宋春寧，郭子銘，，王 燦

(1.廣西大學(xué)電氣工程學(xué)院，廣西 南寧 530004；2.中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院，廣東 深圳 518055)

1 引言

下肢外骨骼機(jī)器人依據(jù)仿生學(xué)的原理，在人體外部構(gòu)建外骨骼的框架和驅(qū)動(dòng)，對(duì)穿戴者提供支撐和助力功能。然而隨著科技的發(fā)展以及康復(fù)需求的增加，人們對(duì)康復(fù)外骨骼的人機(jī)交互控制要求越來越高，使用物理信號(hào)(足底壓力信號(hào)、關(guān)節(jié)角度信號(hào))實(shí)現(xiàn)人機(jī)交互實(shí)時(shí)，因采集信號(hào)滯后性，造成實(shí)時(shí)控制外骨骼機(jī)器人不夠穩(wěn)定。人體表面肌電信號(hào)(Surface electromyography，sEMG)響應(yīng)速度快，易于人機(jī)交互實(shí)現(xiàn)實(shí)時(shí)控制，成為當(dāng)前研究的熱點(diǎn)。

在sEMG信號(hào)識(shí)別方面，中國(guó)科學(xué)院研發(fā)了基于sEMG信號(hào)手勢(shì)識(shí)別的外骨骼機(jī)器人[1]。西北工業(yè)大學(xué)研發(fā)了基于sEMG的多類adaboost算法來對(duì)手勢(shì)進(jìn)行識(shí)別[2]。加拿大拉瓦爾大學(xué)研究團(tuán)隊(duì)捕獲sEMG信號(hào)活動(dòng)來檢測(cè)手勢(shì)，完成對(duì)機(jī)械臂的引導(dǎo)工作[3]。為了解決意圖識(shí)別問題，電子科技大學(xué)研發(fā)了通過模糊算法進(jìn)行控制的下肢外骨骼機(jī)器人[4]；中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院研究的第四代康復(fù)外骨骼機(jī)器人，采用腦電與sEMG結(jié)合的方式控制外骨骼站立和行走[5]；浙江大學(xué)研究團(tuán)隊(duì)采用了卷積神經(jīng)網(wǎng)絡(luò)將sEMG信號(hào)分解為多個(gè)流，模擬肌肉和手勢(shì)之間的相關(guān)性完成對(duì)意圖的識(shí)別[6]；上海交通大學(xué)通過預(yù)編程控制方式，使用慣性測(cè)量傳感器在線監(jiān)測(cè)使用者的姿態(tài)，研發(fā)了基于肌電的BP神經(jīng)網(wǎng)絡(luò)手寫識(shí)別系統(tǒng)[7]。

綜上所述，目前對(duì)于康復(fù)外骨骼機(jī)器人的人機(jī)交互控制的研究還不夠完善，只有少數(shù)是通過sEMG實(shí)現(xiàn)人機(jī)交互完成對(duì)手勢(shì)意圖的識(shí)別，絕大多數(shù)都是通過物理信號(hào)采用預(yù)編程被動(dòng)式的控制方式規(guī)劃行走步態(tài)，并沒有將意圖與控制步態(tài)聯(lián)系起來。因此，本文采用基于手臂sEMG信號(hào)實(shí)現(xiàn)人體運(yùn)動(dòng)意圖識(shí)別；利用運(yùn)動(dòng)過程中關(guān)節(jié)在空間位移曲線函數(shù)規(guī)劃與運(yùn)動(dòng)意圖相對(duì)應(yīng)的步態(tài)；構(gòu)建運(yùn)動(dòng)意圖與步態(tài)控制的聯(lián)系，完成運(yùn)動(dòng)意圖控制步態(tài)實(shí)時(shí)切換，改善外骨骼與穿戴者的人機(jī)交互體驗(yàn)。

