外骨骼機(jī)器人的人體步態(tài)感知系統(tǒng)設(shè)計(jì)*

周 攀， 楊 勇， 馬 磊， 舒 楊

(1.西南交通大學(xué) 電氣工程學(xué)院,四川 成都 610031；2.中國工程物理研究院 總體工程研究所,四川 綿陽 621900)

?

外骨骼機(jī)器人的人體步態(tài)感知系統(tǒng)設(shè)計(jì)*

周 攀1， 楊 勇1， 馬 磊1， 舒 楊2

(1.西南交通大學(xué) 電氣工程學(xué)院,四川 成都 610031；2.中國工程物理研究院 總體工程研究所,四川 綿陽 621900)

針對下肢負(fù)重外骨骼機(jī)器人與其穿戴者運(yùn)動(dòng)協(xié)調(diào)的問題，設(shè)計(jì)一種人體步態(tài)感知系統(tǒng)，對人體下肢關(guān)鍵部位的運(yùn)動(dòng)狀態(tài)采集和預(yù)測。用6個(gè)MTI—30姿態(tài)傳感器采集人體下肢的姿態(tài)數(shù)據(jù)；以ARM微處理器STM32F407為計(jì)算單元，對采集的步態(tài)數(shù)據(jù)解算、預(yù)測和傳輸；用非線性時(shí)間序列分析Takens算法預(yù)測人體下肢關(guān)鍵部位的旋轉(zhuǎn)運(yùn)動(dòng)。實(shí)驗(yàn)結(jié)果表明：該系統(tǒng)功能穩(wěn)定，能準(zhǔn)確對人體下肢的步態(tài)數(shù)據(jù)采集和預(yù)測，預(yù)測結(jié)果穩(wěn)定可靠，為外骨骼控制器提供可靠的參考信息。

外骨骼； 姿態(tài)傳感器； 步態(tài)感知； Takens算法； ARM

0 引 言

下肢負(fù)重外骨骼是一種可穿戴機(jī)器人，通過為人體提供外力支持，達(dá)到降低人體的負(fù)荷、提高人體持久運(yùn)動(dòng)能力的目的，在提高單兵作戰(zhàn)能力、專配維修作業(yè)及醫(yī)療助殘方面有廣泛的應(yīng)用前景[1～5]。

下肢負(fù)重外骨骼工作機(jī)理為感知系統(tǒng)實(shí)時(shí)捕獲人體步行狀態(tài)，控制器產(chǎn)生控制信號驅(qū)動(dòng)機(jī)械骨骼跟隨人體運(yùn)動(dòng)。從感知系統(tǒng)捕獲人體步態(tài)到輸出控制信號，以及驅(qū)動(dòng)機(jī)構(gòu)(通常為電機(jī)或液壓)驅(qū)動(dòng)外骨骼關(guān)節(jié)到達(dá)目標(biāo)軌跡均需要一定的時(shí)間，而此過程人體已經(jīng)運(yùn)動(dòng)到另一狀態(tài)，因此,機(jī)械外骨骼步態(tài)滯后于穿戴者步態(tài)，從而干擾穿戴者的行走行為。為解決此問題，其控制系統(tǒng)的參考信號應(yīng)當(dāng)超前于人體的運(yùn)動(dòng)狀態(tài)，需要對人體運(yùn)動(dòng)步態(tài)進(jìn)行實(shí)時(shí)、準(zhǔn)確的捕獲和預(yù)測。

針對上述問題，本文設(shè)計(jì)一種步態(tài)感知系統(tǒng)，系統(tǒng)使用6只姿態(tài)傳感器MTI—30采集人體下肢步態(tài)數(shù)據(jù)，用ARM微控器對步態(tài)數(shù)據(jù)進(jìn)行在線預(yù)測，為外骨骼控制器提供可靠的參考信息。

1 系統(tǒng)總體結(jié)構(gòu)

人體下肢運(yùn)動(dòng)信息復(fù)雜多變，步態(tài)感知系統(tǒng)是實(shí)現(xiàn)人機(jī)信息交互，實(shí)時(shí)控制的硬件基礎(chǔ)，其總體結(jié)構(gòu)如圖1所示。步態(tài)感知系統(tǒng)由6只姿態(tài)傳感器(左右腿分別使用3只傳感器)和1個(gè)數(shù)據(jù)處理主板組成，主要包括兩個(gè)功能：下肢關(guān)節(jié)角度感知和下肢關(guān)節(jié)旋轉(zhuǎn)角度預(yù)測。

