关节角度和该历史时刻的人机交互力，vk(z(ht))表示对第k条模糊规则中模糊集隶属度函数总的乘积，r表示模糊规则的数量，表示对第k条模糊规则中的第q个维度模糊集的隶属度函数，k(
·
)表示空间核函数，βk表示第k条模糊规则的后件参数。
[0072]
下面对本技术实施例中构建交人机交互力预测模型的过程进行示例性说明。
[0073]
步骤12.1，根据多个历史时刻的关节角度和多个历史时刻的人机交互力，构建外骨骼机器人系统的ts模糊模型。
[0074]
ts模糊模型(ts fuzzy model)是一种用于处理非线性系统的控制稳定分析方法。
[0075]
在本技术的实施例中，上述ts模糊模型的表达式为
[0076][0077]
其中，
[0078][0079]
上式中，x1(t)表示采集的第t个历史时刻的髋关节角度，x2(t)表示采集的第t个历史时刻的膝关节角度，x3(t)表示采集的第t个历史时刻的踝关节角度，f(t)表示采集的第t个历史时刻的人机交互力。
[0080]
步骤12.2，将常规ts模糊模型规则融合，并经过空间核函数投影到高维空间。
[0081]
经过步骤12.2得到的新的ts模糊模型的表达式如下：
[0082][0083][0084][0085]
其中，
[0086]
表示投影到高维空间中的后件变量。
[0087]
步骤12.3，求解新的ts模糊模型中的参数。
[0088]
上述参数包括αk和βk。
[0089]
步骤12.3.1，根据新的ts模糊模型，构建如下目标函数：
[0090][0091][0092]
其中，e(zi,t)表示误差，e(zi,t)＝r(t)-f(t)，ξ表示在近似精度和泛化之间进行权衡的正则化因子。
[0093]
步骤12.3.2，根据目标函数，构建拉格朗日函数。
[0094]
拉格朗日函数的表达式如下：
[0095][0096]
其中，λi表示拉格朗日乘子。
[0097]
步骤12.3.3，求解拉格朗日函数。
[0098]
具体的，求得拉格朗日函数的解为：
[0099][0100]
[0101][0102][0103]
步骤12.3.4，将拉格朗日函数的解转化为矩阵，得到中间ts模糊模型。
[0104]
拉格朗日函数的解转化为矩阵后，其具体表现形式为：
[0105][0106][0107][0108][0109]
引入核函数(如径向基函数(rbf，radial basis function))，得到参数γi和βk。
[0110]
将αk(t)代入规则之中的输出，得到中间ts模糊模型，其具体表达式如下：
[0111][0112]
步骤12.3.5，对中间ts模糊模型进行隶属度函数加权，得到人机交互力预测模型。
[0113]
上述步骤12的过程具体如图2所示，首先采集多个历史时刻的关节角度和多个历史时刻的人机交互力(如图2中步骤21)，然后将常规ts模糊模型规则融合，并经过空间核函数投影到高维空间，得到ts模糊模型(如图2中步骤22；其中，步骤22.1表示ts模糊模型规则融合，步骤22.2表示将融合后的ts模糊模型规则经过空间核函数投影到高维空间)，再结合采集的人机交互力，得到人机交互力预测模型(如图2中步骤23)。
[0114]
在本技术的一实施例中，上述ts模糊模型规则融合的表达式如下：
[0115][0116]
其具体过程为将1-l1条模糊规则融合为一条新的模糊规则，l1+1-l2条模糊规则融合为一条新的模糊规则，直到全部l条模糊规则全部融合完，l1,l2∈1,2,...,l。
[0117]
在本技术的一实施例中，上述将融合后的ts模糊模型规则经过空间核函数投影到高维空间的表达式如下：
[0118][0119]
其中，表示新的模糊规则(非线性)，通过投影函数将其投影到高维空间后，得到线性模糊规则。
[0120]
步骤13，计算人机交互力预测值和预先设定的人机交互力期望值之间的差值。
[0121]
上述人机交互力期望值可根据专家知识获取，示例性的，在本技术的实施例中，预先构建专家知识数据库，该数据库包括若干专家知识(例如：在某一人体运动阶段应该施加给外骨骼的人机交互力期望值)，在执行步骤13时，从该数据库中获取与人机交互力预测值运动阶段对应的人机交互力期望值。
[0122]
步骤14，构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型。
[0123]
其中，参数包括刚度系数和阻尼系数。
[0124]
具体的，导纳控制模型的表达式如下：
[0125]
[0126]
其中，md表示惯性系数，bd表示阻尼系数，kd表示弹性系数，fd表示人机交互力期望值，f表示人机交互力预测值，表示导纳输出期望位置的二阶导数，表示给定期望位置的二阶导数。
[0127]
在本技术的实施例中，变导纳控制模型的表达式如下：
[0128][0129][0130]
其中，表示第t个待测时刻导纳输出期望位置的二阶导数，表示第t个待测时刻给定期望位置的二阶导数。
[0131]