2 實(shí)驗(yàn)設(shè)備系統(tǒng)描述

SIAT康復(fù)外骨骼機(jī)器人重15千克，共有4個(gè)主動(dòng)驅(qū)動(dòng)關(guān)節(jié)和2個(gè)被動(dòng)的彈性關(guān)節(jié)。主動(dòng)驅(qū)動(dòng)關(guān)節(jié)與人體的左右膝、髖四個(gè)關(guān)節(jié)耦合，采用盤式伺服電機(jī)加諧波減速器的驅(qū)動(dòng)方式，為外骨骼穿戴者在矢狀面上助力；被動(dòng)彈性關(guān)節(jié)與左右踝關(guān)節(jié)耦合，裝配有彈簧，可以有效地增加運(yùn)動(dòng)時(shí)的緩沖。為適應(yīng)不同體型的外骨骼穿戴者，外骨骼機(jī)械結(jié)構(gòu)部分的大腿和小腿連桿可在一定范圍內(nèi)調(diào)節(jié)長(zhǎng)度，腰部在可在一定范圍內(nèi)調(diào)節(jié)寬度。通過調(diào)整連桿長(zhǎng)度和腰部寬度，可適用身高在165cm-185cm之間的殘疾人進(jìn)行穿戴，圖1所示。

圖1 實(shí)驗(yàn)設(shè)備

本文使用了Biometrics PS850便攜式sEMG信號(hào)采集系統(tǒng)，該系統(tǒng)包括專門用于sEMG測(cè)量的傳感器和儀器。圖1中顯示了8通道無(wú)線sEMG信號(hào)采集設(shè)備，本文使用了3個(gè)通道，其中每個(gè)通道對(duì)應(yīng)一塊肌肉的sEMG數(shù)據(jù)。

Vicon-nexus(VN)動(dòng)作捕捉系統(tǒng)可用于實(shí)時(shí)在線或離線運(yùn)動(dòng)捕捉和分析。工作原理基于反射式捕獲系統(tǒng)，該系統(tǒng)需要佩戴反射球，當(dāng)VN攝像機(jī)向反射球發(fā)射紅光時(shí)，反射球會(huì)將相同波長(zhǎng)的紅光反射到攝像機(jī)確定每個(gè)反射球的二維坐標(biāo)，通過VN軟件處理獲得每個(gè)反射球的3D坐標(biāo)和軌跡。在這項(xiàng)研究中，使用了六個(gè)攝像機(jī)捕捉運(yùn)動(dòng)狀態(tài)并對(duì)步態(tài)進(jìn)行分析如圖1所示。

3 運(yùn)動(dòng)意圖識(shí)別與步態(tài)設(shè)計(jì)分析

針對(duì)不同的運(yùn)動(dòng)意圖設(shè)定不同的運(yùn)動(dòng)步態(tài)，是人機(jī)交互的一項(xiàng)重要環(huán)節(jié)。BP神經(jīng)網(wǎng)絡(luò)可以有效地幫助外骨骼機(jī)器人在實(shí)際中獲得自主學(xué)習(xí)的能力，通過辨識(shí)sEMG識(shí)別運(yùn)動(dòng)意圖，達(dá)到實(shí)時(shí)控制外骨骼機(jī)器人的目標(biāo)。

3.1 運(yùn)動(dòng)意圖識(shí)別

BP神經(jīng)網(wǎng)絡(luò)是一種通用函數(shù)逼近，可將輸入信號(hào)投影到具有一組特定權(quán)重值的線性可分離空間中[8]。對(duì)于基于sEMG信號(hào)的運(yùn)動(dòng)意圖識(shí)別，輸入的是從特征提取階段處理的手臂sEMG信號(hào)。三角肌、肱二頭肌和指伸肌信號(hào)從輸入層經(jīng)過隱藏層傳遞到輸出層。使用多層感知機(jī)(MLP)的輸出用于幫助分析步行，如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)

由圖所示輸入層中的節(jié)點(diǎn)數(shù)為3，代表sEMG信號(hào)的通道數(shù)。輸入向量是與每個(gè)通道相對(duì)應(yīng)的sEMG特征向量的序列。輸出向量是運(yùn)動(dòng)意圖。從輸入層到隱藏層的傳遞函數(shù)是雙曲正切S型傳輸函數(shù)(tansig)，從隱藏層到輸出層的傳遞函數(shù)是邏輯回歸中的sigmoid函數(shù)。選擇動(dòng)量批梯度下降函數(shù)(traingdm)作為BPNN的訓(xùn)練函數(shù)，學(xué)習(xí)率設(shè)置為0.01。

(1)

(2)

n1=log2n

(3)

3.2 步態(tài)分析

外骨骼的運(yùn)動(dòng)步態(tài)通常是基于正常人的運(yùn)動(dòng)步態(tài)規(guī)劃的，如圖3所示。

圖3 行走相位

康復(fù)式外骨骼一般會(huì)結(jié)合拐杖幫助穿戴者維持身體平衡，在這種狀態(tài)下一個(gè)完整的步態(tài)周期可以按照?qǐng)D4所示的方式進(jìn)行劃分。

