摘要：外骨骼是一種人機協(xié)調(diào)的輔助設(shè)備，只有外骨骼的動作跟隨人體一起運動，才能實現(xiàn)人機融合，達到助力的效果。步態(tài)相位識別的研究是滿足人機協(xié)調(diào)運動的關(guān)鍵技術(shù)核心，文章對國內(nèi)外外骨骼人體步態(tài)相位信息的采集方法以及識別算法進行了調(diào)研與分析，這將為外骨骼人體步態(tài)相位識別技術(shù)的發(fā)展提供一定的理論基礎(chǔ)。

關(guān)鍵詞：步態(tài)相位 ?采集方法 ?外骨骼 ?識別算法

1.正文

外骨骼目前主要的研究國家有美國和歐洲國家，其研究的目的是增強單兵作戰(zhàn)能力以及醫(yī)療康復(fù)[1]。到21世紀，隨著科學技術(shù)的不斷發(fā)展，外骨骼逐漸受到越來越多的研究者的關(guān)注。

1.1外骨骼步態(tài)采集方法研究現(xiàn)狀

對于步態(tài)相位的研究，首先需要通過傳感器采集人體運動數(shù)據(jù)信息，然后根據(jù)運動信息采用相應(yīng)的識別算法對一個周期內(nèi)的步態(tài)進行識別，最后根據(jù)識別的相位信息對外骨骼進行有效的控制[2]。

日本的外骨骼機器人處于世界領(lǐng)先水平，研制的HAL外骨骼機器人采用表面肌電傳感器獲取人體肌肉表面的肌電信號，通過肌電信號解析出人體運動相位信息。

哈佛大學的Wyss實驗室對髖關(guān)節(jié)提供伸展助力的柔性外骨骼系統(tǒng)進行了研究，為了檢測每條腿的最大髖屈曲角度以及步態(tài)相位，在每條大腿前部分別安裝兩個imu，實時測量大腿角度以及相位變化。

瑞士蘇黎世聯(lián)邦理工學院感知-運動系統(tǒng)實驗室的Riener團隊發(fā)布了新版下肢外骨骼機器人MyoSwiss。該外骨骼采用3個慣性傳感器獲取人體步態(tài)信息，進行步態(tài)相位識別。

國內(nèi)對于外骨骼的研究起步較晚，近幾年國內(nèi)各大高校以及研究機構(gòu)也展示了實驗樣機，并且取得了一定的成果。

海軍航空工程學院研制的外骨骼，采用了足底壓力傳感器采集人體運動信息。通過識別算法對運動相位進行判斷識別，從而實現(xiàn)外骨骼機器人的運動控制[3]。

中國科學院大學的陳春杰等人設(shè)計了基于柔性傳動的助力全身外骨骼機器人，其感知系統(tǒng)包括傾角傳感器、足底壓力傳感器等。傾角傳感器可以獲取穿戴者身體姿態(tài)信息[4]，通過一個周期內(nèi)的足底壓力信號對相位進行判斷。

西南交通大學的周攀等人設(shè)計了一款基于姿態(tài)傳感器的下肢助力外骨骼機器人，其中，在人的大腿、小腿以及腳面上各佩戴一個姿態(tài)傳感器以測得角度信息[5]，對人體步態(tài)相位進行識別。

1.2外骨骼步態(tài)識別算法研究現(xiàn)狀

為了使下肢外骨骼機器人的運動更加符合人體運動狀態(tài)，滿足人機協(xié)調(diào)的運動效果，并且保證穿戴者與人體的安全性，需要對步態(tài)相位進行準確的識別，其中，步態(tài)相位識別的算法也是至關(guān)重要的。

Liu D X等人利用三個分別分布在大腿，小腿和腳上的慣性測量單元獲得步態(tài)信息，提出了一種同時識別人體行為和步態(tài)相位的貝葉斯公式，能實現(xiàn)對在周期內(nèi)所劃分的八個步態(tài)相位識別，但是其平均識別率較低。

