本发明涉及的技术领域为用于医疗复健的下肢外骨骼机器人，更具体地，涉及一种标准步态模型的算法设计，可用于帮助患者在使用外骨骼机器人进行复健训练时脱离辅助助力工具实现平稳行走。
背景技术：
目前外骨骼机器人在很多应用领域有较好的发展前景。对于应用于医疗领域的康复训练外骨骼机器人，国内相关方面的研究起步较晚，国外现阶段最为领先的是瑞士研制的lokomat外骨骼机器人和以色列研制的rewalk下肢外骨骼机器人。lokomat机器人采用直流电机伺服驱动，共有4个自由度来完成髋关节和膝关节的旋内、旋外和屈伸运动，提供固定步态训练模式并实时提供反馈与评估。为了便于康复训练，lokomat外骨骼机器人需要配合跑步机和减重设备。在减重设备的帮助下，患者手扶支撑架并在跑步机的带动下进行重复的康复训练。rewalk下肢外骨骼机器人的机械结构主要有带电机驱动的腿部支架、背包和一副控制平衡的拐杖组成，患者穿戴上rewalk外骨骼机器人行走时借助拐杖提供平衡力，rewalk可以帮助上肢功能健全，下肢瘫痪的患者重新站立行走。
以上康复训练外骨骼机器人对下肢截瘫的患者都能够提供一定的运动功能恢复和神经重建等帮助。但是由于目前外骨骼机器人提供的都是单一且重复的步态训练模式，所以不能针对患者提供尽可能符合各自人体生理特征的训练模式。此外，现有的康复外骨骼机器人都依赖拐杖或其他辅助支撑工具助力完成行走。
技术实现要素：
本发明所要解决的技术问题是克服现有技术中，针对下肢截瘫的患者，用于康复训练的下肢外骨骼机器人训练步态单一，且都完全依赖拐杖来提供较大的支撑力来辅助行走的缺陷。
对于以上缺陷设计出使下肢外骨骼机器人平稳行走的算法，针对各个年龄段以及男女两个性别的患者给出符合各自年龄段和性别步态规律的固定标准步态模型。将该控制算法实现于实际机器人后可让患者摆脱拐杖实现稳定行走，从而达到更好的康复效果。
本发明的技术方案如下：
面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法，步骤如下：
(1)设计人体步态采集方法，抽样采集各类人群的步态数据：同时使用加速度传感器(例如mpu6050)和图像处理的方式采集正常人行走过程中左右髋关节和膝关节的转动角速度和角加速度，充分利用两种采集方式各自的优势，将获得的数据进行帧率统一、同步等调整，进行相互校准，互相提出干扰数据，得到初级步态数据。
(2)步态分类和得到初级步态模型：利用动态时间规整算法(dynamictimewarping，dtw)将初级步态数据按照年龄段(青年、中年、老年)和性别(男、女)分为青年男性、青年女性、中年男性、中年女性、老年男性、老年女性六类，并在各自的类别中进行数据的多项式曲线拟合得到初级步态模型。
(3)调整模型和得到标准步态模型：根据硬件需求调整初级步态模型，选取使误差最小的步态输入间隔和步态周期，获得相对应的步态模型，作为后续虚拟和现实机器人测试的输入步态。根据机器人的测试情况，反馈模型缺陷，反复调整数据选取间隔以及步态周期。获得每个分类的标准步态模型，按照人体步态运动规律，将每一个标准步态模型分为双足支撑相，单足支撑相和摆动相。
(4)虚拟和现实机器人步态测试：建立与实际下肢机器人同比例的虚拟机器人进行反复的仿真测试和调整。再根据机器人动力学模型，将仿真后的步态模型结合实际机器人测试过程中的力矩反馈信息，反复进行测试和调整，使输入步态模型能够符合下肢外骨骼机器人的硬件条件同时满足患者下肢康复要求。
本发明的有益效果：针对不同年龄段和性别的患者，给出最符合各类别行走规律的步态，实现不需要依赖拐杖支撑就能稳定行走的效果，进而能够让下肢外骨骼机器人更好地帮助患者进行下肢康复训练。
本步态采集装置和方案可以用于其他领域的人体步态采集，本装置采集到的各类人群的步态数据可以作为人体步态分析和研究的训练集。
附图说明
图1是步态平稳算法的实现框图；
图2是用传感器进行数据采集时的传感器佩戴位置及佩戴方式示意图；
图3是用图像处理的方式采集数据时在人体上做标记的位置示意图，然后从行走视频中直接提取各个关节角速度和角加速度数据；
图4模型调整方案的流程图；
图5是虚拟测试vr步态平衡行走的效果示意图；
图6是实际下肢外骨骼机器人的机械结构示意图；
图7是外骨骼机器人运动控制流程图；
图8是人体步态相位变化规律示意图；
