利用惯性传感器数据实时示教下肢外骨骼步态的研究

田启磊　王钰

摘要：为实时、灵活和方便地示教下肢外骨骼机器人的步态，提出利用惯性传感器实时示教步态的方法。通过示教者下肢末端的传感器，实时采集脚掌的位姿数据，再根据逆向运动学理论建立下肢各关节角的算法，从而实现每条下肢只需一只传感器即可示教步态的要求。通过安放在小腿和大腿上的其他惯性传感器实测的数据，验证该方法可行性。研究结果表明，该方法时间滞后0.15 s，关节最大误差在2°范围内，能够实现步态的实时示教控制。

关键词：下肢外骨骼；步态示教；动捕系统；惯性传感器

中图分类号：TP24 文献标志码：A

借助下肢外骨骼机器人康复卒中后偏瘫患者的肢体功能，是康复机器人领域研究的热点之一[1-2]，而机器人步态的示教与控制，则是其中的一个研究重点。目前下肢外骨骼机器人的步态生成方法主要有以下几种：1）拖拽方式，通过位置控制牵引患者进行重复的康复训练[3-4]，但劳动强度高，灵活性差，没有实时性；2）力控方式，通过多个传感器直接测量由人体肌肉收缩而产生的力[5-6]，或者建立人机动力学模型估计穿戴者的运动意图[7-11]，根据患者的运动能力调节机器人辅助力矩，完成对下肢外骨骼步态的控制，这种方法穿戴不便，操作复杂，同样缺少灵活性与实时性；3）生物电方式，通过采集运动过程中产生的生物信号判断患者运动意图，从而实现对下肢外骨骼的控制[12-14]，缺点是成本高，信号易受干扰，控制鲁棒性差；4）光学动捕方式，通过光学传感器采集人体步态运动特征点，与人体数据库比对优化后作为机器人末端控制器的数据输入，从而控制机器人运动[15]，但成本高，空间占用大，受环境因素影响大，无实时性。本文提出了一种基于单个惯性传感器的下肢外骨骼实时步态示教方法，将灵活性、实时性以及成本低等优点集于一体，并对比分析Simulink仿真结果与动捕系统分布在下肢其他部位上的惯性传感器实时采集的关节转角数据，验证了该方法能帮助患者复现示教轨迹。

1 基于惯性动捕系统的步态示教方法

1.1 基于惯性动捕系统的步态示教原理

图1为步态示教与控制的完成流程，传感器采集的数据通过UDP通讯至上位机，滤波后，脚背传感器的数据输给逆向运动学算法，计算出相对于腰部坐标系的关节坐标，然后关节坐标传给由MultiBody工具箱建立的仿真模型，动态记录和展示示教步态的轨迹。

1.2 惯性传感设备选型

选用常见的惯性动作捕捉设备，型号为VDSuit，相对于光学相机步态识别方法，惯性动捕系统适应性强，穿戴方便，不受场地环境的影响。如图2所示，动捕系统由17个惯性传感器若干信号线和绑带以及无线接收器组成，可通过绑缚于腰部、大腿中部、小腿中部及脚背部的传感器获取中间关节位置的转角。因为只考虑步态在矢状面内运动，且以腰部作为基坐标系，左右两腿关于腰部坐标系对称分布，所以仅以左腿验证该步态示教方法。本文研究只限于固定于左脚背的惯性传感器獲取大地坐标系下脚掌的位姿数据用于逆运动学分析，并与通过VDSuit惯性动作捕捉设备获取髋关节、膝关节和踝关节转动角度数据对比验证逆运动学算法的正确性。

