一种基于高斯过程回归的柔性外骨骼最优助力预测方法

(一)
技术领域：
：本发明属于机器人相关
技术领域：
，是一种步态康复柔性外骨骼机器人的助力参数优化，特别是一种基于高斯过程回归的柔性外骨骼最优助力预测方法。(二)
背景技术：
：：随着年龄的增长，人体的下肢力量逐渐减弱，人体的骨骼开始脆化、肌肉开始退化，关节活动度降低，存在无法从事较大负荷和较长时间站立以及行走的劳动，给人们的出行以及生活带来了极大的困扰。为减轻由于年龄增长而带来的腿部压力，使人们的腿部活动仍能正常进行，维持正常的生产生活劳动，步态康复柔性外骨骼机器人应运而生。步态康复柔性外骨骼机器人是一套穿戴在人体身上的助力装置，其通过装置上搭载的拉力传感器实时监控腿部抬起与放下时所承受力的大小，从而通过反馈的方式把力的大小及时反馈给电机，通过电机控制柔性尼龙带的收缩与拉伸，使其输出不同的助力幅值，实现对腿部的柔顺助力。但是，助力幅值参数的确定一直饱受困扰，采用经典的最小二乘法线性回归的方式会导致助力幅值参数过拟合的问题。而且，对于不同的人群，人体模型特征不完全相同，所需的助力幅值大小也是不完全相同的，拉力过大、过快都会导致部分本已功能的缺失、拉伸不正常的肌肉出现二次损伤的危险；拉力过小、过慢则没有能体现出外骨骼的辅助作用；只有舒适的助力才可以体现出外骨骼的优越性，真正达到辅助康复的目的。针对现有技术的不足，目前亟需一种最优助力的预测方法以应对柔性外骨骼在使用过程中输出助力幅值的不确定性和不稳定性的问题。(三)技术实现要素：：本发明的目的在于提供一种基于高斯过程回归的柔性外骨骼最优助力预测方法，它可以克服最小二乘法线性回归方式导致输出助力幅值过大、过快的不足，是一种操作简单且容易实现的柔性外骨骼最优助力预测方法，有利于提高外骨骼使用的安全可靠性，对输出助力幅值的大小合理有效地预测，其结果更加精确。本发明的技术方案：一种基于高斯过程回归的柔性外骨骼最优助力预测方法，包括以下步骤：(1)建立不同人群、不同步速下舒适助力的数据集，确立测试人员的人体模型特征，并在此基础上确立样本的数据集(x,y)；所述步骤(1)中建立不同人群、不同步速下舒适助力的数据集的方法，如图1所示，由以下步骤构成：①让不同年龄段、人体特征不完全相同的测试人员穿戴外骨骼设备先以7.5km/h的速度在跑步机上进行行走；②由外骨骼上携带的电机通过带动柔性尼龙带的收缩与拉伸先给定一个24n的初始助力幅值；所述步骤②中通过控制电机的转速来实现对柔性尼龙带的收缩与拉伸装置原理如图2所示，其原理是指将电机和卷筒通过两个钢制齿轮的啮合固定在一片铝制底板上，所选两个齿轮必须满足啮合条件，即所选用的两个齿轮分度圆上的模数和压力角分别对应相等。电机端连接的齿轮小于卷筒端连接的齿轮，电机的转动带动电机端齿轮的转动，这样间接带动了卷筒端的齿轮，达到了可以使卷筒收缩与拉伸缠绕在卷筒上的柔性尼龙带。将搭载有电机和卷筒的铝制底板固定在织带材质的腰带上，把腰带紧贴地穿戴在腹部位置处。第一段柔性尼龙带的一端通过m3螺丝固定在卷筒上，柔性尼龙带的另一端绑定在上方固定装置上，y型柔性尼龙带下端两叉分别缝制在护膝膝盖窝开口处的左右对称两侧，y型柔性尼龙带的上端绑定在下方固定装置上，钢制连接件用于将两个固定装置连接，连接件上放置拉力传感器，用于实时监控腿部抬起与放下时力的大小。