图9给出了青年男性的标准步态模型示意图，按照人体步态规律将一个周期的步态分为三段，(a)为双足支撑相，(b)为单足支撑相，(c)为摆动相；
图10是下肢外骨骼机器人实现平稳行走的算法设计的流程图。
图中：1髋关节执行单元，2膝关节执行单元，3踝关节连接点，4大腿力传感器，5小腿力传感器，6足底力传感器。
具体实施方式
下面结合附图对本发明算法的具体实施做进一步详述：
图1为面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法的实现框图，首先建立人体步态采集装置采集正常人行走的步态，并对获得的数据集进行处理和分类，然后通过多项式曲线拟合得到初级步态模型，经过反复的虚拟和现实测试对模型进行不断地调整获得最终的各个分类的标准步态模型。实现步骤如下：
1.按照图2，和以下步骤完成数据采集和处理工作：
本方案同时采用两种方式采集数据：，
方式一：将4个pmu6050加速度传感器分别固定在人体左右腿的髋关节和膝关节处，同一条腿上的两个传感器用长连杆连接以保证获得的数据完全来自矢状面，见图2。开启传感器和传感器的上位机并通过蓝牙方式将传感器与上位机连接，数据以蓝牙形式实时输出，采集到人行走过程中矢状面上的髋关节和膝关节的角速度和角加速度。
方式二：分别在左右腿的大腿，膝盖和小腿处做标记。用rgb相机拍摄人体行走视频，根据图像处理的方式提取出标记点，见图3，并获得任意两帧之间的角度信息从而计算得到任一时刻两腿髋关节和膝关节的角速度和角加速度。
两种测量方式完全同步进行，并将测得的数据进行相互校准，以弥补单一测量方式存在的缺陷，更为精确地获取步态数据
采集各类人群的行走步态，建立初级步态数据库。利用动态时间规整算法(dtw)将初级步态按照青年、中年、老年三个年龄段，以及男、女两个性别进行分类，共得到青年男、青年女、中年男、中年女、老年男、老年女六个类别，并在各自的类别中进行数据的最小二乘法多项式拟合，得到初级步态模型。图8给出了青年男性的步态模型，按照步态运动规律分为双足支撑相，单足支撑相，摆动相。
2.结合图4来说明模型调整的具体过程：
首先利用初级标准步态模型，选取不同的间隔，在每个间隔下从初级模型中获得该间隔下的一组初级数据；根据实际机器人的硬件情况，对初级数据进行处理并获得处理后的误差；选取使处理误差最小的输入步态间隔，并获得对应的新一级步态模型，作为虚拟和实际机器人测试的输入步态数据。根据机器人的测试情况，如果同时满足虚拟和实际测试，则该步态模型就是最终的标准步态模型；如果不满足虚拟测试或实际测试，则需要重新选取间隔以及步态周期，并将现在的模型作为下一级步态模型的参考模型，直到满足测试，获得最终标准步态模型。
3.按照图4，和以下步骤完成vr步态平衡行走测试：
使用虚拟仿真软件(例如adams)，按照现实机器人的比例搭建虚拟机器人，并考虑机器人负载重量、摩擦系数、使用者行走过程中的重心移动等环境因素和实际可能存在情况。分别将每个类别的标准步态数据输入到虚拟机器人的各个关节中进行测试和调整，如果能使虚拟机器人达到稳定行走的效果，则进入下一步测试，反之，则返回模型调整阶段。
4.图6为下肢外骨骼机器人机械结构简图，通过以下步骤结合图6对实际测试作进一步说明：
实际下肢外骨骼机器人(例如fourierx2)的机械结构和功能介绍如下：
外骨骼机器人基本的机械结构主要由3部分组成，包括机器人主体(背包)、机器人左腿和机器人右腿，见图7。机器人左腿和右腿为机器人行走的驱动部位，是对称结构。左腿和右腿各有3个活动关节，分别为髋关节、膝关节和踝关节，其中髋关节和膝关节由电机运动进行控制，具有主动自由度，可以向其输入动力学数据(例如角度，角速度)来控制机器人的运动和前进。踝关节不含电机，为被动自由度，随着穿戴者踝关节角度的变化而变化。
机器人左腿和右腿上各有3个力传感器，分别位于大腿中部、小腿中部和足底，用于检测患者穿戴机器人行走过程中各个位置的拉压力，以作为动力学模型的力矩数据。
图7为外骨骼机器人运动控制流程图，机器人的测试执行流程如下：
将需要测试的步态模型经过控制器转化为具体的动力运动命令(例如角速度)，然后输入到各个主动关节(左右髋关节、左右膝关节)中，通过执行器来驱动外骨骼机器人运动。在执行的过程中，通过各个位置的力传感器采集关节力矩作为系统的反馈信息，用于调整步态模型。
