田啟磊　王鈺

摘要：為實時、靈活和方便地示教下肢外骨骼機器人的步態(tài)，提出利用慣性傳感器實時示教步態(tài)的方法。通過示教者下肢末端的傳感器，實時采集腳掌的位姿數據，再根據逆向運動學理論建立下肢各關節(jié)角的算法，從而實現每條下肢只需一只傳感器即可示教步態(tài)的要求。通過安放在小腿和大腿上的其他慣性傳感器實測的數據，驗證該方法可行性。研究結果表明，該方法時間滯后0.15 s，關節(jié)最大誤差在2°范圍內，能夠實現步態(tài)的實時示教控制。

關鍵詞：下肢外骨骼；步態(tài)示教；動捕系統；慣性傳感器

中圖分類號：TP24 文獻標志碼：A

借助下肢外骨骼機器人康復卒中后偏癱患者的肢體功能，是康復機器人領域研究的熱點之一[1-2]，而機器人步態(tài)的示教與控制，則是其中的一個研究重點。目前下肢外骨骼機器人的步態(tài)生成方法主要有以下幾種：1）拖拽方式，通過位置控制牽引患者進行重復的康復訓練[3-4]，但勞動強度高，靈活性差，沒有實時性；2）力控方式，通過多個傳感器直接測量由人體肌肉收縮而產生的力[5-6]，或者建立人機動力學模型估計穿戴者的運動意圖[7-11]，根據患者的運動能力調節(jié)機器人輔助力矩，完成對下肢外骨骼步態(tài)的控制，這種方法穿戴不便，操作復雜，同樣缺少靈活性與實時性；3）生物電方式，通過采集運動過程中產生的生物信號判斷患者運動意圖，從而實現對下肢外骨骼的控制[12-14]，缺點是成本高，信號易受干擾，控制魯棒性差；4）光學動捕方式，通過光學傳感器采集人體步態(tài)運動特征點，與人體數據庫比對優(yōu)化后作為機器人末端控制器的數據輸入，從而控制機器人運動[15]，但成本高，空間占用大，受環(huán)境因素影響大，無實時性。本文提出了一種基于單個慣性傳感器的下肢外骨骼實時步態(tài)示教方法，將靈活性、實時性以及成本低等優(yōu)點集于一體，并對比分析Simulink仿真結果與動捕系統分布在下肢其他部位上的慣性傳感器實時采集的關節(jié)轉角數據，驗證了該方法能幫助患者復現示教軌跡。

1 基于慣性動捕系統的步態(tài)示教方法

1.1 基于慣性動捕系統的步態(tài)示教原理

圖1為步態(tài)示教與控制的完成流程，傳感器采集的數據通過UDP通訊至上位機，濾波后，腳背傳感器的數據輸給逆向運動學算法，計算出相對于腰部坐標系的關節(jié)坐標，然后關節(jié)坐標傳給由MultiBody工具箱建立的仿真模型，動態(tài)記錄和展示示教步態(tài)的軌跡。

1.2 慣性傳感設備選型

選用常見的慣性動作捕捉設備，型號為VDSuit，相對于光學相機步態(tài)識別方法，慣性動捕系統適應性強，穿戴方便，不受場地環(huán)境的影響。如圖2所示，動捕系統由17個慣性傳感器若干信號線和綁帶以及無線接收器組成，可通過綁縛于腰部、大腿中部、小腿中部及腳背部的傳感器獲取中間關節(jié)位置的轉角。因為只考慮步態(tài)在矢狀面內運動，且以腰部作為基坐標系，左右兩腿關于腰部坐標系對稱分布，所以僅以左腿驗證該步態(tài)示教方法。本文研究只限于固定于左腳背的慣性傳感器獲取大地坐標系下腳掌的位姿數據用于逆運動學分析，并與通過VDSuit慣性動作捕捉設備獲取髖關節(jié)、膝關節(jié)和踝關節(jié)轉動角度數據對比驗證逆運動學算法的正確性。

