CN113696177B - 应用于外骨骼机器人的控制与评估方法及系统 - Google Patents
应用于外骨骼机器人的控制与评估方法及系统 Download PDFInfo
- Publication number
- CN113696177B CN113696177B CN202110865743.5A CN202110865743A CN113696177B CN 113696177 B CN113696177 B CN 113696177B CN 202110865743 A CN202110865743 A CN 202110865743A CN 113696177 B CN113696177 B CN 113696177B
- Authority
- CN
- China
- Prior art keywords
- data
- speed
- equipment
- standardized
- motion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Rehabilitation Tools (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种应用于外骨骼机器人的控制与评估方法，包括以下步骤：响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；实时获取设备运动相关数据，所述运动相关数据至少包括力矩及角度；通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备运动是否异常。通过本发明的方法，可以判断出设备运动是否异常，如果设备不存在异常，还能对采集到的数据进行处理，将处理的数据绘制出相应的曲线并和现有的曲线进行相似度判断推算出相应的病灶。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种应用于外骨骼机器人的控制与评估方法及系统。
背景技术
随着人工智能技术的进一步发展，越来越多的人工智能设备不断涌现出，如外骨骼机器人、公共服务机器人、智能工厂组装机器人等等。这些人工智能设备给我们的工作生活带来了诸多便利。但各种外骨骼机器人在应用时都会面临诸多在应用场景下亟待突破的技术点，如床边康复场景下，在外骨骼驱动器功能限制的情况下，弥补动力卡顿造成的无法流畅等速运动输出。
发明内容
本发明针对现有技术中的缺点，提供了一种外骨骼机器人的控制与评估方法及系统。
为了解决上述技术问题，本发明通过下述技术方案得以解决，一种应用于外骨骼机器人的控制与评估方法，包括以下步骤：
响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；
对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病状进行推算。
作为一种可实施方式，所述通过运动相关数据进行计算得到实际力矩特征曲线，包括以下步骤：
对获取到的运动相关数据进行整理及分类，并剔除不合理数据，得到处理后的数据；
基于处理后的数据得到屈曲总功和伸展总功、屈曲平均做功和伸展平均做功、屈曲的最大峰值力矩和伸展的最大峰值力矩、屈曲的最小峰值力矩和伸展的最小峰值力矩及屈曲的最大做功和伸展的最大做功；
基于以上数据得到实际力矩特征曲线。
作为一种可实施方式，所述基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间，具体为：
基于设备驱动器运动极限数据得到最大速度、最小速度、最小加速度、最大加速度、最小加加速度及最大加加速度；
基于最大速度、最小速度、最小加速度、最大加速度、最小加加速度及最大加加速度得到变速段时间和匀速段时间，其中，变速段时间包括加速段时间及减速段时间；
对匀速段时间进行判断，基于判断结果对变速段时间进行修正，得到修正结果；
基于修正结果得到理想曲线时间。
作为一种可实施方式，所述基于判断结果对变速段时间进行修正，具体为：
若匀速段时间小于预设值，则对变速段时间进行修正，修正时，对变速段时间进行判断，基于判断结果进行对变速段时间进行修正。
作为一种可实施方式，所述输出值包括输出位置、速度、加速度及加加速度，分别对输出位置、速度、加速度及加加速度进行标准化处理，得到标准化输出位置、标准化速度、标准化加速度及标准化加加速度。
作为一种可实施方式，还包括以下步骤：
获取用户的相关信息，所述相关信息至少包括运动高度；
基于用户的相关信息判断用户类型，若为新用户，则获取新用户的基础信息并保存，若为老用户，则执行相应指令。
作为一种可实施方式，还包括以下步骤：
若设备运动异常，则急停并发出报警信息。
一种应用于外骨骼机器人的控制与评估系统，包括获取处理模块、第一处理模块、第二处理模块、数据获取模块、判断模块及绘制推算模块；
所述获取处理模块，响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
所述第一处理模块，基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；
所述第二处理模块，用于对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
所述数据获取模块，用于实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
所述判断模块，用于通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
所述绘制推算模块，被设置为：若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病状进行推算。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下所述的方法步骤：
响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；
对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病状进行推算。
一种工作流程状态的监控装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述的方法步骤：
响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；
对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病状进行推算。
本发明由于采用了以上技术方案，具有显著的技术效果：
通过本发明的方法，可以判断出设备运动是否异常，如果设备不存在异常，还能对采集到的数据进行处理，将处理的数据绘制出相应的曲线并和现有的曲线进行相似度判断推算出相应的病灶。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明方法流程的具体示意图；
