摘要
人体下肢外骨骼作为一种新兴的可穿戴智能设备是人类智慧与机器动力相融合的智能化产品，在人体运动、医疗、军事等领域起到至关重要的作用。本文针对人体下肢外骨骼的穿戴者运动状态的识别、外骨骼助力力矩规划和外骨骼助力效果评价等问题进行了研究，主要内容包括： 首先，在充分了解人体下肢主要运动关节的结构及人体步态特征的基础上，利用惯性传感器采集穿戴者的下肢关节运动数据，用于识别人体下肢的运动状态，并使基于支持向量机的机器学习方法实现了人体运动状态识别。实验结果表明，本文设计的人体下肢运动状态识别方法可达到85%的识别准确率。 其次，推导了自适应振荡器模型来实现人体下肢关节的运动曲线跟踪，并在MATLAB中搭建自适应振荡器模型来对离线关节数据进行仿真验证。通过参数寻优得到5种运动状态下（包括平地步行、上楼梯、下楼梯、上坡和下坡）的自适应振荡器最优参数。然后，基于机器人操作系统ROS和QtCreator实现了基于自适应振荡器的在线人体下肢关节运动轨迹跟踪。实验结果表明，本文设计的方法能够在自适应振荡器最优参数的情况下稳定跟踪与实时预测人体下肢关节的运动轨迹。 最后，在人体下肢关节的运动曲线跟踪的基础上，设计了外骨骼助力力矩规划方法。基于搭建的ADAMS与MATLAB联合仿真平台，设计了人体穿戴下肢外骨骼的负重仿真实验，并依据人体下肢关节的力矩参数来对外骨骼机器人的助力效果进行评价。仿真结果表明，本文设计的方法能够使人体在负重25kg~50kg的情况下减少人体运动耗能。对有负重工作需求的人员如：搬运工、消防员等，提供必要助力辅助。
NETL