基于多传感器融合数据采集系统的下肢外骨骼机器人步态识别算法研究

摘要

下肢外骨骼机器人近年来在各个领域得到广泛的研究和应用，尤其在军事领域，穿戴下肢外骨骼机器人可以帮助士兵负重，以及在医疗领域，助力型下肢外骨骼机器人可以帮助残障人士行走或者进行康复训练。而快速、高精度和多分类的步态识别方法对精确控制下肢外骨骼机器人有关键影响。因此围绕穿戴外骨骼机器人状态下的步态识别，完成的主要工作如下：　　①通过对电机驱动和电缸驱动的动力外骨骼机器人的控制原理的研究，可知其主要的控制方式为位置控制和运动姿态切换，由此确定了本文步态识别的主要内容是步态相位识别和运动姿态识别。针对人体行走步态相位和运动姿态进行了基础分析，揭示了关节角度和足底压力对步态相位识别和运动姿态识别的重要影响。　　②针对关节角度和足底压力的数据采集问题，设计了一套以惯性传感器和薄膜压力传感器为主的步态数据采集系统。并且利用LabVIEW软件设计了上位机界面，实现了步态数据的实时存储和实时监控，为后续实验提供了数据采集条件。　　③在步态相位识别方面，以模糊理论为基础，自定隶属度函数、模糊规则和反模糊化方法，提出了一种模糊识别算法，用以识别步态相位。实验验证了该算法具有良好的识别率，可为外骨骼机器人的位置控制提供数据支持。　　④在运动姿态识别方面，基于支持向量机理论设计了以RBF径向基函数为核函数的运动姿态识别算法。选取了时域特征、频域特征中的FFT系数和自定特征组成特征集，带入识别算法中训练出运动识别模型。为防止过拟合和提高识别率，提出了SVM-RFE的改进识别算法，将特征集利用递归特征消除法进行特征选择，得到最优特征子集，训练得到最优运动识别模型。实验验证了改进运动识别算法较一般算法的识别精度有所提高且识别效果良好，可为外骨骼机器人的运动姿态切换提供理论思路。

目录

1 绪论

1.1 研究课题的背景

1.2 国内外外骨骼及其步态识别方法研究现状

1.3 研究的主要内容及研究意义

1.4 本文的结构安排

2 步态相位和运动姿态分析

2.1 动力外骨骼机器人的控制原理分析

2.2 人体行走步态相位分析

2.2.1 标准三维人体坐标系的建立

2.2.2 各个关节角度的分析

2.2.3 脚结构及足底受力分析

2.2.4 行走步态相位分析

2.3 人体运动姿态分析

2.4 本章小结

3 步态数据采集系统的设计

3.1 压力传感器的选择

3.1.1 压力传感器的硬件参数和调试

3.1.2 压力传感器的布置方式

3.2 惯性传感器的选择

3.2.1 惯性传感器分类和选择

3.2.2 角度数据解算和处理

3.3 采集系统单片机的选择

3.3.1 基于STM32F407单片机的采集系统

3.3.2 基于Arduino Mega2560单片机的采集系统

3.4.1 SD卡存储方式

3.4.2 LabVIEW软件的存储方式

3.5 步态采集系统的确定

3.6 本章小结

4 穿戴外骨骼机器人的行走步态相位识别

4.1 模糊算法理论基础

4.1.1 模糊集合与隶属度函数

4.1.2 模糊规则与模糊推理

4.1.3 反模糊化的方法

4.2 基于改进模糊算法的步态相位识别

4.2.1 模糊算法的总体框架

4.2.2 隶属度函数的参数确定

4.2.3 模糊规则的制定

4.3 步态相位识别实验

4.4 本章小结

5 穿戴外骨骼机器人的人体下肢运动姿态识别

5.1.1 线性可分SVM

5.1.2 非线性可分SVM

5.1.3 核函数选择

5.2 运动识别算法改进

5.2.1 特征提取

5.2.2 特征选择

5.2.3 基于嵌入式特征选择的改进算法

5.3 运动识别算法实验

5.4 本章小结

6 总结与展望

参考文献

附录

A. 作者在攻读硕士学位期间参与的科研项目

B. 学位论文数据集:

致谢