步骤15，根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度。
[0132]
具体的，通过计算公式
[0133][0134]
得到期望关节角度r(t)。
[0135]
其中，r(t)表示第y个待测时刻的期望关节角度。
[0136]
步骤16，根据期望关节角度，利用位置控制器对外骨骼进行控制。
[0137]
在本技术的实施例中，上述位置控制器为pd控制器(pd controller)。
[0138]
下面对步骤14(构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型)中根据差值，对导纳控制模型的参数进行调节的过程进行示例性说明。
[0139]
步骤14.1，通过计算公式kd(t)＝χδf(t)，得到调节后的刚度系数kd(t)。
[0140]
其中，δf(t)表示差值，δf(t)＝fd(t)-f(t)，fd(t)表示第t个待测时刻的人机交互力期望值，f(t)表示第t个待测时刻的人机交互力预测值，χ表示刚度调节参数。
[0141]
步骤14.2，通过计算公式bd(t)＝δδf(t)，得到调节后的阻尼系数bd(t)，δ表示阻尼调节参数。
[0142]
下面对步骤16(根据期望关节角度，利用位置控制器对外骨骼进行控制)的具体过程进行示例性说明。
[0143]
步骤16.1，通过计算公式
[0144][0145][0146]
e＝r(t)-x(t)
[0147]
得到位置控制器输出的控制信号τ。
[0148]
其中，ld表示微分增益，l
p
表示比例增益，e表示期望关节角度与采集的外骨骼的实际关节角度之间的误差，表示误差的一阶导数。
[0149]
步骤16.2，根据控制信号对外骨骼进行控制。
[0150]
根据控制信号对外骨骼进行控制对于本领域的技术人员而言属于公知常识，在此不对其进行赘述。
[0151]
有上述步骤可见，本技术提供的外骨骼变导纳控制方法，通过采集多个历史时刻的关节角度和多个历史时刻的人机交互力，并由此构建人机交互力预测模型，再计算人机交互力预测值和预先设定的人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，得到变导纳控制模型，最后根据变导纳控制模型输出的期望关节角度，利用位置控制器对外骨骼进行控制。其中，通过计算人机交互力预测值和人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，能够对导纳参数进行实时控制调整，使其更加贴合实际运动需求，提高了外骨骼控制的准确度。
[0152]
下面结合具体实施例对本技术提供的外骨骼变导纳控制方法进行示例性说明。
[0153]
如图3所示，该外骨骼变导纳控制方法首先根据采集的多个历史时刻的关节角度和采集的多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值(如图3中步骤31)，然后计算人机交互力预测值和预先设定的人机交互力期望值之间的差值(如图3中步骤32)，再构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型(如图3中步骤33)，然后根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度(如图3中步骤34)，最后根据期望关节角度，利用位置控制器对外骨骼进行控制(如图3中步骤35)。
[0154]
下面对本技术提供的外骨骼变导纳控制装置进行示例性说明。
[0155]
如图4所示，该外骨骼变导纳控制装置400包括：
[0156]
采集模块401，用于采集训练数据；训练数据包括多个历史时刻的关节角度和多个历史时刻的人机交互力。
[0157]
人机交互力预测模块402，用于根据多个历史时刻的关节角度和多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值。
[0158]
交互力差值计算模块403，用于计算人机交互力预测值和预先设定的人机交互力期望值之间的差值。
[0159]
变导纳控制模块404，用于构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型；其中，参数包括刚度系数和阻尼系数。
[0160]
期望关节角度模块405，用于根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度。
[0161]
外骨骼控制模块406，用于根据期望关节角度，利用位置控制器对外骨骼进行控制。
[0162]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0163]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可
