基于比例归一化阈值的外骨骼步态识别方法

宋 鹏，莫新民，邓亚萍，王 晶，韦祖拔

(西北机电工程研究所,陕西 咸阳 712099)

目前中大口径火炮的弹丸质量和尺寸都比较大，人工装填困难，如何在确保安全的前提下，快速完成炮弹装填已成为难题[1]。外骨骼是一种将人的智力与机器体力完美结合的高端智能装备，可为士兵提供助力，让炮兵更加轻松、快速地完成炮弹搬运和装填的任务。炮兵穿戴外骨骼后不但能代替穿戴者本身承担武器装备和炮弹的质量，还可以减少士兵正常行走时的体力消耗，这将显著增强炮兵作战的机动性和耐久性[2-3]。尽可能发挥外骨骼的作用，而不至于成为士兵的“累赘”，这就要求其运动跟随性能要好，即能够及时跟随穿戴它的士兵。足底传感系统是外骨骼运动意图识别最为关键的部分之一。笔者使用薄膜式压力传感器设计了一种外骨骼足底传感系统，并提出了基于比例归一化阈值的步态识别方法。

1 足底传感系统设计

足底传感系统是基于比例归一化阈值步态识别方法的硬件基础。它主要由传感鞋和信号转接板组成，它可以将足底所需部位受到的压力信号转换为可供采集的电压信号。

1.1 传感鞋设计

在测足底压力时，一般方法是选用测力鞋垫，所测压力数据易受温度影响，故无法连续测量足底压力，而且测力鞋垫处于足与鞋之间，诸多干扰因素严重影响到了测量数据的有效性[4-7]。因此，笔者选用了薄膜式压力传感器安装至鞋底的方式进行足底压力测量实验。

根据上述分析，选用Tekscan公司生产的A401薄膜式压力传感器，如图1所示。该传感器柔韧性好，能够测量相对力的变化和力变化的速率，可用于足底压力测试。

在传感器安装布局上，考虑到人在静止站立时或行走过程中足底压力不是平均分布在足底的，压力主要分布在足前部和足后部，内足弓基本没有受力，本实验将压力传感器安装在鞋底，不考虑内外足弓的压力变化。在实验的鞋底安装分区板，A401压力传感器布置在分区板的区域内，然后粘贴一层耐磨橡胶垫，形成硬质分区板、压力传感器、耐磨橡胶垫3层结构。A401薄膜式压力传感器在对应分区板上的位置如图2所示。

1.2 信号转接板设计

信号转接板采用运算放大器隔离放大，使用参考电压UT=0.5 V激励薄膜式压力传感器。整个电路由1个放大器和1个减法器组成，如图3所示。其中放大器用于将薄膜式压力传感器小电流信号放大为电压信号，减法器用于电压信号的偏移和比例调节，使输出电压信号范围在0～5 V之间，保证信号的完整性。另外采用两级运放串联的电路设计方式，对于改善阻抗干扰有较好的作用。电路输出电压大小与传感器阻值Rs关系如式(1)所示。

(1)

由于信号转接板输出电压值和传感器表面所受压力成线性关系，线性误差小于3%，并且信号响应时间小于5 μs，因此在外骨骼设备中可提供更流畅的步态[8]。

2 数据采集与分析

对数据的采集和分析是基于比例归一化阈值步态识别方法的前提。NI cRIO-9030是一种嵌入式的CompactRIO控制器，带实时处理器和可重配置FPGA。NI cRIO-9030可将足底传感系统采集到的压力数据传至上位机，实验采样频率为100 Hz。在上位机LabVIEW软件中即可得到实时的足底压力数据，并可将采集到的数据保存为TDMS文件。

左右足底薄膜式压力传感器的电路结构、参数均相同。采集到的其中两个步态2.6 s内足底各分区板典型压力数据如图4所示。由图4可以看出人体行走足底压力信号是周期性的。足尖部和足根部压力较小，单只足底的压力在支撑期呈双凸形分布。