2 下肢外骨骼的正逆運動學方程D-H表示

2.1 建立坐標變換模型

基于Denavit-Hartenberg（D-H）表示法建立外骨骼下肢運動學模型，描述下肢各關節(jié)之間的坐標變化，基于人體下肢功能性康復的基本要求，下肢外骨骼三個運動自由度由髖關節(jié)屈伸、膝關節(jié)屈伸和踝關節(jié)屈伸組成，坐標變換如圖3所示，首先為下肢每個關節(jié)指定一個參考坐標系。坐標系0表示腰部基準坐標系，坐標系1表示髖關節(jié)坐標系（機器人基坐標系），坐標系2表示膝關節(jié)坐標系，坐標系3表示踝關節(jié)坐標系，坐標系G表示末端腳掌坐標系，腰部坐標系通過平移與旋轉變換到末端腳掌坐標系G。

2.2 基于D-H參數建立正逆運動學方程

腰部坐標系0到坐標系H的D-H參數見表1。θ表示繞Z軸的旋轉角，d表示關節(jié)偏置，a表示連桿長度，αi表示相鄰兩個Z軸之間的扭角。只考慮人體矢狀面上的運動，為簡化分析關節(jié)偏距均設為0；根據GB10000-1998中國成年人人體尺寸標準中18～60歲分組中占比95%的人體數據確定桿長a；由于Z1、Z2、Z3、ZG是平行的，所以繞X軸的扭角αi=0。實際情況腳尖與腳踝不在同一水平面存在夾角，所以需要補償角度θ補償，腳背部傳感器測得Z方向初始角度近似看做補償角度θ補償。

3 仿真實驗分析

基于Simulink建立仿真模型，利用位于腳掌背部的動捕系統單只慣性傳感器獲取的實時位姿數據進行運動仿真，分析下肢關節(jié)角度與動捕系統下肢傳感器直接測得的三個關節(jié)轉動角度的關系。

實驗對象為一名身高170 cm、體重74 kg的健康男性，通過示教人員特定靜態(tài)姿態(tài)與仿真模型姿態(tài)對比，驗證外骨骼機器人運動控制算法的準確性。輸入數據為實驗人員大腿長度、小腿長度、腳掌長度以及腳掌相對于腰部坐標系矢狀面的實時位姿數據。示教人員做出圖5所示姿態(tài)，通過關節(jié)中心點和腳背傳感器位置點量取關節(jié)轉角，以及穩(wěn)定姿態(tài)位置算法計算的角度見表2。仿真模型姿態(tài)與示教人員姿態(tài)數據誤差在2°以內，說明外骨骼機器人運動控制算法滿足基本要求。

在動態(tài)試驗中采集連續(xù)步態(tài)運動數據，與仿真模型運動姿態(tài)對比分析。輸入的腰部傳感器在x（行走方向）和y方向（豎直方向）位移如圖6所示，腳掌相對于腰部坐標系矢狀面的實時位姿數據如圖7所示。

在Simulink仿真設置程序運行時間t為10 s，下肢步態(tài)變化如圖8所示，仿真姿態(tài)與示教人員姿態(tài)一致。髖關節(jié)角度為垂直于地面的參考線與以股的長軸線之間所成的夾角，伸展角度為正；膝關節(jié)角度為股長軸延長線與脛長軸線之間所成夾角，伸展角度為正；踝關節(jié)角度為過踝關節(jié)與地面平行的水平線與足長軸之間的夾角，背伸角度為正。

根據髖關節(jié)、膝關節(jié)、踝關節(jié)角度的仿真結果與慣性動捕系統直接采集的下肢各個關節(jié)角度曲線對比如圖9所示，算法角度因為經二階低通濾波處理時間維度滯后0.15 s，滿足步態(tài)控制要求；角度誤差范圍在2 °以內，且不存在累積誤差。故該控制方法可以實現示教者的步態(tài)運動軌跡的復現，達到康復師快捷方便的實時的調整患者步態(tài)位姿，驗證了該步態(tài)示教方法的可行性。

4 結論

本文提出了利用單只慣性傳感器進行步態(tài)示教的方法，在Simulink平臺對其控制算法進行仿真分析，并與動捕系統實采的下肢三關節(jié)角度數據對比分析。利用單只慣性傳感器數據的下肢外骨骼步態(tài)控制方法可以很好的復現示教者的步態(tài)運動軌跡，且操作簡單靈活，成本低，能夠實時調整示教運動軌跡，減輕康復師為患者做康復訓練時的負擔。

參考文獻

［1］國家統計局. 第七次全國人口普查公報解讀［EB/OL］. ［2022-06-06］. http：//www.stats.gov.cn/tjsj/sjjd/202105/t20210512_1817336.html.