傳感器的配戴方式如圖2所示，人體下肢的圓點(diǎn)表示姿態(tài)傳感器，在人的大腿、小腿和腳掌上按同樣的方式分別配戴一個(gè)姿態(tài)傳感器，可通過兩個(gè)相鄰傳感器的數(shù)據(jù)進(jìn)行簡單的代數(shù)運(yùn)算得出膝關(guān)節(jié)、踝關(guān)節(jié)的角度信息。

圖2 傳感器配戴方式Fig 2 Diagram of sensor allocation mode

2 硬件設(shè)計(jì)

2.1 傳感器

系統(tǒng)的傳感器采用的是XSENS公司的MTI—30姿態(tài)傳感器，該傳感器包含三軸加速度計(jì)、三軸陀螺儀和三軸電子羅盤，內(nèi)嵌低功耗的ARM處理器，各軸角度輸出通過其自帶的卡爾曼濾波器最優(yōu)估計(jì)得出，靜態(tài)及動(dòng)態(tài)導(dǎo)向誤差分別為0.2°,0.5°，姿態(tài)解算速率最高可達(dá)500 Hz，本文的步態(tài)感知系統(tǒng)將解算速率配置為100 Hz，即每10 ms向主板傳輸一次采樣數(shù)據(jù)。傳感器信號輸出采用的是RS—232協(xié)議，為了能夠和主板上ARM微控器通信，需要電平轉(zhuǎn)換，將RS-232協(xié)議的電平轉(zhuǎn)換為TTL電平。如圖3所示，電平轉(zhuǎn)換采用芯片MAX3387，該芯片有3個(gè)電平轉(zhuǎn)換通道。

圖3 傳感器接口硬件框圖Fig 3 Hardware block diagram of sensor interface

2.2 數(shù)據(jù)處理主板

系統(tǒng)的主板由2個(gè)電平轉(zhuǎn)換芯片、3個(gè)微控器、一個(gè)無線模塊構(gòu)成，其硬件框圖如圖4所示。電平轉(zhuǎn)換芯片選擇的是MAX3387，作為微控器和姿態(tài)傳感器之間通訊的中轉(zhuǎn)站，負(fù)責(zé)TTL電平和RS—232電平之間的轉(zhuǎn)換。微控器采用的是ARM內(nèi)核的STM32F407單片機(jī)，該單片機(jī)集成了UART,SPI等通信模塊，能夠簡化硬件和軟件設(shè)計(jì)，主頻可達(dá)168 MHz，內(nèi)嵌浮點(diǎn)運(yùn)算單元(FPU)，可以快速處理浮點(diǎn)運(yùn)算，圖中1#，2#微控器分別處理左腳、右腳的傳感器數(shù)據(jù)，并通過SPI模塊發(fā)送給1#微控器。由于兩只腳的傳感器數(shù)據(jù)分別在不同的微控器上并行計(jì)算，因此，需要將兩只腳的數(shù)據(jù)同步整合，1#微控器主要作用是對另外兩個(gè)微控器的數(shù)據(jù)進(jìn)行整合，實(shí)現(xiàn)時(shí)間同步并通過無線模塊發(fā)送到外骨骼控制器或者上位機(jī)。無線模塊采用的是XBee-PR 900HP，其傳輸速度可達(dá)250 kbps，在城市的通信距離長達(dá)100 m。

圖4 數(shù)據(jù)處理主板硬件框圖Fig 4 Hardware block diagram of data processing mainboard

3 軟件設(shè)計(jì)

3.1 傳感器數(shù)據(jù)接收軟件設(shè)計(jì)

MTI—30姿態(tài)傳感器的數(shù)據(jù)是按照特定格式的數(shù)據(jù)幀封裝的，因此,需要設(shè)計(jì)軟件來解算數(shù)據(jù)幀。如圖5所示，系統(tǒng)通過中斷來實(shí)現(xiàn)數(shù)據(jù)解算，STM32單片機(jī)的UART模塊每接收1個(gè)字節(jié)的數(shù)據(jù)就促發(fā)一次中斷，因此,傳感器的一幀數(shù)據(jù)需要促發(fā)多次中斷才能解算完畢。

圖5 數(shù)據(jù)幀解算流程Fig 5 Resolving flow chart of data frame

3.2 主程序軟件設(shè)計(jì)

左、右腳傳感器數(shù)據(jù)處理流程如圖6(a)所示，當(dāng)程序檢測到3只傳感器的采樣數(shù)據(jù)都已接收成功，計(jì)算出膝蓋、腳踝的夾角數(shù)據(jù)，通過非線性時(shí)間序列分析Takens算法可以對關(guān)節(jié)的旋轉(zhuǎn)角度進(jìn)行預(yù)測，將預(yù)測量及其他數(shù)據(jù)通過SPI模塊發(fā)送給1#微控器，該算法將在下一節(jié)進(jìn)行介紹。數(shù)據(jù)轉(zhuǎn)發(fā)也按照MTI—30的幀格式封裝，因此，1#微控器解算數(shù)據(jù)幀的方式和解算傳感器數(shù)據(jù)幀是一樣的，如圖5所示，其主程序流程圖如圖6所示。