以左足为例，将各分区板上传感器压力数据取平均值后归一化的曲线如图5所示，其中分区板分别从足前部至后部称为分区板1至分区板5。由图5分析知人体平地行走时足底压力总是沿足后部至足前部压力依次达到最大值进行的。这也是笔者提出基于比例归一化阈值的步态识别方法的基本依据。

3 步态识别方法

通常来说步态识别指的是步态时相的识别。步态时相又称为步态相位，是对人体行走一个周期的详细划分。步态时相的正确识别对于外骨骼稳定和实时控制有重要意义。

3.1 基于双阈值的步态识别方法

目前，基于双阈值的时相识别方法(直接阈值法)是最为简单、普遍的一种实时步态时相判定方法，一般分别在两只足底前后各安装一个压力传感器即可[9-10]。由于本实验鞋底分区板1和分区板2上传感器处于鞋底的前后边缘处，所测压力过小。在选择阈值时难以将干扰压力信号区分开，因此将其舍弃。可将足底分区板2和分区板3上的传感器的压力求和作为前脚掌压力，将分区板4的压力求和作为后脚掌压力。选取合适的压力值ON(1.2 V)和OFF(0.7 V)分别作为阈值判别前足或者后足是否与地面接触。

规定压力传感器上压力大于ON阈值则设为1，小于OFF阈值则为0，判定条件呈施密特触发特性，从而求得足底前部和后部压力分布曲线与对应足底状态，如图6所示。直接阈值法不仅可以防止足在摆动时足背屈等导致传感器压力变化所产生的误判，还可以避免足与地面接触时所测压力在某个压力值附近振荡造成的识别紊乱。

将双脚4个等效压力值通过双阈值判定后得到4位二进制数，用8421码表示，对应16种时相，如表1所示。

表1 基于足底力识别输出与时相对应

在实际测试和分析中发现基于双阈值的时相识别方法主要存在以下几个问题：

1)同测试者因负重变化,或不同测试者因体重改变而使设定的经验阈值无法准确地判定步态时相。

2)足底压力传感器若要保证提高阈值减少毛刺干扰，需在安装位置上避开鞋底两端的压力不敏感区。这将导致判定足底时相时存在滞后现象。

3)即使足底压力传感器安装在鞋底两端并减少了干扰因素影响，但仍有可能导致判定的时相不连续(如同侧足底压力由正常的后足-前足转变为后足-无压力-前足)。

3.2 基于比例归一化阈值的步态识别方法

针对双阈值时相识别方法在实际测试中的问题，笔者提出了基于比例归一化阈值的时相识别方法。

比例归一化方法为

(2)

足前部和足后部的压力等效值为

(3)

该方法的算法流程图如图7所示。其中平均压力值可以有效避免足底左右侧压力分布不均匀的影响；比例归一化可以降低穿戴者负重不同和干扰信号的影响；等效压力值可以使得单侧足底前后压力值的连贯性更强。

选取不同比例值对同一个步态数据进行步态识别，其中曲线a:k1=k2=k3=k4=1，k5=0;曲线b:

k1=0，k2=k3=k4=k5=1;曲线c:k1=k5=0.5，k2=1,k3=k4=0.8，识别结果如图8所示。可以看出在阈值不变的情况下，仅改变比例值即可控制和改变时相识别结果。

为减少平地行走情况下脚跟着地和脚尖离地的识别时间，选取k1=0.5，k2=k3=k4=1，k5=0.8进行时相识别；同时根据步态时相的划分标准和实验采样数据进行人工判别理想步态时相，如图9所示。可以看出比例归一化方法能够较好地跟踪理想步态时相。

3.3 两种步态识别方法对比

比例归一化阈值法和直接阈值法对同一个步态采样数据的时相识别结果如图10所示。从中可以看出比例归一化阈值法较直接阈值法减少了30～60 ms左右的识别时间，识别的结果更接近于实际情况。识别结果对比发现改进的识别算法在单足支撑相(时相值3、12)变短、双足支撑相 (时相值6、9) 变长，使得外骨骼稳定性增强。