圖4 外骨骼運(yùn)動(dòng)相位

根據(jù)不同的運(yùn)動(dòng)意圖，建立相對(duì)應(yīng)的運(yùn)動(dòng)模型，通過運(yùn)動(dòng)模型規(guī)劃適用于特定運(yùn)動(dòng)意圖的步態(tài)。將踝關(guān)節(jié)作為坐標(biāo)原點(diǎn)，大腿和小腿看作是兩個(gè)相連的連桿。

在本文中，驅(qū)動(dòng)關(guān)節(jié)的運(yùn)動(dòng)被約束在矢狀面內(nèi)。使用連桿模型近似表示人體的軀干和大小腿，膝關(guān)節(jié)和髖關(guān)節(jié)為連桿的轉(zhuǎn)軸。在水平地面上行走的過程中，髖關(guān)節(jié)、膝關(guān)節(jié)及踝關(guān)節(jié)在矢狀面內(nèi)其運(yùn)動(dòng)軌跡是周期性的曲線。在進(jìn)行外骨骼步態(tài)軌跡規(guī)劃時(shí)，可以采用正弦波、三角波的方式來近似關(guān)節(jié)的運(yùn)動(dòng)軌跡。當(dāng)關(guān)節(jié)點(diǎn)的運(yùn)動(dòng)軌跡確定后，可使用連桿約束反解出關(guān)節(jié)角度。最終達(dá)到髖關(guān)節(jié)與膝關(guān)節(jié)協(xié)同控制，如圖5所示。采用正弦波y=Asin(ωx+φ)+k對(duì)步態(tài)軌跡進(jìn)行規(guī)劃。

圖5 連桿結(jié)構(gòu)模型

同理可求出左腳水平坐標(biāo)xlf(i)=2sl/T*t(i)，左腳縱坐標(biāo)ylf(i)其中振幅A=sh/2，常數(shù)k=sh/2，角頻率ω=2π/sl，初相位φ=π/2。左膝xlk與ylk計(jì)算如下所示

(4)

(5)

運(yùn)動(dòng)方向?yàn)閤軸正方向，左膝值取xlk的最大值與其對(duì)應(yīng)的ylk。

當(dāng)xlf(i)=xh(i)，同時(shí)滿足ylk=0.5yh(i)時(shí)，xlk(i)=(xh(i)+xlf(i))/2。當(dāng)xlf(i)=xh(i)，同時(shí)滿足ylk≠0.5yh(i)時(shí)，xlk(i)=xlk(i-1)。

同理，右膝位置值取xrk的最大值與其對(duì)應(yīng)的yrk。

當(dāng)xrf(i)=xh(i)，同時(shí)滿足yrk(i)=0.5yh(i)時(shí)，xrk(i)=(xh(i)+xrf(i))/2。當(dāng)xrf(i)=xh(i)，同時(shí)滿足yrk(i)≠0.5yh(i)時(shí)，xrk(i)=xrk(i-1)。

關(guān)節(jié)角度為

左髖角度：

(6)

右髖角度：

(7)

右膝角度：

(8)

左膝角度：

(9)

為了確保實(shí)驗(yàn)的穩(wěn)定性，測(cè)取了10名身高在165～185cm的正常被試者行走時(shí)抬腿的高度，見表1。

表1 行走過程抬腳高度

取中間值11.5cm為抬腳高度，四自由度膝關(guān)節(jié)和髖關(guān)節(jié)角度如圖6所示。

圖6 下肢關(guān)節(jié)角度

根據(jù)運(yùn)動(dòng)模型規(guī)劃出運(yùn)動(dòng)軌跡，如圖7所示。

圖7 規(guī)劃步態(tài)軌跡

4 意圖識(shí)別與步態(tài)穩(wěn)定性驗(yàn)證實(shí)驗(yàn)

運(yùn)動(dòng)意圖識(shí)別需要對(duì)原始sEMG信號(hào)進(jìn)行解碼。利用特定運(yùn)動(dòng)動(dòng)作可以有效的幫助sEMG信號(hào)規(guī)律化，降低解碼的難度。步態(tài)的穩(wěn)定性需要對(duì)當(dāng)前的運(yùn)動(dòng)狀態(tài)進(jìn)行分析，利用關(guān)節(jié)角度與足底壓力的相關(guān)性以及判斷重心位置都可以有效判斷當(dāng)前運(yùn)動(dòng)狀態(tài)的穩(wěn)定性。