圖6 主程序流程圖Fig 6 Flow chart of main program

3.3 步態(tài)預(yù)測Takens算法

20世紀(jì)80年代，Packard等人提出了由非線性時(shí)間序列來重構(gòu)奇異吸引子相空間的思想方法[6]，并研究其非線性動(dòng)力學(xué)特性。于此同時(shí)，Takens獨(dú)立地提出用延時(shí)坐標(biāo)法和標(biāo)量時(shí)間序列來重構(gòu)奇異吸引子相空間[7],奠定了非線性時(shí)間序列分析的基礎(chǔ)。對非線性時(shí)間序列動(dòng)力學(xué)因素的分析，目前廣泛采用的是延遲坐標(biāo)相空間重構(gòu)方法[8]。

根據(jù)Takens嵌入定理，對于給定時(shí)間序列y(t)∈R，0≤t≤n，給定適當(dāng)?shù)难舆t時(shí)間h和嵌入維數(shù)p，則可得延遲矢量[9]

D(t)=[y(t),y(t-h),…,y(t-h(p-1))]T

(1)

以相空間重構(gòu)及Takens嵌入定理為理論基礎(chǔ)與數(shù)學(xué)工具，本文所實(shí)現(xiàn)的數(shù)據(jù)預(yù)測算法流程如下[10]：

1)在每個(gè)采樣時(shí)刻t，t≥hp得到一個(gè)延遲矢量D(t)；

2)計(jì)算當(dāng)前時(shí)刻D(t)與之前觀測到的所有D(i)，hp≤i≤t之間的歐氏距離δ(i)=‖D(t)-D(i)‖；

(2)

(3)

預(yù)測階數(shù)k主要由外骨骼系統(tǒng)執(zhí)行機(jī)構(gòu)響應(yīng)速度決定，微控器中的預(yù)測階數(shù)k應(yīng)當(dāng)可以通過程序設(shè)置，以適應(yīng)不同的驅(qū)動(dòng)機(jī)構(gòu)。由于課題研究的下肢負(fù)重外骨骼是面向能夠正常行走的成年人，因此,針對身高1.70 m的成年男性在3.6 km/h的正常步行速度下進(jìn)行實(shí)驗(yàn)，使用動(dòng)作捕捉系統(tǒng)OptiTrack得到的下肢各關(guān)節(jié)運(yùn)動(dòng)角度信息，數(shù)據(jù)的采樣率為100 Hz，對數(shù)據(jù)按照上述的方式進(jìn)行仿真，統(tǒng)計(jì)出不同預(yù)測階數(shù)下的重構(gòu)參數(shù)，如表1所示，k取{3,5,7,9}表示預(yù)測采樣點(diǎn)未來{30,50,70,90}ms的數(shù)據(jù)，最后一列為仿真時(shí)的最高預(yù)測準(zhǔn)確率。

表1 Takens算法重構(gòu)參數(shù)表

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中，選擇不同身高的男性實(shí)驗(yàn)者共20名，不同身高的女性實(shí)驗(yàn)者20名。為了驗(yàn)證步態(tài)感知系統(tǒng)采集步態(tài)數(shù)據(jù)的準(zhǔn)確率，在實(shí)驗(yàn)時(shí)，使用步態(tài)感知系統(tǒng)和動(dòng)作捕捉系統(tǒng)OptiTrack同時(shí)采集人體下肢各關(guān)節(jié)的夾角數(shù)據(jù)。參考式(1)，感知系統(tǒng)相對于動(dòng)作捕捉系統(tǒng)OptiTrack的準(zhǔn)確率用PR(e,yo)表示，其中e(t)=yo(t)-y(t)，yo(t)表示t時(shí)刻OptiTrack的夾角數(shù)據(jù)，y(t)表示t時(shí)刻步態(tài)感知系統(tǒng)的夾角數(shù)據(jù)。實(shí)驗(yàn)統(tǒng)計(jì)出步態(tài)感知系統(tǒng)數(shù)據(jù)準(zhǔn)確率PR(e,yo)均值和預(yù)測準(zhǔn)確率PR(ek,y)均值如表2所示。

由表2第三列可以看出，步態(tài)感知系統(tǒng)和動(dòng)作捕捉系統(tǒng)OptiTrack的數(shù)據(jù)非常接近，說明步態(tài)感知系統(tǒng)能夠準(zhǔn)確測量人體下肢的步態(tài)數(shù)據(jù)。由第四列可以看出，預(yù)測準(zhǔn)確率隨著k的增大基本保持不變，有很好的穩(wěn)定性和準(zhǔn)確度。