y型线缝合方式可以增大柔性尼龙带和护膝的接触面积，保证柔性尼龙带在收缩与拉伸时平稳助力，同时起到缓冲突发力的效果。通过pid(比例-积分-微分控制)控制可以实现对电机转速的控制，电机转速的快慢则通过齿轮带动卷筒实现对柔性尼龙带的收缩与拉伸的速度从而达到给定不同的力，这样实现了给腿部不同的助力幅值；③对测试人员的舒适度进行打分，即：测试人员对腿部是否感到舒适及舒适的程度进行打分，舒适度的分值范围为0-10分，分值越高，表明助力的幅值越合适；④若测试人员感到输出的助力幅值不舒适即打出5分以下的评价分时，则通过调整电机的转速来带动柔性尼龙带的收缩与拉伸，目的是输出大小不同的助力幅值，让舒适助力的幅值在一个更加合理有效的范围内，以便于让腿部压力得到有效地缓解，帮助骨骼和肌肉以及关节起到康复的作用；⑤若测试人员对当前的输出助力幅值满意且打出8分以上的满意分时，记录当前的助力幅值为a，行走步速为v；⑥由测试人员改变当前的行走步速v，以较快的速度或者较慢的速度在跑步机上行走，重复步骤②-⑤；⑦不断重复步骤②-⑥，直至可以建立含有不少于500个人体模型特征和实验测试得到的行走步速以及相应的助力幅值的数据集。所述步骤(1)中确立测试人员的人体模型特征具体是指：掌握测试人员的年龄、身高、体重、大腿长度、小腿长度、膝盖直径、足长、足宽、踝骨高度、踝骨宽度的信息，人体特征及其单位关系如表1所示：表1人体特征及其单位关系对应表人体特征单位年龄岁身高mm体重kg大腿长度mm小腿长度mm膝盖直径mm足长mm足宽mm踝骨高度mm踝骨宽度mm以此为基础建立样本数据集(x,y)；其中x是含有人体模型特征以及实验测试得到的行走步速，y是所对应的助力幅值；所述建立样本数据集(x,y)的方法是：将采集到的人体模型特征以及实验测试得到的行走步速v分别放在excel表格的每一列，将所对应的助力幅值a另放一列；例如：将年龄放到第一列，身高放到第二列，体重放到第三列，大腿长度放在第四列，小腿长度放在第五列，膝盖直径放在第六列，足长放在第七列，足宽放在第八列，踝骨高度放在第九列，踝骨宽度放在第十列，行走步速v放在第十一列，所对应的助力幅值a放在第十二列；按照不同的年龄段分别建立数据集，将年龄段为20-30岁的建立一个数据集，年龄段为31-40岁的建立一个数据集，年龄段为41-50岁的建立一个数据集，年龄段为51-60岁的建立一个数据集，年龄段为61-70岁的建立一个数据集，年龄段为71-80岁的建立一个数据集，分年龄段建立数据集，目的是更好地将预测助力幅值接近于实际所需的助力幅值。(2)在建立好数据集并将数据集经过训练后，利用高斯过程回归的方式直接定义预测函数的分布，高斯过程回归由均值函数和协方差函数构成，其数学表达式如下：f|x～n(m(x),k(x,x))(1)式中，x＝{x1,x2,......xn}为人体模型特征以及实验测试得到的行走步速；m(x)＝e[f(x)]，在实际应用中，m(x)经常被取为0，y为样本的观测值；k(x,x)为协方差矩阵；进一步可以得出观测值y与预测值f*的联合分布如下所示：式中，k(x,x*)＝k(x*,x)t为测试点x*，即x数据任意一个数据，与训练集x的协方差，k(x*,x*)为测试点x*自身的协方差；为误差值序列的协方差，in为单位向量，f*为根据不同人体模型特征以及行走步速