4.1 運(yùn)動(dòng)意圖

本文對(duì)小步行走，大步行走和停止行走三種運(yùn)動(dòng)意圖進(jìn)行識(shí)別。在外骨骼穿戴訓(xùn)練過程中，訓(xùn)練穿戴者通過特定手部動(dòng)作產(chǎn)生相應(yīng)的運(yùn)動(dòng)意圖sEMG信號(hào)。三種運(yùn)動(dòng)意圖與特定手部動(dòng)作對(duì)應(yīng)關(guān)系(見表2)為：

表2 意圖識(shí)別動(dòng)作

sEMG采集傳感器在信號(hào)采集過程中，需要一直緊貼受試者的皮膚表面；需要考慮到sEMG信號(hào)穩(wěn)定可復(fù)現(xiàn)；同時(shí)還需兼顧到信號(hào)采集傳感器不能干涉外骨骼穿戴者的其它運(yùn)動(dòng)。在本文中，采集手臂特定肌肉(三角肌、肱二頭肌和指伸肌)的sEMG信號(hào)進(jìn)行特征編碼，如圖8所示。根據(jù)國(guó)際電生理學(xué)和運(yùn)動(dòng)機(jī)能學(xué)學(xué)會(huì)(ISEK)的標(biāo)準(zhǔn)以及sEMG的指南對(duì)電極進(jìn)行定位，對(duì)每塊肌肉進(jìn)行無(wú)創(chuàng)評(píng)估。為了獲得準(zhǔn)確的實(shí)驗(yàn)數(shù)據(jù)，本實(shí)驗(yàn)采用了五名年齡在20～30歲之間的健康志愿者。

圖8 sEMG信號(hào)采集位置

本文中sEMG信號(hào)采集頻率為1000Hz。受試者在每種運(yùn)動(dòng)意圖下，連續(xù)的做相應(yīng)的手部動(dòng)作10次；總共采集45000個(gè)數(shù)據(jù)點(diǎn)。sEMG信號(hào)的電壓范圍在0～1mV，如圖9所示。信號(hào)預(yù)處理階段，sEMG信號(hào)首先需要使用50Hz的陷波處理消除工頻干擾；接著需要使用無(wú)限長(zhǎng)單位脈沖響應(yīng)數(shù)字濾波器(IIR)進(jìn)行帶寬為10～500Hz帶通濾波[9]；最后經(jīng)過信號(hào)預(yù)處理后，進(jìn)行特征提取。

圖9 采集sEMG信號(hào)

常用的特征提取方法可以分為三類：時(shí)域分析，頻域分析和時(shí)頻域分析。時(shí)域分析中的均方根(Root Mean Square，RMS)特征可以反映sEMG信號(hào)幅度隨時(shí)間變化的特性，與信號(hào)的電功率直接相關(guān)，延遲小因而具有較好的實(shí)時(shí)性。

本文使用RMS對(duì)sEMG信號(hào)的特征進(jìn)行提取。RMS的滑動(dòng)窗口尺度設(shè)定為20，窗口的移動(dòng)步長(zhǎng)設(shè)定為10。sEMG信號(hào)通過RMS提取的特征向量會(huì)產(chǎn)生毛刺，需要使用截止頻率為1Hz巴特沃斯濾波器(Butterworth filter)進(jìn)行低通濾波，結(jié)果如圖10所示。

圖10 sEMG信號(hào)

同一時(shí)刻的三個(gè)肌肉的RMS特征即可構(gòu)成一個(gè)三維的特征向量，特征向量的類別標(biāo)簽通過相應(yīng)時(shí)刻所對(duì)應(yīng)的手部動(dòng)作給定。

