摘要：外骨骼是一種人機(jī)協(xié)調(diào)的輔助設(shè)備，只有外骨骼的動(dòng)作跟隨人體一起運(yùn)動(dòng)，才能實(shí)現(xiàn)人機(jī)融合，達(dá)到助力的效果。步態(tài)相位識(shí)別的研究是滿足人機(jī)協(xié)調(diào)運(yùn)動(dòng)的關(guān)鍵技術(shù)核心，文章對(duì)國(guó)內(nèi)外外骨骼人體步態(tài)相位信息的采集方法以及識(shí)別算法進(jìn)行了調(diào)研與分析，這將為外骨骼人體步態(tài)相位識(shí)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(shí)別算法

　　1.正文

　　外骨骼目前主要的研究國(guó)家有美國(guó)和歐洲國(guó)家，其研究的目的是增強(qiáng)單兵作戰(zhàn)能力以及醫(yī)療康復(fù)[1]。到21世紀(jì)，隨著科學(xué)技術(shù)的不斷發(fā)展，外骨骼逐漸受到越來(lái)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(duì)于步態(tài)相位的研究，首先需要通過(guò)傳感器采集人體運(yùn)動(dòng)數(shù)據(jù)信息，然后根據(jù)運(yùn)動(dòng)信息采用相應(yīng)的識(shí)別算法對(duì)一個(gè)周期內(nèi)的步態(tài)進(jìn)行識(shí)別，最后根據(jù)識(shí)別的相位信息對(duì)外骨骼進(jìn)行有效的控制[2]。

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

　　哈佛大學(xué)的Wyss實(shí)驗(yàn)室對(duì)髖關(guān)節(jié)提供伸展助力的柔性外骨骼系統(tǒng)進(jìn)行了研究，為了檢測(cè)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(gè)imu，實(shí)時(shí)測(cè)量大腿角度以及相位變化。

　　瑞士蘇黎世聯(lián)邦理工學(xué)院感知-運(yùn)動(dòng)系統(tǒng)實(shí)驗(yàn)室的Riener團(tuán)隊(duì)發(fā)布了新版下肢外骨骼機(jī)器人MyoSwiss。該外骨骼采用3個(gè)慣性傳感器獲取人體步態(tài)信息，進(jìn)行步態(tài)相位識(shí)別。

　　國(guó)內(nèi)對(duì)于外骨骼的研究起步較晚，近幾年國(guó)內(nèi)各大高校以及研究機(jī)構(gòu)也展示了實(shí)驗(yàn)樣機(jī)，并且取得了一定的成果。

　　海軍航空工程學(xué)院研制的外骨骼，采用了足底壓力傳感器采集人體運(yùn)動(dòng)信息。通過(guò)識(shí)別算法對(duì)運(yùn)動(dòng)相位進(jìn)行判斷識(shí)別，從而實(shí)現(xiàn)外骨骼機(jī)器人的運(yùn)動(dòng)控制[3]。

　　中國(guó)科學(xué)院大學(xué)的陳春杰等人設(shè)計(jì)了基于柔性傳動(dòng)的助力全身外骨骼機(jī)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(guò)一個(gè)周期內(nèi)的足底壓力信號(hào)對(duì)相位進(jìn)行判斷。

　　西南交通大學(xué)的周攀等人設(shè)計(jì)了一款基于姿態(tài)傳感器的下肢助力外骨骼機(jī)器人，其中，在人的大腿、小腿以及腳面上各佩戴一個(gè)姿態(tài)傳感器以測(cè)得角度信息[5]，對(duì)人體步態(tài)相位進(jìn)行識(shí)別。

　　1.2外骨骼步態(tài)識(shí)別算法研究現(xiàn)狀

　　為了使下肢外骨骼機(jī)器人的運(yùn)動(dòng)更加符合人體運(yùn)動(dòng)狀態(tài)，滿足人機(jī)協(xié)調(diào)的運(yùn)動(dòng)效果，并且保證穿戴者與人體的安全性，需要對(duì)步態(tài)相位進(jìn)行準(zhǔn)確的識(shí)別，其中，步態(tài)相位識(shí)別的算法也是至關(guān)重要的。

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

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

　　杭成成等人提出了一種SVM-KNN步態(tài)識(shí)別算法，即將SVM算法和KNN算法結(jié)合起來(lái)識(shí)別，取長(zhǎng)補(bǔ)短，利用各自的優(yōu)點(diǎn)，彌補(bǔ)不足，在SVM超平面附近使用KNN分類器[6]。

　　中國(guó)科學(xué)院的段有康基于肌電信號(hào)采用支持向量機(jī)的步態(tài)相位識(shí)別方法，同時(shí)開(kāi)展基于相位劃分的下肢連續(xù)運(yùn)動(dòng)預(yù)測(cè)模型訓(xùn)練。

　　2 存在的問(wèn)題

　　根據(jù)上述研究現(xiàn)狀進(jìn)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(shí)別算法存在以下問(wèn)題：

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

　　(2)較為常用的步態(tài)相位識(shí)別算法有SVM以及KNN等，這兩種識(shí)別算法各有優(yōu)缺點(diǎn)。SVM對(duì)于距離超平面較遠(yuǎn)的樣本識(shí)別效果好，反之出錯(cuò)率比較大。KNN算法需要計(jì)算待測(cè)的樣本與已知樣本的距離，所以存在計(jì)算量大耗時(shí)長(zhǎng)的問(wèn)題。因此，可以融合二者的優(yōu)點(diǎn)，互相補(bǔ)充，以取得更好的識(shí)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(zhǔn)確識(shí)別對(duì)于精確控制外骨骼有著關(guān)鍵的作用，通過(guò)優(yōu)化外骨骼機(jī)器人的傳感器以及識(shí)別算法提高步態(tài)相位識(shí)別準(zhǔn)確率，才能更好的滿足人機(jī)協(xié)調(diào)的運(yùn)動(dòng)效果。

　　參考文獻(xiàn)

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

　　[2]龍億. 下肢外骨骼人體運(yùn)動(dòng)預(yù)測(cè)與人機(jī)協(xié)調(diào)控制技術(shù)研究[D].哈爾濱工業(yè)大學(xué)，2017.

　　[3]孫兆君. 可穿戴助力機(jī)器人傳感器信號(hào)預(yù)測(cè)算法和控制器的設(shè)計(jì)[D].中國(guó)科學(xué)技術(shù)大學(xué)，2009.

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

　　[5]周攀. 基于姿態(tài)傳感器的人體步態(tài)預(yù)測(cè)算法設(shè)計(jì)與實(shí)現(xiàn)[D].西南交通大學(xué)，2016.

　　[6]杭成成. 基于sEMG信號(hào)的下肢運(yùn)動(dòng)意圖識(shí)別研究[D].武漢理工大學(xué)，2019.

　　[7]李芳，王人成.肌電信號(hào)及其運(yùn)動(dòng)模式辨識(shí)方法的發(fā)展趨勢(shì)[J].中國(guó)康復(fù)醫(yī)學(xué)雜志，2005(07)：492-493.