预测的助力幅值；(3)根据多元正态分布及条件分布的性质可以得到测试点的形式，即预测值，如公式(3)所示：(4)给定电机的助力幅值，该助力幅值是由步骤(2)描述的由数据集经过训练且利用高斯过程回归分析优化得到的预测助力幅值，让测试人员再次穿戴外骨骼设备在跑步机上以不同的速度进行多次测试，若测试人员在测试时，需要自身给力才可以使腿部轻便自由地抬起与放下，则表明当前的助力幅值还不是最优的助力幅值，则说明达不到对骨骼的辅助康复作用；此时，应根据测试人员当前助力舒适度的反馈，继续对excel数据集中的助力幅值a进行修改，使数据集更完善以具备更强的普适性，将完善后的数据集进行再训练并经高斯过程回归分析进行优化，目的是将预测助力幅值更接近于实际所需助力幅值；例如：原先数据集中的助力幅值a为30n，但此时测试人员感到满意且打8分以上满意分的舒适助力幅值a为35n,则将30n修改为35n。(5)将步骤(4)中经过完善优化后的助力幅值作用于电机，若测试人员感到腿部抬起与放下不再受到自身给定的力的作用，而是完全由电机带动柔性尼龙带的收缩与拉伸给定的力的作用，即：腿部抬起与放下不再受到人为力作用的约束，则表明预测助力幅值达到了预期的期望值，此时不再对excel数据集中的助力幅值a进行修改；只有当腿部能够轻便自由地抬起与放下，才可以帮助受伤的腿部在外骨骼的辅助作用下进行行走、慢跑类型的活动，有效地帮助了受伤腿部中骨骼和肌肉以及关节得到了更佳的恢复效果，体现了外骨骼辅助康复的作用。本发明的工作原理：采用实验测试的方式分别建立不同人群、不同步速下的舒适助力数据集。此外，还会确立测试人员的人体模型特征，并在此基础上建立样本数据集(x,y)，克服没有数据集的情况下带来的不确定性、不稳定性和局限性，以此提高外骨骼使用的安全可靠性，最终得出比未建立数据集下更为精确的助力结果，实现助力参数的优化。然而，在采集实验数据的过程中，并不能完全覆盖不同的人群，采用经典的最小二乘法线性回归方式会导致助力幅值参数过拟合的问题。因此，本发明拟采用高斯过程回归的方式来直接定义预测函数的分布，合理有效地预测出助力幅值的大小，达到预期的使用效果。本发明优越性：在建立不同人群、不同步速下数据集的前提下用高斯过程回归的方式直接定义预测函数的分布，使助力幅值参数在一个更加合理的范围，真正实现对腿部的柔顺助力，体现了使用柔性外骨骼对腿部助力的实用性。(四)附图说明：图1为本发明所涉一种基于高斯过程回归的柔性外骨骼最优助力预测方法中建立不同步速下对应助力幅值数据集的流程示意图。图2为本发明所涉一种基于高斯过程回归的柔性外骨骼最优助力预测方法中通过控制电机实现对柔性尼龙带拉伸与收缩装置示意图。其中，1、5为铝制凸台，2为铝制底板，3为电机，4为铝制卷筒，6为m3螺纹孔，7为柔性尼龙带，8、9为固定装置，10为钢制连接件，11拉力传感器，12为穿戴人员的膝盖。(五)具体实施方式：实施例：一种基于高斯过程回归的柔性外骨骼最优助力预测方法，包括以下步骤：(1)建立不同人群、不同步速下舒适助力的数据集，确立测试人员的人体模型特征，并在此基础上确立样本的数据集(x,y)；其中，建立不同人群、不同步速下舒适助力的数据集的方法，如图1所示，由以下步骤构成：①让不同年龄段、人体特征不完全相同的测试人员穿戴外骨骼设备先以7.5km/h的速度在跑步机上进行行走；②由外骨骼上携带的电机通过带动柔性尼龙带的收缩与拉伸先给定一个24n的初始助力幅值；通过控制电机的转速来实现对柔性尼龙带的收缩与拉伸装置原理如图2所示，其原理是指将电机和卷筒通过两个钢制齿轮的啮合固定在一片铝制底板上，所选两个齿轮必须满足啮合条件，即所选用的两个齿轮分度圆上的模数和压力角分别对应相等。