經(jīng)過上述的特征提取后，總共得到4500組帶類別標(biāo)簽的特征向量，每個(gè)動(dòng)作包含1500個(gè)數(shù)據(jù)樣本。將整個(gè)數(shù)據(jù)集按照隨機(jī)抽取的方式，訓(xùn)練集與測(cè)試集的方式分配為80%：20%，通過間隔0.5的交叉驗(yàn)證在[-10，10]的區(qū)間中尋找最佳的懲罰系數(shù)c和幅寬參數(shù)g，最后使用反歸一化得出測(cè)試集預(yù)測(cè)結(jié)果。為減少錯(cuò)誤預(yù)測(cè)結(jié)果的數(shù)量，將預(yù)測(cè)值在區(qū)間[-0.5，0.5]的特征向量判定為類別0，預(yù)測(cè)值大于0.5的特征向量判定為類別1，預(yù)測(cè)值小于-0.5的特征向量判定為類別-1。通過上述處理，測(cè)試集測(cè)試結(jié)果如圖11所示。

圖11 測(cè)試集預(yù)測(cè)結(jié)果

其中1，0，-1分別代表小步行走、停止行走及大步行走三種運(yùn)動(dòng)意圖的類別標(biāo)簽，○代表真實(shí)類別標(biāo)簽，*代表預(yù)測(cè)結(jié)果。訓(xùn)練集識(shí)別結(jié)果，如圖12所示。

圖12 訓(xùn)練集預(yù)測(cè)結(jié)果

通過交叉驗(yàn)證，采用不同的折數(shù)測(cè)試最優(yōu)意圖識(shí)別率。調(diào)節(jié)折數(shù)后對(duì)比預(yù)測(cè)結(jié)果可知，當(dāng)折數(shù)達(dá)到9折的時(shí)候，意圖識(shí)別準(zhǔn)確率達(dá)到最高，混淆矩陣對(duì)比結(jié)果如圖13所示。意圖識(shí)別率見表3。

圖13 混淆矩陣對(duì)比結(jié)果(BPNN)

表3 意圖識(shí)別率

建立的意圖識(shí)別模型針對(duì)同一被試者在不同的時(shí)間點(diǎn)均可以有效的識(shí)別運(yùn)動(dòng)意圖。

4.2 步態(tài)穩(wěn)定性驗(yàn)證

通過地面上標(biāo)記路線和拐杖支撐點(diǎn)位置。外骨骼穿戴者需要將手杖支撐點(diǎn)放在地面上的標(biāo)記附近，在行走過程所構(gòu)成的支撐結(jié)構(gòu)如圖14所示。

圖14 三角形支撐面重心

其中α為COP點(diǎn)到每條邊的最短距離。P代表支撐點(diǎn)，G代表重心位置，f代表地面壓力。

αca=dc⊥p1p2

(10)

(11)

支撐點(diǎn)的位置會(huì)影響支撐結(jié)構(gòu)的穩(wěn)定性。當(dāng)支撐結(jié)構(gòu)為銳角三角形時(shí)，重心會(huì)落在三角形內(nèi)部，構(gòu)成穩(wěn)定狀態(tài)；當(dāng)支撐結(jié)構(gòu)為直角三角形時(shí)，重心會(huì)落在三角形斜邊上，構(gòu)成臨界穩(wěn)定狀態(tài)；當(dāng)支撐結(jié)構(gòu)為鈍角三角形時(shí)，重心會(huì)落在三角形之外，構(gòu)成不穩(wěn)定狀態(tài)[10]。

外骨骼運(yùn)動(dòng)過程中采集不同步長(zhǎng)與步態(tài)下的足底壓力數(shù)據(jù)(取最大支撐壓力的平均值)如表4所示。支撐點(diǎn)壓力數(shù)據(jù)使用VN動(dòng)態(tài)捕捉系統(tǒng)配合三維測(cè)力跑臺(tái)采集。

表4 不同步長(zhǎng)與步態(tài)下的足底壓力

足底壓力數(shù)據(jù)產(chǎn)生在足部的支撐階段，但整體的運(yùn)動(dòng)過程中包含足部的搖擺相階段，所以只分析足部支撐階段足底壓力與關(guān)節(jié)角度的相關(guān)系數(shù)。

(12)

表5 關(guān)節(jié)角度與足底壓力相關(guān)系數(shù)

相關(guān)系數(shù)越高步態(tài)就越穩(wěn)定[11][12]。從表5中發(fā)現(xiàn)r>0.7說明相關(guān)性比較強(qiáng)，規(guī)劃的步態(tài)趨于穩(wěn)定。

