下肢外骨骼人体步态相位识别技术研究

摘要：外骨骼是一种人机协调的辅助设备，只有外骨骼的动作跟随人体一起运动，才能实现人机融合，达到助力的效果。步态相位识别的研究是满足人机协调运动的关键技术核心，文章对国内外外骨骼人体步态相位信息的采集方法以及识别算法进行了调研与分析，这将为外骨骼人体步态相位识别技术的发展提供一定的理论基础。

关键词：步态相位  采集方法  外骨骼  识别算法

1.正文

外骨骼目前主要的研究国家有美国和欧洲国家，其研究的目的是增强单兵作战能力以及医疗康复[1]。到21世纪，随着科学技术的不断发展，外骨骼逐渐受到越来越多的研究者的关注。

1.1外骨骼步态采集方法研究现状

对于步态相位的研究，首先需要通过传感器采集人体运动数据信息，然后根据运动信息采用相应的识别算法对一个周期内的步态进行识别，最后根据识别的相位信息对外骨骼进行有效的控制[2]。

日本的外骨骼机器人处于世界领先水平，研制的HAL外骨骼机器人采用表面肌电传感器获取人体肌肉表面的肌电信号，通过肌电信号解析出人体运动相位信息。

哈佛大学的Wyss实验室对髋关节提供伸展助力的柔性外骨骼系统进行了研究，为了检测每条腿的最大髋屈曲角度以及步态相位，在每条大腿前部分别安装两个imu，实时测量大腿角度以及相位变化。

瑞士苏黎世联邦理工学院感知-运动系统实验室的Riener团队发布了新版下肢外骨骼机器人MyoSwiss。该外骨骼采用3个惯性传感器获取人体步态信息，进行步态相位识别。

国内对于外骨骼的研究起步较晚，近几年国内各大高校以及研究机构也展示了实验样机，并且取得了一定的成果。

海军航空工程学院研制的外骨骼，采用了足底压力传感器采集人体运动信息。通过识别算法对运动相位进行判断识别，从而实现外骨骼机器人的运动控制[3]。

中国科学院大学的陈春杰等人设计了基于柔性传动的助力全身外骨骼机器人，其感知系统包括倾角传感器、足底压力传感器等。倾角传感器可以获取穿戴者身体姿态信息[4]，通过一个周期内的足底压力信号对相位进行判断。

西南交通大学的周攀等人设计了一款基于姿态传感器的下肢助力外骨骼机器人，其中，在人的大腿、小腿以及脚面上各佩戴一个姿态传感器以测得角度信息[5]，对人体步态相位进行识别。

1.2外骨骼步态识别算法研究现状

为了使下肢外骨骼机器人的运动更加符合人体运动状态，满足人机协调的运动效果，并且保证穿戴者与人体的安全性，需要对步态相位进行准确的识别，其中，步态相位识别的算法也是至关重要的。

Liu D X等人利用三个分别分布在大腿，小腿和脚上的惯性测量单元获得步态信息，提出了一种同时识别人体行为和步态相位的贝叶斯公式，能实现对在周期内所划分的八个步态相位识别，但是其平均识别率较低。

Dong J H等人将一个惯性传感单元固定在大腿上，并在脚底布置了三个开关传感器，由此获得了角度和角速度以及脚底压力信号，使用决策树和人工神经网络识别步态相位识别。

杭成成等人提出了一种SVM-KNN步态识别算法，即将SVM算法和KNN算法结合起来识别，取长补短，利用各自的优点，弥补不足，在SVM超平面附近使用KNN分类器[6]。

中国科学院的段有康基于肌电信号采用支持向量机的步态相位识别方法，同时开展基于相位划分的下肢连续运动预测模型训练。

2 存在的问题

根据上述研究现状进行分析，可以总结出现有外骨骼步态采集系统以及步态识别算法存在以下问题：

（1）根据上述分析可知，人體运动信息一般可由两类传感器实现：机械式传感器与生理电信号传感器。机械式传感器存在获取人体运动信息迟滞于人体真实运动意图的情况，容易造成外骨骼人机运行不协调。生理电信号往往可以提供比人体实际运动信号更超前的数据信息，可增强人机系统的同步性能。此外，想要准确的识别运动步态及外骨骼穿戴者的运动意图依靠单一类型的数据很难满足要求，同时依靠单类型的生物信号进行步态相位识别时，原始肌电信号易受到干扰[7]，影响识别准确率。因此，可以采用多传感融合的方式进行步态相位识别。

（2）较为常用的步态相位识别算法有SVM以及KNN等，这两种识别算法各有优缺点。SVM对于距离超平面较远的样本识别效果好，反之出错率比较大。KNN算法需要计算待测的样本与已知样本的距离，所以存在计算量大耗时长的问题。因此，可以融合二者的优点，互相补充，以取得更好的识别效果。

3 总结

外骨骼在军事领域和民用领域都有着广泛的应用前景，而人体步态相位的准确识别对于精确控制外骨骼有着关键的作用，通过优化外骨骼机器人的传感器以及识别算法提高步态相位识别准确率，才能更好的满足人机协调的运动效果。

参考文献

[1]柯显信，陈玉亮，唐文彬.人体下肢外骨骼机器人的发展及关键技术分析[J].机器人技术与应用，2009（06）：28-32.

[2]龙亿. 下肢外骨骼人体运动预测与人机协调控制技术研究[D].哈尔滨工业大学，2017.

[3]孙兆君. 可穿戴助力机器人传感器信号预测算法和控制器的设计[D].中国科学技术大学，2009.

[4]朱其欢. 面向外骨骼机器人的柔顺人机连接机构研究[D].苏州大学，2017.

[5]周攀. 基于姿态传感器的人体步态预测算法设计与实现[D].西南交通大学，2016.

[6]杭成成. 基于sEMG信号的下肢运动意图识别研究[D].武汉理工大学，2019.

[7]李芳，王人成.肌电信号及其运动模式辨识方法的发展趋势[J].中国康复医学杂志，2005（07）：492-493.

作者简介：柳金康，男，汉族，山东潍坊，1997年2.9，硕士研究生，研究方向：机械工程。