摘要
用于人类物理效能增强的助力外骨骼在军事、医疗和工业等领域有着广泛应用前景。人在回路（Humanintheloop,HIL）助力策略是实现外骨骼个性化控制的有效措施，能适应于不同运动场景下助力外骨骼的稳态行走任务。然而基于代谢成本的HIL优化器存在优化信息质量差且优化过程费时长的问题，无法满足运动过程中人机系统动态自适应性。基于肌肉活动的HIL优化器在一定程度上缩短了优化时间，但仍旧存在相关肌肉群涵盖不全的问题，导致外骨骼优化控制参数不准确。针对以上问题，本文提出一种基于肌肉协同相似度的下肢助力外骨骼HIL优化策略，以降低HIL优化器优化时间和穿戴者的运动消耗。本文主要研究内容如下： （1）针对当前HIL优化器信号差、耗时长、相关肌肉群覆盖不全以及步行场景有限等问题，构建基于肌肉协同相似度的HIL优化器。该优化器以穿戴者自然行走时的肌肉协同模式为基准，以外骨骼辅助时的肌肉协同与基准协同的相似性作为主要优化目标，从优化目标和最优初始参数两个方面设计。实验结果显示，该优化器相对于传统优化器在优化时间上能够最大减少约75%；最优初始参数的获取能够为外骨骼最优控制参数的搜索提供有益参考，提升优化器的优化效率。 （2）针对穿戴者高运动消耗问题，提出一种基于肌肉协同相似度的HIL优化协同策略。该策略使用基于肌肉协同相似度的HIL优化器，通过协方差矩阵自适应进化策略获取外骨骼在各种步态模式下的最优控制参数。实验结果表明，在该优化协同策略辅助下的穿戴者肌肉协同模式与自然行走时的相似性指数平均达到0.80，实现了与自然行走更为相近的肌肉协同效果。 （3）通过下肢助力外骨骼平台对HIL优化策略的助力效率进行室内外实验测试。实验结果表明，本文提出的方法对不同穿戴者具有普遍适用性，能在减少HIL优化时间的同时提高外骨骼辅助行走期间与自然行走时肌肉协同的相似性，能够进一步减少肌肉活动，最大降低人体17.53%的能量消耗。
NETL