2 下肢外骨骼的正逆运动学方程D-H表示

2.1 建立坐标变换模型

基于Denavit-Hartenberg（D-H）表示法建立外骨骼下肢运动学模型，描述下肢各关节之间的坐标变化，基于人体下肢功能性康复的基本要求，下肢外骨骼三个运动自由度由髋关节屈伸、膝关节屈伸和踝关节屈伸组成，坐标变换如图3所示，首先为下肢每个关节指定一个参考坐标系。坐标系0表示腰部基准坐标系，坐标系1表示髋关节坐标系（机器人基坐标系），坐标系2表示膝关节坐标系，坐标系3表示踝关节坐标系，坐标系G表示末端脚掌坐标系，腰部坐标系通过平移与旋转变换到末端脚掌坐标系G。

2.2 基于D-H参数建立正逆运动学方程

腰部坐标系0到坐标系H的D-H参数见表1。θ表示绕Z轴的旋转角，d表示关节偏置，a表示连杆长度，αi表示相邻两个Z轴之间的扭角。只考虑人体矢状面上的运动，为简化分析关节偏距均设为0；根据GB10000-1998中国成年人人体尺寸标准中18～60岁分组中占比95%的人体数据确定杆长a；由于Z1、Z2、Z3、ZG是平行的，所以绕X轴的扭角αi=0。实际情况脚尖与脚踝不在同一水平面存在夹角，所以需要补偿角度θ补偿，脚背部传感器测得Z方向初始角度近似看做补偿角度θ补偿。

3 仿真实验分析

基于Simulink建立仿真模型，利用位于脚掌背部的动捕系统单只惯性传感器获取的实时位姿数据进行运动仿真，分析下肢关节角度与动捕系统下肢传感器直接测得的三个关节转动角度的关系。

实验对象为一名身高170 cm、体重74 kg的健康男性，通过示教人员特定静态姿态与仿真模型姿态对比，验证外骨骼机器人运动控制算法的准确性。输入数据为实验人员大腿长度、小腿长度、脚掌长度以及脚掌相对于腰部坐标系矢状面的实时位姿数据。示教人员做出图5所示姿态，通过关节中心点和脚背传感器位置点量取关节转角，以及稳定姿态位置算法计算的角度见表2。仿真模型姿态与示教人员姿态数据误差在2°以内，说明外骨骼机器人运动控制算法满足基本要求。

在动态试验中采集连续步态运动数据，与仿真模型运动姿态对比分析。输入的腰部传感器在x（行走方向）和y方向（竖直方向）位移如图6所示，脚掌相对于腰部坐标系矢状面的实时位姿数据如图7所示。

在Simulink仿真设置程序运行时间t为10 s，下肢步态变化如图8所示，仿真姿态与示教人员姿态一致。髋关节角度为垂直于地面的参考线与以股的长轴线之间所成的夹角，伸展角度为正；膝关节角度为股长轴延长线与胫长轴线之间所成夹角，伸展角度为正；踝关节角度为过踝关节与地面平行的水平线与足长轴之间的夹角，背伸角度为正。

根据髋关节、膝关节、踝关节角度的仿真结果与惯性动捕系统直接采集的下肢各个关节角度曲线对比如图9所示，算法角度因为经二阶低通滤波处理时间维度滞后0.15 s，满足步态控制要求；角度误差范围在2 °以内，且不存在累积误差。故该控制方法可以实现示教者的步态运动轨迹的复现，达到康复师快捷方便的实时的调整患者步态位姿，验证了该步态示教方法的可行性。

4 结论

本文提出了利用单只惯性传感器进行步态示教的方法，在Simulink平台对其控制算法进行仿真分析，并与动捕系统实采的下肢三关节角度数据对比分析。利用单只惯性传感器数据的下肢外骨骼步态控制方法可以很好的复现示教者的步态运动轨迹，且操作简单灵活，成本低，能够实时调整示教运动轨迹，减轻康复师为患者做康复训练时的负担。

参考文献

［1］国家统计局. 第七次全国人口普查公报解读［EB/OL］. ［2022-06-06］. http：//www.stats.gov.cn/tjsj/sjjd/202105/t20210512_1817336.html.