电机端连接的齿轮小于卷筒端连接的齿轮，电机的转动带动电机端齿轮的转动，这样间接带动了卷筒端的齿轮，达到了可以使卷筒收缩与拉伸缠绕在卷筒上的柔性尼龙带。将搭载有电机和卷筒的铝制底板固定在织带材质的腰带上，把腰带紧贴地穿戴在腹部位置处。第一段柔性尼龙带的一端通过m3螺丝固定在卷筒上，柔性尼龙带的另一端绑定在上方固定装置上，y型柔性尼龙带下端两叉分别缝制在护膝膝盖窝开口处的左右对称两侧，y型柔性尼龙带的上端绑定在下方固定装置上，钢制连接件用于将两个固定装置连接，连接件上放置拉力传感器，用于实时监控腿部抬起与放下时力的大小。y型线缝合方式可以增大柔性尼龙带和护膝的接触面积，保证柔性尼龙带在收缩与拉伸时平稳助力，同时起到缓冲突发力的效果。通过pid(比例-积分-微分控制)控制可以实现对电机转速的控制，电机转速的快慢则通过齿轮带动卷筒实现对柔性尼龙带的收缩与拉伸的速度从而达到给定不同的力，这样实现了给腿部不同的助力幅值；③对测试人员的舒适度进行打分，即：测试人员对腿部是否感到舒适及舒适的程度进行打分，舒适度的分值范围为0-10分，分值越高，表明助力的幅值越合适；④若测试人员感到输出的助力幅值不舒适即打出5分以下的评价分时，则通过调整电机的转速来带动柔性尼龙带的收缩与拉伸，目的是输出大小不同的助力幅值，让舒适助力的幅值在一个更加合理有效的范围内，以便于让腿部压力得到有效地缓解，帮助骨骼和肌肉以及关节起到康复的作用；⑤若测试人员对当前的输出助力幅值满意且打出8分以上的满意分时，记录当前的助力幅值为a，行走步速为v；⑥由测试人员改变当前的行走步速v，以较快的速度8.8km/h(通常8-10km/h即可)或者较慢的速度5.5km/h(通常4-6km/h即可)在跑步机上行走，重复步骤②-⑤；⑦不断重复步骤②-⑥，直至可以建立含有800-1000个人体模型特征和实验测试得到的行走步速以及相应的助力幅值的数据集。测试人员的人体模型特征具体是指：掌握测试人员的年龄、身高、体重、大腿长度、小腿长度、膝盖直径、足长、足宽、踝骨高度、踝骨宽度的信息，人体特征及其单位关系如表1所示，以此为基础建立样本数据集(x,y)；其中x是含有人体模型特征以及实验测试得到的行走步速，y是所对应的助力幅值；建立样本数据集(x,y)的方法是：将采集到的人体模型特征以及实验测试得到的行走步速v分别放在excel表格的每一列，将所对应的助力幅值a另放一列；例如：将年龄放到第一列，身高放到第二列，体重放到第三列，大腿长度放在第四列，小腿长度放在第五列，膝盖直径放在第六列，足长放在第七列，足宽放在第八列，踝骨高度放在第九列，踝骨宽度放在第十列，行走步速v放在第十一列，所对应的助力幅值a放在第十二列；按照不同的年龄段分别建立数据集，将年龄段为20-30岁的建立一个数据集，年龄段为31-40岁的建立一个数据集，年龄段为41-50岁的建立一个数据集，年龄段为51-60岁的建立一个数据集，年龄段为61-70岁的建立一个数据集，年龄段为71-80岁的建立一个数据集，分年龄段建立数据集，目的是更好地将预测助力幅值接近于实际所需的助力幅值。