［2］《中國腦卒中防治報告》編寫組. 《中國腦卒中防治報告2019》概要［J］. 中國腦血管病雜志， 2020， 17（5）：272-281.

［3］馮永飛. 坐臥式下肢康復機器人機構設計與協調控制研究［D］.秦皇島：燕山大學，2018：34-90.

［4］趙小磊，林木松，李齊，等. 基于加速度傳感器的下肢康復機器人示教訓練［J］.傳感技術學報，2016，29（10）：1596-1601.

［5］周智雍，錢偉，丁加濤，等. 基于核化運動基元的外骨骼膝關節(jié)步態(tài)軌跡在線規(guī)劃［J］.機器人，2021，43（5）：557-566.

［6］MORITA Y， NAGASAKI M， UKAI H， et al. Development of rehabilitation training support system of upper limb motor function for personalized rehabilitation［C］// IEEE International Conference on Robotics & Biomimetics. Bangkok， 2009： 300-305.

［7］PONS J L. Wearable robots： Biomechatronic exoskeletons［M］. England： John Wiley & Sons Ltd， 2008：17-81.

［8］李沈炎，韓亞麗，陳茹雯，等. 基于滑模PID控制的下肢康復外骨骼控制研究［J］.組合機床與自動化加工技術，2021（3）：98-101.

［9］于建均，李晨，左國玉，等. 基于LSTM神經網絡的仿人機器人循環(huán)步態(tài)的生成方法［J］.北京工業(yè)大學學報， 2020， 46（12）： 1335-1344.

［10］ 劉輝， 陳嬋娟，穆琪. 基于PSO-SCE的下肢外骨骼機器人步態(tài)多目標優(yōu)化［J］. 現代制造工程， 2021（2）：27-35.

［11］ TSOI Y H， XIE S Q. Impedance control of ankle rehabilitation robot［C］// IEEE International Conference on Robotics & Biomimetics. Bangkok， 2009： 840-845

［12］ 尚長沛， 程志. 基于表面肌電信號的步態(tài)切換意圖識別及控制研究［J］. 控制工程， 2021，28（8）：1662-1668.

［13］ 張弼，姚杰，趙新剛，等.一種基于肌電信號的自適應人機交互控制方法［J］.控制理論與應用，2020，37（12）：2560-2570.

［14］ 史小華，盧浩，廖梓宇，等. 基于表面肌電信號的下肢康復主動訓練［J］.科學技術與工程， 2018，18（17）： 61-66.

［15］ 王文遠，富文昌，曹富.基于動作捕捉技術對仿人機器人運動學分析與步態(tài)仿真［J］.機械傳動，2021，45（8）：110-117.

［16］ 胡旭輝，王鈺.基于慣性傳感器遙控示教康復系統的研究［J］.青島大學學報（自然科學版），2022，35（1）：66-72.

Research on Real-time Teaching Gait of Lower Limb Exoskeleton Using Inertial Sensor Data

TIAN Qi-lei， WANG Yu

（College of Mechanical and Electrical Engineering， Qingdao University， Qingdao 266071，China）

Abstract： A method of real-time gait teaching using inertial sensors was proposed to teach the gait of lower limb exoskeleton robot in real time， flexibly and conveniently. Through the sensor at the end of the lower limb of the instructor， the position and posture data of the foot were collected in real time. According to the theory of inverse kinematics， the algorithm of each joint angle was established， so as to achieve the requirement that each lower limb can teach gait with only one sensor. The feasibility of this method was verified by the measured data of other inertial sensors placed on the lower leg and thigh. The research results show that the method has 0.15 s delay and the maximum joint error is within 2°， and the gait can be controlled by real-time teaching.

Keywords： lower limb exoskeleton; gait teaching; mobile capture system; inertial sensor

收稿日期：2022-06-17

基金項目：山東省科技發(fā)展計劃項目（批準號：40214010075）資助。

通信作者：王鈺，男，副教授，主要研究的方向為康復機器人與打磨機器人。E-mail：ywang@qdu.edu.cn