高泰恒 古翠紅

摘要：針對柔性外骨骼肢體末端所安裝的慣性系統(tǒng)出現(xiàn)故障或超量程的問題，本文研究了一種基于機器學習的柔性外骨骼步態(tài)識別與魯棒自主定位方法。該方法采用支持向量機（SVM）算法模型對柔性外骨骼的多種常規(guī)步態(tài)類型進行識別，根據(jù)不同的步態(tài)類型構(gòu)建不同的卷積-長短期記憶（VGG-LSTM）深層混合神經(jīng)網(wǎng)絡模型，在實時生成虛擬慣性測量組件（IMU）的同時，降低了VGG-LSTM神經(jīng)網(wǎng)絡模型的復雜性。定位系統(tǒng)工作中通過判斷實際IMU的故障，利用虛擬IMU構(gòu)成具備系統(tǒng)重構(gòu)能力的強魯棒性自主定位方法。研究結(jié)果表明，機器人肢節(jié)末端IMU在常規(guī)步態(tài)下出現(xiàn)故障時，系統(tǒng)重構(gòu)后的自主定位性能與無故障情況下基本保持一致。

關(guān)鍵詞：柔性外骨骼;慣性導航系統(tǒng);機器學習;步態(tài)識別;虛擬IMU

近年來，柔性外骨骼人機智能系統(tǒng)（下文簡稱柔性外骨骼）已成為機器人技術(shù)、機電工程、自動控制、生物工程以及人工智能等學科領(lǐng)域中一個新的研究熱點。柔性外骨骼由于一般是由行人穿戴著進行運動學控制，且其運動學結(jié)構(gòu)和人體肢體基本一致，所以基于微慣技術(shù)的遞推式行人導航方法同樣適用于柔性外骨骼，同時也存在傳感器組件故障與超量程將對系統(tǒng)性能帶來影響的弊端。構(gòu)建虛擬慣性傳感器是解決該問題的有效方法之一。通過誤差反向傳播神經(jīng)網(wǎng)絡實現(xiàn)虛擬IMU的構(gòu)建，但是該方法使用的神經(jīng)網(wǎng)絡層數(shù)較少，構(gòu)建的虛擬IMU精度相對較低。

一、柔性外骨骼慣性導航系統(tǒng)方案設(shè)計

本文所研究的柔性外骨骼導航系統(tǒng)包括兩組分布式安裝的慣性傳感器相關(guān)組件。其中，慣性/地磁傳感器組件安裝于柔性外骨骼肢體末端（本文以機器人穿戴式足部機械結(jié)構(gòu)為例，下文簡稱足部），慣性傳感器組件安裝于柔性外骨骼下肢的其他部位（本文以與足部同側(cè)的大腿機械結(jié)構(gòu)外側(cè)為例，下文簡稱大腿），兩組IMU以相同的頻率采集數(shù)據(jù)，并同時通過機器視覺等其他手段記錄柔性外骨骼行走時的步態(tài)類型。

二、柔性外骨骼步態(tài)類型識別和虛擬IMU的構(gòu)建

當柔性外骨骼在沖擊或高過載運動中，足部IMU可能會出現(xiàn)超量程或故障等問題，本文通過VGG-LSTM混合模型構(gòu)建虛擬足部IMU，代替實際IMU繼續(xù)完成柔性外骨骼定位功能。為了在保證神經(jīng)網(wǎng)絡對虛擬和實際慣性傳感信息逼近精度的前提下，降低VGG-LSTM神經(jīng)網(wǎng)絡的復雜程度，本文通過SVM對柔性外骨骼的不同步態(tài)類型進行識別，并針對不同的步態(tài)類型采用不同的VGG-LSTM混合模型參數(shù)來構(gòu)建虛擬IMU，從而縮短VGG-LSTM混合模型的訓練時間。