Dong J H等人將一個慣性傳感單元固定在大腿上，并在腳底布置了三個開關(guān)傳感器，由此獲得了角度和角速度以及腳底壓力信號，使用決策樹和人工神經(jīng)網(wǎng)絡(luò)識別步態(tài)相位識別。

杭成成等人提出了一種SVM-KNN步態(tài)識別算法，即將SVM算法和KNN算法結(jié)合起來識別，取長補短，利用各自的優(yōu)點，彌補不足，在SVM超平面附近使用KNN分類器[6]。

中國科學院的段有康基于肌電信號采用支持向量機的步態(tài)相位識別方法，同時開展基于相位劃分的下肢連續(xù)運動預(yù)測模型訓練。

2 存在的問題

根據(jù)上述研究現(xiàn)狀進行分析，可以總結(jié)出現(xiàn)有外骨骼步態(tài)采集系統(tǒng)以及步態(tài)識別算法存在以下問題：

（1）根據(jù)上述分析可知，人體運動信息一般可由兩類傳感器實現(xiàn)：機械式傳感器與生理電信號傳感器。機械式傳感器存在獲取人體運動信息遲滯于人體真實運動意圖的情況，容易造成外骨骼人機運行不協(xié)調(diào)。生理電信號往往可以提供比人體實際運動信號更超前的數(shù)據(jù)信息，可增強人機系統(tǒng)的同步性能。此外，想要準確的識別運動步態(tài)及外骨骼穿戴者的運動意圖依靠單一類型的數(shù)據(jù)很難滿足要求，同時依靠單類型的生物信號進行步態(tài)相位識別時，原始肌電信號易受到干擾[7]，影響識別準確率。因此，可以采用多傳感融合的方式進行步態(tài)相位識別。

（2）較為常用的步態(tài)相位識別算法有SVM以及KNN等，這兩種識別算法各有優(yōu)缺點。SVM對于距離超平面較遠的樣本識別效果好，反之出錯率比較大。KNN算法需要計算待測的樣本與已知樣本的距離，所以存在計算量大耗時長的問題。因此，可以融合二者的優(yōu)點，互相補充，以取得更好的識別效果。

3 總結(jié)

外骨骼在軍事領(lǐng)域和民用領(lǐng)域都有著廣泛的應(yīng)用前景，而人體步態(tài)相位的準確識別對于精確控制外骨骼有著關(guān)鍵的作用，通過優(yōu)化外骨骼機器人的傳感器以及識別算法提高步態(tài)相位識別準確率，才能更好的滿足人機協(xié)調(diào)的運動效果。

參考文獻

[1]柯顯信，陳玉亮，唐文彬.人體下肢外骨骼機器人的發(fā)展及關(guān)鍵技術(shù)分析[J].機器人技術(shù)與應(yīng)用，2009（06）：28-32.

[2]龍億. 下肢外骨骼人體運動預(yù)測與人機協(xié)調(diào)控制技術(shù)研究[D].哈爾濱工業(yè)大學，2017.

[3]孫兆君. 可穿戴助力機器人傳感器信號預(yù)測算法和控制器的設(shè)計[D].中國科學技術(shù)大學，2009.

[4]朱其歡. 面向外骨骼機器人的柔順人機連接機構(gòu)研究[D].蘇州大學，2017.

[5]周攀. 基于姿態(tài)傳感器的人體步態(tài)預(yù)測算法設(shè)計與實現(xiàn)[D].西南交通大學，2016.

[6]杭成成. 基于sEMG信號的下肢運動意圖識別研究[D].武漢理工大學，2019.

[7]李芳，王人成.肌電信號及其運動模式辨識方法的發(fā)展趨勢[J].中國康復(fù)醫(yī)學雜志，2005（07）：492-493.

作者簡介：柳金康，男，漢族，山東濰坊，1997年2.9，碩士研究生，研究方向：機械工程。