(2)在建立好数据集并将数据集经过训练后，利用高斯过程回归的方式直接定义预测函数的分布，高斯过程回归由均值函数和协方差函数构成，其数学表达式如下：f|x～n(m(x),k(x,x))(1)式中，x＝{x1,x2,......xn}为人体模型特征以及实验测试得到的行走步速；m(x)＝e[f(x)]，在实际应用中，m(x)经常被取为0，y为样本的观测值；k(x,x)为协方差矩阵；进一步可以得出观测值y与预测值f*的联合分布如下所示：式中，k(x,x*)＝k(x*,x)t为测试点x*，即x数据任意一个数据，与训练集x的协方差，k(x*,x*)为测试点x*自身的协方差；为误差值序列的协方差，in为单位向量，f*为根据不同人体模型特征以及行走步速预测的助力幅值；(3)根据多元正态分布及条件分布的性质可以得到测试点的形式，即预测值，如公式(3)所示：(4)给定电机的助力幅值，该助力幅值是由步骤(2)描述的由数据集经过训练且利用高斯过程回归分析优化得到的预测助力幅值，让测试人员再次穿戴外骨骼设备在跑步机上先以不同的速度进行测试，通常在6-8km/h、8-10km/h及4-6km/h的三个范围内选择，如：先以7.5km/h的速度进行助力幅值舒适度的测试，再以8.8km/h的速度进行测试，最后以5.5km/h的速度进行测试，若测试人员在测试时，需要自身给力才可以使腿部轻便自由地抬起与放下，则表明当前的助力幅值还不是最优的助力幅值，则说明达不到对骨骼的辅助康复作用；此时，应根据测试人员当前助力舒适度的反馈，继续对excel数据集中的助力幅值a进行修改，使数据集更完善以具备更强的普适性，将完善后的数据集进行再训练并经高斯过程回归分析进行优化，目的是将预测助力幅值更接近于实际所需助力幅值；例如：原先数据集中的助力幅值a为30n，但此时测试人员感到满意且打8分以上满意分的舒适助力幅值a为35n,则将30n修改为35n。(5)将步骤(4)中经过完善优化后的助力幅值作用于电机，若测试人员感到腿部抬起与放下不再受到自身给定的力的作用，而是完全由电机带动柔性尼龙带的收缩与拉伸给定的力的作用，即：腿部抬起与放下不再受到人为力作用的约束，则表明预测助力幅值达到了预期的期望值，此时不再对excel数据集中的助力幅值a进行修改；只有当腿部能够轻便自由地抬起与放下，才可以帮助受伤的腿部在外骨骼的辅助作用下进行行走、慢跑类型的活动，有效地帮助了受伤腿部中骨骼和肌肉以及关节得到了更佳的恢复效果，体现了外骨骼辅助康复的作用。图2为本发明所涉一种基于高斯过程回归的柔性外骨骼最优助力预测方法中通过控制电机实现对柔性尼龙带拉伸与收缩装置示意图。图中黑色长方形条状物均为柔性尼龙带7，铝制底板2和卷筒4上攻丝的孔均为m3螺纹孔6。该装置是一套可拆卸装置，当需要给受伤或行走不便的腿部助力时，即可将该装置穿戴在身上，当受伤的腿部中肌肉和骨骼得到有效康复后，可以将该装置拆卸下来。在铝制底板2上设计了长方形凸台1和凸台5，长方形凸台1和凸台5均垂直于铝制底板放置，左侧凸台1中对称开了两个圆孔，用于将两个齿轮分别和电机3与卷筒4相连接，起到传动的作用；在铝制底板2的四个角开了四个m3螺纹孔6，用于将铝制底板2固定在织带材质腰带上。