三、柔性外骨骼定位系統(tǒng)的誤差修正

柔性外骨骼處于不同步態(tài)時，系統(tǒng)通過足部加速度計和陀螺儀的輸出，設(shè)計相應的閾值，對柔性外骨骼足部進行零速檢測。零速檢測算法由以下4個條件組成。C1、C2、C3和C4分別是根據(jù)加速度計的矢量和、加速度計Z軸的值、陀螺儀的矢量和和陀螺儀Y軸的值來判斷是否滿足零速的條件。

在通過上述條件檢測到柔性外骨骼足部運動的零速區(qū)間后，將觸發(fā)卡爾曼濾波器進行慣導系統(tǒng)的誤差估計與修正。

基于卡爾曼濾波的零速修正算法。在通過上述條件檢測到柔性外骨骼足部運動的零速區(qū)間后，將觸發(fā)卡爾曼濾波器進行慣導系統(tǒng)的誤差估計與修正。本文基于捷聯(lián)式慣性導航誤差狀態(tài)方程建立擴展卡爾曼濾波器?？柭鼮V波器由15維誤差狀態(tài)量組成：

式中，為數(shù)學平臺誤差角;為位置誤差;為東北天三向的速度誤差; 為三軸加速度計的一階馬爾科夫過程;為三軸陀螺儀的隨機常值。

將上述慣導誤差方程作為狀態(tài)方程，以柔性外骨骼實際或虛擬IMU構(gòu)成的慣導系統(tǒng)在零速區(qū)間解算的速度與理想零速差值構(gòu)成速度誤差觀測量，濾波器將進行濾波預測和濾波更新。當在非零速區(qū)間，系統(tǒng)無法獲得觀測值時，卡爾曼濾波器僅作濾波預測。

四、基于系統(tǒng)重構(gòu)的柔性外骨骼導航系統(tǒng)性能驗證

為驗證本文所提出的重構(gòu)系統(tǒng)的方法在故障情況下的可行性，在室外進行兩組柔性外骨骼導航試驗，用差分GPS作為實驗驗證的定位基準。分別在兩條路線上進行柔性外骨骼常規(guī)步速行進實驗。利用采集到的足部和腿部慣性傳感器數(shù)據(jù)構(gòu)建VGG-LSTM神經(jīng)網(wǎng)絡模型，進行VGG-LSTM模型測試得到虛擬IMU。分別將重構(gòu)的慣性信息和實際慣性信息進行導航解算和零速修正，并將導航結(jié)果進行對比，以驗證該重構(gòu)的慣性定位系統(tǒng)的性能。

在系統(tǒng)出現(xiàn)故障的情況下，通過VGG-LSTM神經(jīng)網(wǎng)絡模型構(gòu)建的慣性定位系統(tǒng)與無故障情況下的實際慣性定位系統(tǒng)定位精度基本相當，本文所提出的方法對柔性外骨骼足部慣性傳感器的故障有一定的容錯能力，可提高定位系統(tǒng)的魯棒性與可靠性。

五、總結(jié)

本文提出了一種基于深度學習的虛擬IMU及其定位系統(tǒng)的構(gòu)建方法，該方法可以有效解決柔性外骨骼運動過程中IMU出現(xiàn)過載或者故障導致導航系統(tǒng)無法進行導航的問題。該方法用SVM對柔性外骨骼步態(tài)類型進行識別，針對不同的步態(tài)類型，用不同的VGG-LSTM神經(jīng)網(wǎng)絡模型參數(shù)構(gòu)建虛擬IMU，當足部IMU出現(xiàn)過載或故障時，用虛擬IMU信息代替足部實際IMU實現(xiàn)柔性外骨骼導航定位功能。實驗驗證表明，虛擬IMU構(gòu)成的定位系統(tǒng)的性能與實際IMU所構(gòu)成的定位系統(tǒng)的性能基本相當，可以在故障情況下繼續(xù)實現(xiàn)一定精度的柔性外骨骼導航定位功能。

指導老師（通訊作者）：古翠紅 山東協(xié)和學院

山東協(xié)和學院 山東濟南 250200