以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0164]
如图5所示，本技术的实施例提供了一种终端设备，如图5所示，该实施例的终端设备d10包括：至少一个处理器d100(图5中仅示出一个处理器)、存储器d101以及存储在所述存储器d101中并可在所述至少一个处理器d100上运行的计算机程序d102，所述处理器d100执行所述计算机程序d102时实现上述任意各个方法实施例中的步骤。
[0165]
具体的，所述处理器d100执行所述计算机程序d102时，通过采集多个历史时刻的关节角度和多个历史时刻的人机交互力，并由此构建人机交互力预测模型，再计算人机交互力预测值和预先设定的人机交互力期望值之间的差值，对导纳控制模型的参数进行调节，得到变导纳控制模型，最后根据变导纳控制模型输出的期望关节角度，利用位置控制器对外骨骼进行控制。其中，通过计算人机交互力预测值和人机交互力期望值之间的差值，来对导纳控制模型的参数进行调节，能够对导纳参数进行实时控制调整，使其更加贴合实际运动需求，提高了外骨骼控制的准确度。
[0166]
所称处理器d100可以是中央处理单元(cpu，central processing unit)，该处理器d100还可以是其他通用处理器、数字信号处理器(dsp，digital signal processor)、专用集成电路(asic，application specific integrated circuit)、现成可编程门阵列(fpga，field-programmable gatearray)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0167]
所述存储器d101在一些实施例中可以是所述终端设备d10的内部存储单元，例如终端设备d10的硬盘或内存。所述存储器d101在另一些实施例中也可以是所述终端设备d10的外部存储设备，例如所述终端设备d10上配备的插接式硬盘，智能存储卡(smc，smart media card)，安全数字(sd，secure digital)卡，闪存卡(flash card)等。进一步地，所述存储器d101还可以既包括所述终端设备d10的内部存储单元也包括外部存储设备。所述存储器d101用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器d101还可以用于暂时地存储已经输出或者将要输出的数据。
[0168]
本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0169]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
[0170]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以
为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到外骨骼变导纳控制装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0171]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0172]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0173]
在本技术所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0174]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0175]
本技术提供的外骨骼变导纳控制方法具备以下优点：
[0176]
(1)设计了一种ts模糊模型，该模型利用空间核函数将模糊规则约简，使得模糊模型能够更好的被运用。
[0177]
(2)建立了人机交互力的预测方法，由于在一个步态周期中，穿戴者与外骨骼机器人之间的交互力具有周期的特性，因此通过关节角度以及前时刻的人机交互力作为输入，建立了ts模糊模型，完成对人机交互力的预测。
[0178]
(3)将行走分为不同的阶段，利用专家经验知识给定不同的外骨骼期望辅助力，将其与模糊模型预测的下一时刻交互力进行比较，通过这一差值实时对导纳参数进行调整，改善了导纳控制参数全局不变的问题，提升了人机交互的舒适性与运动的柔顺性。
[0179]
以上所述是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：