5 結(jié)束語

利用姿態(tài)傳感器、ARM微控器及無線通信模塊設(shè)計(jì)了人體步態(tài)感知系統(tǒng)，該系統(tǒng)利用安裝在外骨骼穿戴者下肢的姿態(tài)傳感器采集人體下肢關(guān)節(jié)的旋轉(zhuǎn)運(yùn)動(dòng)，并通過非線性時(shí)間序列分析Takens算法預(yù)測人體下肢關(guān)節(jié)未來一段時(shí)間的運(yùn)動(dòng)情況。實(shí)驗(yàn)結(jié)果表明：設(shè)計(jì)的步態(tài)感知系統(tǒng)性能穩(wěn)定，能夠準(zhǔn)確、穩(wěn)定地采集和預(yù)測人體下肢的步態(tài)數(shù)據(jù)，為外骨骼控制器提供可靠的參考信息，解決了外骨骼與穿戴者運(yùn)動(dòng)不協(xié)調(diào)的問題，同時(shí)解決了外骨骼步態(tài)滯后于穿戴者步態(tài)的問題。

[1] 趙彥峻，徐 誠.人體下肢外骨骼設(shè)計(jì)與仿真分析[J].系統(tǒng)仿真學(xué)報(bào)，2008，20(17)：4756-4766.

[2] Ferris D,Lewis C.Robotic lower limb exoskeletons using proportional myoelectric control[C]∥The 31st Annual International Conference of the IEEE Engineering in Medicine and Biology Society,Mineapolis,Minnesota,USA:IEEE Engineering in Medicine and Biology Society,2009:2119-2124.

[3] Wehner M,Rempel D,Kazerooni H.Lower extremity exoskeleton reduces back forces in lifting[C]∥ASME Dynamic Systems and Control Conference,Hollywood,California,USA:Dynamic Systems and Control Division,2009:49-56.

[4] Garcia E,Sater J M,Main J.Exoskeletons for human performance augmentation (EHPA):A program summary[J].Journal of the Robotics Society of Japan,2002,20(8):44-48.

[5] 周小華，李 娟，李偉達(dá)，等.一種基于多傳感器的步態(tài)相位實(shí)時(shí)檢測系統(tǒng)[J].傳感器與微系統(tǒng)，2016，35(2)：91-96.

[6] Packard N H,Crutchfield J P,Farmers J D. Geometry from a time series[J].Physical Review Letters,1980,45(9):712-716.

[7] Takens F.Detecting strange attractors in fluid turbulence[J].Dynamical Systems and Turbulence,1981,898:366-381.

[8] 孟慶芳，彭玉華.混沌時(shí)間序列改進(jìn)的加權(quán)一階局域預(yù)測法[J].計(jì)算機(jī)工程與應(yīng)用， 2007，43(35)：61-64.

[9] 李正周，丁 浩，劉 梅，等.實(shí)測海雜波光電圖像混沌特性研究[J].傳感器與微系統(tǒng)，2013，32(4)：27-33.

[10] Herrmann C.Robotic motion compensation for applications in radiation oncology[D].Bavaria:University of Wuerzburg,2013:131-152.

Design of human gait sensing system based on exoskeleton robot*

ZHOU Pan1, YANG Yong1, MA Lei1, SHU Yang2

(1.School of Electrical Engineering,Southwest Jiaotong University,Chengdu 610031,China;2.Institute of Systems Engineering,China Academy of Engineering Physics,Mianyang 621900,China)

Aimed at problem of movement coordinating of exoskeleton with its wearer,a human gait sensing system is designed for aquistition and prediction of lower limbs’ motion state of the wearer.The system uses six attitude sensors called MTI—30 to acquire human gait data.ARM microcontrollers known as STM32F407 are used as data computing units in the system.Acquired gait data are resolved,predicted and transmitted.Predict rotational motion of human legs by nonlinear time series analysis Takens algorithm.The result of experiments show that system has stable function and can accurately acquire and predict human gait data of human legs,the predicted result is stable and reliable,which provides reliable reference data for exoskeleton controller.

exoskeleton; attitude sensor; gait sensing; Takens algorithm; ARM

2016—02—23

國家自然科學(xué)基金重點(diǎn)資助項(xiàng)目 (61433011)； 國家自然科學(xué)基金資助項(xiàng)目(61075104)

10.13873/J.1000—9787(2016)10—0082—04

TP 274

A

1000—9787(2016)10—0082—04

周 攀(1989-)，男，四川雅安人，碩士研究生，研究方向?yàn)闄z測技術(shù)與自動(dòng)化裝置。