4 结束语

为提高外骨骼的运动跟随能力，设计了一种基于薄膜式压力传感器的外骨骼足底传感系统，并完成了平地行走的足底压力数据采集。采用足底传感系统采集，并解算出足底压力信号，提出了一种基于比例归一化阈值的步态识别方法。使用测试数据对基于双阈值的步态识别算法和基于比例归一化阈值的步态识别算法进行了比较和分析，发现后者的步态识别结果较好，与直接阈值法相比，通过灵活选取比例值和归一化的思路使得算法鲁棒性更好、适用面更广、对不同人及不同负载下的适应能力更强，甚至可以提高算法识别的灵敏度。本文对外骨骼传感系统设计和步态识别研究有一定的指导作用，为炮兵穿戴外骨骼后搬运、装填炮弹，达到人机耦合的目的提供了理论参考。

参考文献(References)

[1] 刘琮敏,孙大鹏,范志国,等. 中大口径火炮弹药自动装填技术[J].火炮发射与控制学报,2013(3):93- 96.

LIU Congmin, SUN Dapeng, FAN Zhiguo, et al. Automatic ammunition handling technique of mesium and large caliber gun[J]. Journal of Gun Launch & Control，2013(3):93-96. (in Chinese)

[2] 周加永，莫新民，张昂，等.外骨骼助力机器人研究现状与关键技术分析[J]．兵器装备工程学报，2016，37(10):99-104．

ZHOU Jiayong，MO Xinmin，ZHANG Ang，et al. Analysis

of exoskeleton assist robot research status[J]. Journal of Ordnance Equipment Engineering，2016,37(10): 99-104．(in Chinese)

[3] 卫锦萍. 国外军用可穿戴装备发展探析[J]. 军事文摘,2016(19):33-35.

WEI Jinpin. Research on the development of foreign military wearable equipment[J]. Military Digest,2016(19):33-35. (in Chinese)

[4] 肖博. 人体下肢运动信息采集系统设计[D].北京：北京工业大学,2012: 2-7.

XIAO Bo. Acquisition system design of human lower limbs motion information[D]. Beijing: Beijing University of Technology, 2012:2-7.(in Chinese)

[5] CHE D，KWON O，SHIM J，et al. Design of multipurpose sensing system for human gait analysis[C]∥SICEI-CASE, 2006 International Joint Conference. IEEE, 2007:1168-1173.

[6] PAPPAS I P I， POPOVIC M R， KELLER T，et al. A reliable gait detection system[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2001,9 (2): 113-125.

[7] 韩亚丽,高海涛,吴在罗,等. 基于PVDF的足底测力系统研究[J]. 机械设计与制造,2015(6):67-71.

HAN Yali，GAO Haitao，WU Zailuo，et al. The study of foot pressure measurement system based on PVDF[J].Machinery Design & Manufacture, 2015(6):67-71. (in Chinese)

[8] 赵浩,莫新民,纪平鑫,等.下肢助力外骨骼服传感靴的优化设计[J].单片机与嵌入式系统应用,2015,15(2):56-59.

ZHAO Hao, MO Xinmin, JI Pingxin, et al. Optimization design for sensing boot of lower extremity exoskeleton suit[J]. Microcontrollers & Embedded Systems,2015,15(2):56-59. (in Chinese)

[9] 张行. 穿戴式步态矫形器感知系统研究[D].武汉：武汉理工大学,2014：49-58.

ZHANG Hang. Research on the perception system of wearable gait orthosis[D]. Wuhan：Wuhan University of Technology, 2014：49-58. (in Chinese)

[10] 耿艳利. 下肢运动模式识别及动力型假肢膝关节控制方法研究[D].天津：河北工业大学,2012：87-91.

GENG Yanli. Motion pattern recognition and control of active knee prosthesis[D]. Tianjing：Hebei University of Technology, 2012：87-91. (in Chinese)