实际操作过程如下：
使用者穿戴并启动外骨骼机器人和上位机，完成机器人校零操作后，用网线将机器人与上位机相连并建立通信连接。通过上位机向机器人的髋关节和膝关节输入经过仿真测试得到的每一时刻的角速度。机器人带动使用者行走并通过机器人上的力传感器将力矩信息实时反馈给上位机。根据机器人动力学模型，将得到的力矩信息与输入的动力信息进行匹配和验证，重复测试并调整以获得最合适的步态周期，直到让使用者能够脱离手杖稳定行走，获得最终步态数据。重复以上测试过程获得六个类别的最终步态数据。
1.一种面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法，其特征在于，步骤如下：
(1)数据采集和处理
采用两种方式采集数据：
方式一：将4个加速度传感器分别固定在人体左右腿的髋关节和膝关节处，同一条腿上的两个加速度传感器用长连杆连接以保证获得的数据完全来自矢状面；开启加速度传感器和上位机并通过蓝牙方式将加速度传感器与上位机连接，数据以蓝牙形式实时输出，采集到人行走过程中矢状面上的髋关节和膝关节的角速度和角加速度；
方式二：分别在左右腿的大腿、膝盖和小腿处做标记；用相机拍摄人体行走视频，根据图像处理的方式提取出标记点，并获得任意两帧之间的角度信息从而计算得到任一时刻两腿髋关节和膝关节的角速度和角加速度；
两种测量方式完全同步进行，并将测得的数据进行相互校准，以弥补单一测量方式存在的缺陷，更为精确地获取步态数据
采集各类人群的行走步态，获得30组步态数据；利用动态时间规整算法将初级步态按照青年、中年、老年三个年龄段，以及男、女两个性别进行分类，共得到青年男、青年女、中年男、中年女、老年男、老年女六个类别，并在各自的类别中进行数据的最小二乘法多项式拟合，得到初级步态模型；初级步态模型按照步态运动规律分为双足支撑相、单足支撑相、摆动相；
(2)模型调整
首先利用初级标准步态模型，选取不同的间隔，在每个间隔下从初级模型中获得该间隔下的一组初级数据；根据实际机器人的硬件情况，对初级数据进行处理并获得处理后的误差；选取使处理误差最小的输入步态间隔，并获得对应的新一级步态模型，作为虚拟和实际机器人测试的输入步态数据；根据机器人的测试情况，如果同时满足虚拟和实际测试，则该步态模型就是最终的标准步态模型；如果不满足虚拟测试或实际测试，则需要重新选取间隔以及步态周期，并将现在的模型作为下一级步态模型的参考模型，直到满足测试，获得最终标准步态模型；
(3)vr步态平衡行走测试
按照现实机器人的比例搭建虚拟机器人，并考虑机器人负载重量、摩擦系数和使用者行走过程中的重心移动，分别将每个类别的标准步态数据输入到虚拟机器人的各个关节中进行测试和调整，如果能使虚拟机器人达到稳定行走的效果，则进入下一步测试，反之，则返回模型调整阶段；
(4)实际测试
实际下肢外骨骼机器人的机械结构主要由机器人主体、机器人左腿和机器人右腿组成；机器人左腿和机器人右腿为机器人行走的驱动部位，是对称结构；左腿和右腿各有3个活动关节：髋关节、膝关节、踝关节，其中髋关节和膝关节由电机运动进行控制，具有主动自由度，向其输入动力学数据来控制机器人的运动和前进；踝关节不含电机，为被动自由度，随着穿戴者踝关节角度的变化而变化；
机器人左腿和右腿上各有3个力传感器，分别位于大腿中部、小腿中部和足底，用于检测患者穿戴机器人行走过程中各个位置的拉压力，以作为动力学模型的力矩数据；
机器人的测试执行流程如下：
将需要测试的步态模型经过控制器转化为具体的动力运动命令，然后输入到各个主动关节中，通过执行器来驱动外骨骼机器人运动；在执行的过程中，通过各个位置的力传感器采集关节力矩作为系统的反馈信息，用于调整步态模型；
实际操作过程如下：
使用者穿戴并启动外骨骼机器人和上位机，完成机器人校零操作后，用网线将机器人与上位机相连并建立通信连接；通过上位机向机器人的髋关节和膝关节输入经过仿真测试得到的每一时刻的角速度；机器人带动使用者行走并通过机器人上的力传感器将力矩信息实时反馈给上位机；根据机器人动力学模型，将得到的力矩信息与输入的动力信息进行匹配和验证，重复测试并调整以获得最合适的步态周期，直到让使用者能够脱离手杖稳定行走，获得最终步态数据；重复以上测试过程获得六个类别的最终步态数据。
技术总结