畫出步長(zhǎng)為55厘米濾波后的步態(tài)重心軌跡圖，如圖15所示。

圖15 運(yùn)動(dòng)重心變化軌跡

圖15表明了運(yùn)動(dòng)重心變化的步態(tài)標(biāo)準(zhǔn)值(通過VN動(dòng)態(tài)捕捉采集)，規(guī)劃步態(tài)(按照規(guī)劃步態(tài)行走)，未規(guī)劃步態(tài)(未按照規(guī)劃步態(tài)行走)。對(duì)比每組步態(tài)中兩種步態(tài)和標(biāo)準(zhǔn)值的差異，發(fā)現(xiàn)規(guī)劃的步態(tài)和標(biāo)準(zhǔn)值更為相近，在穩(wěn)定行走時(shí)重心軌跡的波峰波谷更為非常相近，由此得出規(guī)劃步態(tài)更為穩(wěn)定。

5 實(shí)時(shí)意圖控制

為了能夠?qū)崟r(shí)獲取運(yùn)動(dòng)意圖，通過不同的運(yùn)動(dòng)意圖改變外骨骼機(jī)器人的步態(tài)。使用Visual-Stutio建立外骨骼Windows presentation foundation (WPF)控制界面；建立基于BPNN的Matlab意圖識(shí)別程序；使用IP地址和端口建立Matlab與外骨骼WPF控制界面實(shí)時(shí)通信連接，搭建sEMG信號(hào)實(shí)時(shí)采集系統(tǒng)與Matlab實(shí)時(shí)通信連接，使其同時(shí)運(yùn)行。實(shí)時(shí)意圖控制框圖如圖16所示。

圖16 實(shí)時(shí)意圖控制框圖

sEMG信號(hào)實(shí)時(shí)采集系統(tǒng)將采集的sEMG信號(hào)連續(xù)發(fā)送到Matlab建立的BPNN模型中，通過對(duì)sEMG信號(hào)解碼，識(shí)別人體運(yùn)動(dòng)意圖。不同的運(yùn)動(dòng)意圖設(shè)定不同的編碼，當(dāng)識(shí)別到小步行走的意圖，系統(tǒng)向后臺(tái)發(fā)送編碼信號(hào)1；識(shí)別到停止運(yùn)動(dòng)意圖，系統(tǒng)向后臺(tái)發(fā)送編碼信號(hào)0；識(shí)別到大步行走的意圖，系統(tǒng)向后臺(tái)發(fā)送編碼信號(hào)-1。外骨骼控制界面實(shí)時(shí)偵聽已識(shí)別的意圖信號(hào)編碼，并在控制界面運(yùn)行與編碼意圖相對(duì)應(yīng)的控制程序，完成步態(tài)切換。最終實(shí)現(xiàn)外骨骼機(jī)器人通過不同的意圖切換與意圖相對(duì)應(yīng)的步態(tài)。

為了確保安全性，觸發(fā)方式設(shè)定為需要偵聽到連續(xù)三組相同意圖信號(hào)的觸發(fā)方式，并設(shè)定在每組步態(tài)運(yùn)行時(shí)偵聽的編碼信號(hào)無(wú)效。當(dāng)外骨骼機(jī)器人在每組步態(tài)運(yùn)行完畢時(shí)，下一組意圖偵聽開始，偵聽結(jié)果會(huì)有一定程度的延遲。

6 結(jié)論

實(shí)驗(yàn)結(jié)果表明：

1)通過BP神經(jīng)網(wǎng)絡(luò)對(duì)手部特定動(dòng)作的sEMG信號(hào)解碼識(shí)別率可以達(dá)到96.68%，實(shí)現(xiàn)對(duì)外骨骼穿戴者運(yùn)動(dòng)意圖的精確識(shí)別，解決物理信號(hào)滯后的問題。

2)根據(jù)外骨骼穿戴者的運(yùn)動(dòng)意圖實(shí)時(shí)控制步態(tài)切換，可以有效地提升外骨骼的人機(jī)交互體驗(yàn)。

3)本文建立的運(yùn)動(dòng)模型可以根據(jù)步高和步長(zhǎng)兩個(gè)參數(shù)構(gòu)建出足底壓力與關(guān)節(jié)角度相關(guān)系數(shù)均大于0.7的步態(tài)，實(shí)現(xiàn)穩(wěn)定的外骨骼步態(tài)軌跡以及驅(qū)動(dòng)單元對(duì)電機(jī)的控制軌跡規(guī)劃。在康復(fù)訓(xùn)練中，穩(wěn)定的步態(tài)可以幫助患者更加安全、快速的恢復(fù)腿部肌肉活力。