APP下载

基于机器学习的柔性外骨骼鲁棒自主定位方法

2021-05-23高泰恒古翠红

科学与生活 2021年5期
关键词:机器学习

高泰恒 古翠红

摘要:针对柔性外骨骼肢体末端所安装的惯性系统出现故障或超量程的问题,本文研究了一种基于机器学习的柔性外骨骼步态识别与鲁棒自主定位方法。该方法采用支持向量机(SVM)算法模型对柔性外骨骼的多种常规步态类型进行识别,根据不同的步态类型构建不同的卷积-长短期记忆(VGG-LSTM)深层混合神经网络模型,在实时生成虚拟惯性测量组件(IMU)的同时,降低了VGG-LSTM神经网络模型的复杂性。定位系统工作中通过判断实际IMU的故障,利用虚拟IMU构成具备系统重构能力的强鲁棒性自主定位方法。研究结果表明,机器人肢节末端IMU在常规步态下出现故障时,系统重构后的自主定位性能与无故障情况下基本保持一致。

关键词:柔性外骨骼;惯性导航系统;机器学习;步态识别;虚拟IMU

近年来,柔性外骨骼人机智能系统(下文简称柔性外骨骼)已成为机器人技术、机电工程、自动控制、生物工程以及人工智能等学科领域中一个新的研究热点。柔性外骨骼由于一般是由行人穿戴着进行运动学控制,且其运动学结构和人体肢体基本一致,所以基于微惯技术的递推式行人导航方法同样适用于柔性外骨骼,同时也存在传感器组件故障与超量程将对系统性能带来影响的弊端。构建虚拟惯性传感器是解决该问题的有效方法之一。通过误差反向传播神经网络实现虚拟IMU的构建,但是该方法使用的神经网络层数较少,构建的虚拟IMU精度相对较低。

一、柔性外骨骼惯性导航系统方案设计

本文所研究的柔性外骨骼导航系统包括两组分布式安装的惯性传感器相关组件。其中,惯性/地磁传感器组件安装于柔性外骨骼肢体末端(本文以机器人穿戴式足部机械结构为例,下文简称足部),惯性传感器组件安装于柔性外骨骼下肢的其他部位(本文以与足部同侧的大腿机械结构外侧为例,下文简称大腿),两组IMU以相同的频率采集数据,并同时通过机器视觉等其他手段记录柔性外骨骼行走时的步态类型。

二、柔性外骨骼步态类型识别和虚拟IMU的构建

当柔性外骨骼在冲击或高过载运动中,足部IMU可能会出现超量程或故障等问题,本文通过VGG-LSTM混合模型构建虚拟足部IMU,代替实际IMU继续完成柔性外骨骼定位功能。为了在保证神经网络对虚拟和实际惯性传感信息逼近精度的前提下,降低VGG-LSTM神经网络的复杂程度,本文通过SVM对柔性外骨骼的不同步态类型进行识别,并针对不同的步态类型采用不同的VGG-LSTM混合模型参数来构建虚拟IMU,从而缩短VGG-LSTM混合模型的训练时间。

三、柔性外骨骼定位系统的误差修正

柔性外骨骼处于不同步态时,系统通过足部加速度计和陀螺仪的输出,设计相应的阈值,对柔性外骨骼足部进行零速检测。零速检测算法由以下4个条件组成。C1、C2、C3和C4分别是根据加速度计的矢量和、加速度计Z轴的值、陀螺仪的矢量和和陀螺仪Y轴的值来判断是否满足零速的条件。

在通过上述条件检测到柔性外骨骼足部运动的零速区间后,将触发卡尔曼滤波器进行惯导系统的误差估计与修正。

基于卡尔曼滤波的零速修正算法。在通过上述条件检测到柔性外骨骼足部运动的零速区间后,将触发卡尔曼滤波器进行惯导系统的误差估计与修正。本文基于捷联式惯性导航误差状态方程建立扩展卡尔曼滤波器。卡尔曼滤波器由15维误差状态量组成:

式中,为数学平台误差角;为位置误差;为东北天三向的速度误差; 为三轴加速度计的一阶马尔科夫过程;为三轴陀螺仪的随机常值。

将上述惯导误差方程作为状态方程,以柔性外骨骼实际或虚拟IMU构成的惯导系统在零速区间解算的速度与理想零速差值构成速度误差观测量,滤波器将进行滤波预测和滤波更新。当在非零速区间,系统无法获得观测值时,卡尔曼滤波器仅作滤波預测。

四、基于系统重构的柔性外骨骼导航系统性能验证

为验证本文所提出的重构系统的方法在故障情况下的可行性,在室外进行两组柔性外骨骼导航试验,用差分GPS作为实验验证的定位基准。分别在两条路线上进行柔性外骨骼常规步速行进实验。利用采集到的足部和腿部惯性传感器数据构建VGG-LSTM神经网络模型,进行VGG-LSTM模型测试得到虚拟IMU。分别将重构的惯性信息和实际惯性信息进行导航解算和零速修正,并将导航结果进行对比,以验证该重构的惯性定位系统的性能。

在系统出现故障的情况下,通过VGG-LSTM神经网络模型构建的惯性定位系统与无故障情况下的实际惯性定位系统定位精度基本相当,本文所提出的方法对柔性外骨骼足部惯性传感器的故障有一定的容错能力,可提高定位系统的鲁棒性与可靠性。

五、总结

本文提出了一种基于深度学习的虚拟IMU及其定位系统的构建方法,该方法可以有效解决柔性外骨骼运动过程中IMU出现过载或者故障导致导航系统无法进行导航的问题。该方法用SVM对柔性外骨骼步态类型进行识别,针对不同的步态类型,用不同的VGG-LSTM神经网络模型参数构建虚拟IMU,当足部IMU出现过载或故障时,用虚拟IMU信息代替足部实际IMU实现柔性外骨骼导航定位功能。实验验证表明,虚拟IMU构成的定位系统的性能与实际IMU所构成的定位系统的性能基本相当,可以在故障情况下继续实现一定精度的柔性外骨骼导航定位功能。

指导老师(通讯作者):古翠红 山东协和学院

山东协和学院 山东济南 250200

猜你喜欢

机器学习
基于词典与机器学习的中文微博情感分析
基于网络搜索数据的平遥旅游客流量预测分析
前缀字母为特征在维吾尔语文本情感分类中的研究
下一代广播电视网中“人工智能”的应用
基于支持向量机的金融数据分析研究
基于Spark的大数据计算模型
基于朴素贝叶斯算法的垃圾短信智能识别系统
基于图的半监督学习方法综述
机器学习理论在高中自主学习中的应用
极限学习机在图像分割中的应用