本發(fā)明涉及機器人，更具體地，涉及一種下肢外骨骼機器人的人機交互控制方法。

背景技術：

1、外骨骼機器人可用于醫(yī)療康復領域，如輔助穿戴者運動。以下肢外骨骼機器人(lower?limb?exoskeletons，lle)為例，它將人體機理和機械性能緊密結合，為穿戴者提供主動平衡和行走能力。在輔助穿戴者行走時，下肢外骨骼機器人需要具備感知人類運動意圖的能力，提高穿戴者的主動參與度，實現出色的人機交互性能。如何在穿戴者穿戴外骨骼時，實現自然、準確和穩(wěn)定的人機交互控制，目前尚未完全解決。因此，通過先進智能控制實現完美的人機交互，對于增強lle運動的靈活性、提高lle的行走能力具有十分重要的意義。

2、快速準確地識別人體運動意圖是實現lles高效人機交互控制的前提條件。利用人體表面肌電圖(semg)信號檢測人體運動意圖是外骨骼領域常用的理想信號源。semg信號包含豐富的人體運動信息，對應人體的運動狀態(tài)。semg具有較高的準確性和實時性，相對于人體運動的前置時間為30-150毫秒，有利于集成到外骨骼的實時控制器中。因此，基于semg信號的人機交互識別逐漸成為外骨骼領域的研究熱點。

3、在lle的人機交互控制中，外骨骼被賦予了解碼人體運動意圖以生成相應運動軌跡的能力。通過設計穩(wěn)定的控制器來控制lle并實現所需的運動，可以實現與外骨骼的安全交互。

4、目前已有多種下肢外骨骼機器人的人機交互控制方法。例如，有方案基于semg進行了運動意向和關節(jié)剛度估計，并提出了一種基于阻抗的自適應控制器，用于lle的人機協同控制。有方案提出了一種基于semg的雙層導納控制，使穿戴者能夠主動調整lle的步態(tài)，并通過六名受試者在跑步機上進行了驗證，受試者能夠連續(xù)穩(wěn)定地調整步態(tài)軌跡。

5、盡管現有的外骨骼人機交互控制研究已經實現了基于semg的人機交互識別和控制。然而，這些方法僅適用于單側lle控制，尚未對雙側lle進行驗證。此外，現有方案semg數據采集方法成本較高，不利于lle的推廣應用，或者缺乏行走魯棒性分析，未對主體和地形的魯棒性進行驗證，這導致不自然的人機交互控制?？傊?，目前關于外骨骼人機交互技術的研究存在局限性，包括需要收集大量人機交互數據集，人機交互控制的通用性較差，以及缺乏高精度的人機交互技術控制等。

技術實現思路

1、本發(fā)明的目的是克服上述現有技術的缺陷，提供一種下肢外骨骼機器人的人機交互控制方法。該方法包括以下步驟：

2、采集目標的表面肌電數據；

3、將所述表面肌電數據輸入到經訓練的運動意圖解碼網絡，輸出對應的期望步態(tài)軌跡；

4、利用設計的魯棒跟隨控制器跟蹤所述期望步態(tài)軌跡，以保證下肢外骨骼機器人在關節(jié)空間的跟蹤誤差有界；

5、其中，所述運動意圖解碼網絡包括生成對抗網絡模塊、圖神經網絡模塊和transformer模塊，所述transformer模塊包括時間層和空間層，所述時間層用于處理表面肌電數據中與時間相關的特征，包括時域嵌入層、時域多頭注意力機制層和第一前饋網絡，所述空間層用于捕捉表面肌電數據的空間分布特征，包括空域嵌入層、空域多頭注意力機制層和第二前饋網絡；在時間層中，將每個通道的表面肌電數據作為圖神經網絡模塊中圖結構的一個節(jié)點，將每個節(jié)點的數據分解為一組本征模態(tài)函數作為對應節(jié)點的特征，并將利用圖結構獲得的注意力分數傳遞至所述時域多頭注意力機制層，以學習序列之間的關系。

6、與現有技術相比，本發(fā)明的優(yōu)點在于，提出了一種新型的lle的人機交互控制框架，該框架具有在線解碼人體運動意圖網絡的魯棒跟蹤控制器，考慮了在線步態(tài)生成和穩(wěn)定行走控制，能夠完成穿戴外骨骼在多種地形上的行走。并且，在本發(fā)明所提出的lle人機交互控制框架中，利用基于生成對抗網絡-圖結構的transformer網絡可以生成大量semg數據，并通過緊密耦合的圖結構和時域與空域相結合的自注意力機制獲取局部和全局semg特征，從而降低了對樣本semg數據的需求量，同時提高了人機交互控制的精確性。

7、通過以下參照附圖對本發(fā)明的示例性實施例的詳細描述，本發(fā)明的其它特征及其優(yōu)點將會變得清楚。

技術特征：

1.一種下肢外骨骼機器人的人機交互控制方法，包括以下步驟：

2.根據權利要求1所述的方法，其特征在于，根據以下步驟訓練所述運動意圖解碼網絡：

3.根據權利要求2所述的方法，其特征在于，所述生成器采用分數形式的卷積層，所述判別器采用分步卷積層。

4.根據權利要求1所述的方法，其特征在于，所述外骨骼機器人是下肢外骨骼機器人，該下肢外骨骼機器人的動力學模型表示為：

5.根據權利要求4所述的方法，其特征在于，所述魯棒跟隨控制器表示為：

6.根據權利要求1所述的方法，其特征在于，所述時間層和所述空間層的輸出層使用全連接網絡，且所述空間層的輸出使用sigmoid函數作為掩碼。

7.根據權利要求1所述的方法，其特征在于，所述本征模態(tài)函數通過超經驗模態(tài)分解方法獲得。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其中，該計算機程序被處理器執(zhí)行時實現根據權利要求1至7中任一項所述方法的步驟。

9.一種計算機設備，包括存儲器和處理器，在所述存儲器上存儲有能夠在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

技術總結
本發(fā)明公開了一種下肢外骨骼機器人的人機交互控制方法。該方法包括：采集目標的表面肌電數據；將所述表面肌電數據輸入到經訓練的運動意圖解碼網絡，輸出對應的期望步態(tài)軌跡，所述運動意圖解碼網絡包括生成對抗網絡模塊、圖神經網絡模塊和Transformer模塊；利用設計的魯棒跟隨控制器跟蹤所述期望步態(tài)軌跡，以保證下肢外骨骼機器人在關節(jié)空間的跟蹤誤差有界。本發(fā)明可以在小樣本條件下生成大量表面肌電數據，并通過緊密耦合的圖結構和時域與空域相結合的自注意力機制獲取局部和全局表面肌電數據的特征，從而降低了樣本采集的復雜度，同時提高了人機交互控制的精確性。

技術研發(fā)人員：李鋒,吳新宇,田定奎,陳自強,李文韜,祝元培,李金科,尹猛
受保護的技術使用者：中國科學院深圳先進技術研究院
技術研發(fā)日：
技術公布日：2024/10/10