卷筒上对称攻丝两个m3螺纹孔6，用于固定柔性尼龙带7，而且在卷筒两端设计长方形凸台，用来对柔性尼龙带起到导向缠绕的作用，以减小不必要的摩擦，增加传动的平稳性。固定装置8、9为3d打印的pla(聚丙交酯)材料，分别在上下两个固定装置与连接件10的接触面处开方形槽，目的是将连接件固定，固定装置8和9的作用是连接上下柔性尼龙带7并搭载连接件。连接件的目的是将上下两个固定装置8和9相连且在其上搭载拉力传感器11，用于实时检测腿部抬起与放下时拉力大小。电机带动卷筒4，而卷筒4上又缠绕有柔性尼龙带7，柔性尼龙带7保证与腿部平行，且紧贴帮助抬腿。y型柔性尼龙带7可以增加柔性尼龙带与护膝的接触面积，柔性尼龙带7提拉过程中，y型柔性尼龙带7可以起到缓冲突发力，提拉平稳且柔性尼龙带不偏移的作用，y型柔性尼龙带7两叉分别缝制在护膝膝盖12窝开口处的左右对称两侧。为了给腿部实现柔顺助力，该装置在穿戴时保证与穿戴人员身体紧贴。所用织带材质腰带的上端和下端每隔8cm分布有m3的螺纹孔6。穿戴人员首先将腰带穿戴在腹部位置处并调节腰带的松紧程度，使腰带与腹部贴合，目的是提供平稳有效地助力且保证腰带不会在电机3转动的作用下松动和滑落。然后穿戴人员将搭载有电机3和卷筒4的铝制底板2通过m3螺丝固定在大腿正上方的腰带位置处，将铝制底板2固定好之后，将柔性尼龙带7缠绕在卷筒4上，调节缠绕在卷筒上的柔性尼龙带的长度，使柔性尼龙带7与腿部保持平行且护膝正好位于膝盖12位置处，穿戴人员再将护膝牢牢地穿戴在膝盖12处。此时，通过电机控制柔性尼龙带实现拉伸与收缩装置穿戴完成。本装置只是起到驱动和传导力的作用，起到助力预测作用的是技术方案中所述的用建立数据集和高斯过程回归方法实现。寻找五位不同年龄段、人体特征不完全相同的志愿者，先对五位志愿者的人体模型特征进行收集，将收集到的信息进行整理和分类，大致确定五位志愿者分别属于数据集中的哪一类，此时根据数据集训练出来并经过高斯过程回归分析进行优化的预估助力幅值设定给电机，电机端连接的齿轮通过带动卷筒端的齿轮转动，卷筒端齿轮的转动使卷筒上的柔性尼龙带的收缩与拉伸给定不同的助力，然后让志愿者分别穿戴外骨骼设备在跑步机上先以7.5km/h的速度行走，再以较慢的速度5.5km/h行走，最后以8.8km/h的速度行走，分别进行预测助力幅值舒适度的测试，并对志愿者的舒适度分值反馈进行数据集中助力幅值a的修订。将完善好的新数据集再进行训练，并将训练过后的新数据集根据高斯过程回归分析预测方法对助力幅值进一步优化。让志愿者再次进行优化后的助力幅值舒适度测试，若志愿者感到腿部抬起与放下时不再受到自身施加力的作用，而是完全由电机上的齿轮带动卷筒上的齿轮，从而使卷筒带动柔性尼龙带给定所需的力，即腿部抬起与放下轻便自由，不再过多消耗人的体力，此时认为预测助力幅值接近实际所需助力幅值，体现了建立数据集并采用高斯过程回归分析后的助力幅值无限接近于所需的真实助力幅值，保证了输出的助力幅值更加合理有效。腿部抬起与放下的轻便自由，使受伤的腿部仍可以正常行走和活动，不会使受伤的腿脚在长时间不行走的情况下出现肌肉萎缩和长短不一致导致一系列骨骼和关节的问题，对骨骼和肌肉以及关节的康复起到了促进作用，体现了使用外骨骼对于骨骼的治疗和康复起到了拐杖、轮椅和其他康复设施所达不到的效果。当前第1页12