［2］《中国脑卒中防治报告》编写组. 《中国脑卒中防治报告2019》概要［J］. 中国脑血管病杂志， 2020， 17（5）：272-281.

［3］冯永飞. 坐卧式下肢康复机器人机构设计与协调控制研究［D］.秦皇岛：燕山大学，2018：34-90.

［4］赵小磊，林木松，李齐，等. 基于加速度传感器的下肢康复机器人示教训练［J］.传感技术学报，2016，29（10）：1596-1601.

［5］周智雍，钱伟，丁加涛，等. 基于核化运动基元的外骨骼膝关节步态轨迹在线规划［J］.机器人，2021，43（5）：557-566.

［6］MORITA Y， NAGASAKI M， UKAI H， et al. Development of rehabilitation training support system of upper limb motor function for personalized rehabilitation［C］// IEEE International Conference on Robotics & Biomimetics. Bangkok， 2009： 300-305.

［7］PONS J L. Wearable robots： Biomechatronic exoskeletons［M］. England： John Wiley & Sons Ltd， 2008：17-81.

［8］李沈炎，韓亚丽，陈茹雯，等. 基于滑模PID控制的下肢康复外骨骼控制研究［J］.组合机床与自动化加工技术，2021（3）：98-101.

［9］于建均，李晨，左国玉，等. 基于LSTM神经网络的仿人机器人循环步态的生成方法［J］.北京工业大学学报， 2020， 46（12）： 1335-1344.

［10］ 刘辉， 陈婵娟，穆琪. 基于PSO-SCE的下肢外骨骼机器人步态多目标优化［J］. 现代制造工程， 2021（2）：27-35.

［11］ TSOI Y H， XIE S Q. Impedance control of ankle rehabilitation robot［C］// IEEE International Conference on Robotics & Biomimetics. Bangkok， 2009： 840-845

［12］ 尚长沛， 程志. 基于表面肌电信号的步态切换意图识别及控制研究［J］. 控制工程， 2021，28（8）：1662-1668.

［13］ 张弼，姚杰，赵新刚，等.一种基于肌电信号的自适应人机交互控制方法［J］.控制理论与应用，2020，37（12）：2560-2570.

［14］ 史小华，卢浩，廖梓宇，等. 基于表面肌电信号的下肢康复主动训练［J］.科学技术与工程， 2018，18（17）： 61-66.

［15］ 王文远，富文昌，曹富.基于动作捕捉技术对仿人机器人运动学分析与步态仿真［J］.机械传动，2021，45（8）：110-117.

［16］ 胡旭辉，王钰.基于惯性传感器遥控示教康复系统的研究［J］.青岛大学学报（自然科学版），2022，35（1）：66-72.

Research on Real-time Teaching Gait of Lower Limb Exoskeleton Using Inertial Sensor Data

TIAN Qi-lei， WANG Yu

（College of Mechanical and Electrical Engineering， Qingdao University， Qingdao 266071，China）

Abstract： A method of real-time gait teaching using inertial sensors was proposed to teach the gait of lower limb exoskeleton robot in real time， flexibly and conveniently. Through the sensor at the end of the lower limb of the instructor， the position and posture data of the foot were collected in real time. According to the theory of inverse kinematics， the algorithm of each joint angle was established， so as to achieve the requirement that each lower limb can teach gait with only one sensor. The feasibility of this method was verified by the measured data of other inertial sensors placed on the lower leg and thigh. The research results show that the method has 0.15 s delay and the maximum joint error is within 2°， and the gait can be controlled by real-time teaching.

Keywords： lower limb exoskeleton; gait teaching; mobile capture system; inertial sensor

收稿日期：2022-06-17

基金项目：山东省科技发展计划项目（批准号：40214010075）资助。

通信作者：王钰，男，副教授，主要研究的方向为康复机器人与打磨机器人。E-mail：ywang@qdu.edu.cn