1.一种外骨骼变导纳控制方法，其特征在于，包括：采集训练数据；所述训练数据包括多个历史时刻的关节角度和多个历史时刻的人机交互力；根据所述多个历史时刻的关节角度和所述多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值；计算所述人机交互力预测值和预先设定的人机交互力期望值之间的差值；构建用于控制外骨骼的导纳控制模型，并根据所述差值，对所述导纳控制模型的参数进行调节，得到变导纳控制模型；其中，所述参数包括刚度系数和阻尼系数；根据所述变导纳控制模型，得到所述外骨骼在待测时刻的期望关节角度；根据所述期望关节角度，利用位置控制器对所述外骨骼进行控制。2.根据权利要求1所述的外骨骼变导纳控制方法，其特征在于，所述人机交互力预测模型的表达式如下：其中，f(t)表示第t个待测时刻对应的人机交互力预测值，λ
i
表示第i个历史时刻的训练数据对应的拉格朗日乘子，i＝1，2，...，n，n表示历史时刻的总数量，φ
k
(
·
)表示第k条模糊规则的隶属度函数，z(ht)表示输入模糊模型第ht个历史时刻的变量值，包括该历史时刻的关节角度和该历史时刻的人机交互力，v
k
(z(ht))表示对第k条模糊规则中模糊集隶属度函数总的乘积，r表示模糊规则的数量，表示对第k条模糊规则中的第q个维度模糊集的隶属度函数，k(
·
)表示空间核函数，β
k
表示第k条模糊规则的后件参数。3.根据权利要求2所述的外骨骼变导纳控制方法，其特征在于，所述导纳控制模型的表达式如下：其中，m
d
表示惯性系数，b
d
表示阻尼系数，k
d
表示弹性系数，f
d
表示所述人机交互力期望值，f表示所述人机交互力预测值，表示导纳输出期望位置的二阶导数，表示给定期望位置的二阶导数。4.根据权利要求3所述的外骨骼变导纳控制方法，其特征在于，所述根据所述差值，对所述导纳控制模型的参数进行调节，包括：通过计算公式k
d
(t)＝χδf(t)，得到调节后的刚度系数k
d
(t)；其中，δf(t)表示所述差值，δf(t)＝f
d
(t)-f(t)，f
d
(t)表示第t个待测时刻的人机交互力期望值，f(t)表示第t个待测时刻的人机交互力预测值，χ表示刚度调节参数；通过计算公式b
d
(t)＝δδf(t)，得到调节后的阻尼系数b
d
(t)，δ表示阻尼调节参数。5.根据权利要求4所述的外骨骼变导纳控制方法，其特征在于，所述变导纳控制模型的
表达式如下：表达式如下：其中，表示第t个待测时刻导纳输出期望位置的二阶导数，表示第t个待测时刻给定期望位置的二阶导数。6.根据权利要求5所述的外骨骼变导纳控制方法，其特征在于，所述根据所述变导纳控制模型，得到所述外骨骼在待测时刻的期望关节角度，包括：通过计算公式得到所述期望关节角度r(t)；其中，r(t)表示第t个待测时刻的期望关节角度。7.根据权利要求6所述的外骨骼变导纳控制方法，其特征在于，所述位置控制器为pd控制器；所述根据所述期望关节角度，利用位置控制器对所述外骨骼进行控制，包括：通过计算公式通过计算公式e＝r(t)-x(t)得到所述位置控制器输出的控制信号τ；其中，l
d
表示微分增益，l
p
表示比例增益，e表示所述期望关节角度与在待测时刻采集的外骨骼的实际关节角度之间的误差，表示所述误差的一阶导数；根据所述控制信号对所述外骨骼进行控制。8.一种外骨骼变导纳控制装置，其特征在于，包括：采集模块，用于采集训练数据；所述训练数据包括多个历史时刻的关节角度和多个历史时刻的人机交互力；人机交互力预测模块，用于根据所述多个历史时刻的关节角度和所述多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值；交互力差值计算模块，用于计算所述人机交互力预测值和预先设定的人机交互力期望值之间的差值；变导纳控制模块，用于构建用于控制外骨骼的导纳控制模型，并根据所述差值，对所述导纳控制模型的参数进行调节，得到变导纳控制模型；其中，所述参数包括刚度系数和阻尼系数；期望关节角度模块，用于根据所述变导纳控制模型，得到所述外骨骼在待测时刻的期望关节角度；
外骨骼控制模块，用于根据所述期望关节角度，利用位置控制器对所述外骨骼进行控制。9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的外骨骼变导纳控制方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的外骨骼变导纳控制方法。

技术总结
本申请适用于外骨骼机器人技术领域，提供了一种外骨骼变导纳控制方法、装置、终端设备及介质，通过采集训练数据；根据多个历史时刻的关节角度和多个历史时刻的人机交互力，构建交人机交互力预测模型，得到待测时刻的人机交互力预测值；计算人机交互力预测值和预先设定的人机交互力期望值之间的差值；构建用于控制外骨骼的导纳控制模型，并根据差值，对导纳控制模型的参数进行调节，得到变导纳控制模型；根据变导纳控制模型，得到外骨骼在待测时刻的期望关节角度；根据期望关节角度，利用位置控制器对外骨骼进行控制。本申请能提高外骨骼控制的准确度。制的准确度。制的准确度。


技术研发人员：陆新江 刘睿廷 柏昀旭
受保护的技术使用者：中南大学
技术研发日：2023.05.15
技术公布日：2023/7/7