图2是一实施例中曲线示意图；
图3是本发明中系统的整体结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于监测”。类似地，取决于语境，短语“如果确定”或“如果监测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当监测(陈述的条件或事件)时”或“响应于监测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
实施例1
一种应用于外骨骼机器人的控制与评估方法，如图1所示，包括以下步骤：
S100、响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
S200、基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；
S300、对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
S400、实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
S500、通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
S600、若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病状进行推算。
整个控制评估方法其实可以分成两个大部分，第一部分就是先判断设备的运动是否异常，如果设备异常则直接急停并发出报警信息。如果设备运动没有异常，则根据采集的数据生成现实的力矩特征曲线并比对现有标准力矩特征曲线，判断实际力矩特征曲线是否出现差异，若是，则通过差异的地方用数据去推算对应的病状。
其中，所述输出值包括输出位置、速度、加速度及加加速度，分别对输出位置、速度、加速度及加加速度进行标准化处理，得到标准化输出位置、标准化速度、标准化加速度及标准化加加速度。
在一个实施例中，所述通过运动相关数据进行计算得到实际力矩特征曲线，包括以下步骤：
对获取到的运动相关数据进行整理及分类，并剔除不合理数据，得到处理后的数据；基于处理后的数据得到屈曲总功和伸展总功、屈曲平均做功和伸展平均做功、屈曲的最大峰值力矩和伸展的最大峰值力矩、屈曲的最小峰值力矩和伸展的最小峰值力矩及屈曲的最大做功和伸展的最大做功，假设屈曲总功为A，伸展总功为B，屈曲平均做功为C，伸展平均做功D，则屈曲与伸展总功比A/B，屈曲与伸展的总功和为A+B，屈曲与伸展平均做功比C/D，屈曲与伸展的平均做功和为C+D，基于以上数据得到实际力矩特征曲线。
在此，力矩特征曲线是一个上位概念，比如，可以为伸屈肌拮抗收缩力矩曲线，可以为股骨远端和近端骨折力矩曲线，还可以其他力矩曲线，在此对曲线不做限定。
具体的可以参见以下实现过程：
采集运动过程中的时刻，角度，角速度，力矩等原数据，会对数据进行分类等预处理，剔除不合理的数据，得到想要的数据，进而进行计算整合，下表数据所计算得到的为计算结果。
| 屈曲 | 伸展 | 屈伸比 | 屈曲+伸展总做功 | |
| 总功 | A | B | A/B | A+B |
| 平均做功 | C | D | C/D | C+D |
| 最大峰值力矩(所在组数) | E1(N1) | F1(M1) | ||
| 最小峰值力矩(所在组数) | E2(N2) | F2(M2) | ||
| 最大做功(所在组数) | G(N3) | H(M3) |
将以上数据整合成实际力矩特征曲线，具体整合过程可以参见现有技术文献，判断实际力矩特征曲线与现有标准力矩特征曲线是否存在差异，基于差异点来推断可能存在的病状。在一个实施例中，比如对单个周期的图像进行分析，通过收集的数据可以生成图像，如图2所示，而具体的判断方法可以参照现有医学期刊等认证的评估方法，已有的医学期刊声明某类特定的力矩曲线可以代表某种关节病变/肌力衰弱病状，此部分可以参见现有技术，在此不再赘述。
比如在图2中，三个图像存在上升段异常(突变)，或下降段异常(扭曲)，将做成数目数据采集，调用欧几里德距离、曼哈顿距离、Jaccard系数和皮尔逊相关度等相关的相似度统计函数，设定判断阀值，判断曲线相似度，从而可以判断症状。当然如果是绘制成其他曲线也可以的，也是参照这种方式进行处理，最终推算出是否存在病灶。
另外，在一个实施例中，还可以将收集到的数据生成伸屈肌拮抗收缩力矩曲线亦或者其他曲线，将实际曲线与现有标准曲线进行相似度对比，最终推算出是否存在病灶。
具体地，所述基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间，具体为：
基于设备驱动器运动极限数据得到最大速度、最小速度、最小加速度、最大加速度、最小加加速度及最大加加速度；
基于最大速度、最小速度、最小加速度、最大加速度、最小加加速度及最大加加速度得到变速段时间和匀速段时间，其中，变速段时间包括加速段时间及减速段时间；
对匀速段时间进行判断，基于判断结果对变速段时间进行修正，得到修正结果；
基于修正结果得到理想曲线时间。
另外，在其他实施例中，所述基于判断结果对变速段时间进行修正，具体为：
若匀速段时间小于预设值，则对变速段时间进行修正，修正时，对变速段时间进行判断，基于判断结果进行对变速段时间进行修正。
具体的过程如下：
设定驱动器极限值：最小加加速度与最大加加速度互为相反数，最小加速度和最大加速度互为相反数，最小速度和最大速度互为相反数，则有：
V min 0＝-Vmax0；a min 0＝-amax0；j min 0＝-jmax0
通过以上参数，可以求出标准化始末位置和速度输入初始值，参见以下过程：
为了统一曲线特点，定义符号变量α用来判断位置增减，变量α可以理解为驱动器驱动状态标志位，当终点位置大于起点位置，α＝1，即驱动器正转；当终点位置值等于起点位置，α＝0，即驱动器停止；当终点位置值小于起点位置，α＝-1，即驱动器逆转，则有：
对起点和终点位置、速度做标准化处理，可以变换：p0＝αP0，p1＝αP1，v0＝αV0，v1＝αV1；
对极限速度、加速度、加加速度做如下变换：
加速段时间求解的过程如下：
如果(V max 1-V0)jmax1<amax12，则，
Ta＝2Tj1，其中，j1变加速时间、Ta加速段时长；
如果不满足(V max 1-v0)jmax1<amax12，则，
减速段时间求解的过程如下：
如果(V max 1-V1)jmax1<amax12，则，
Td＝2Tj2，其中，Tj2变减速时间、Td减速段时长；
如果不满足(V max 1-V1)jmax1<amax12，则
匀速段时间求解的过程如下：
Tv＝0，则
其中，δ△可以理解为一个修正变量，用于对加速时间和减速时间做修正。
变速段存在判断，具体过程如下：
若TaorTd小于0，对变速段时间进行修正；
加速段缺失修正的过程为：
减速段缺失修正的过程为：
极限加速度和速度修正的过程为：
Alim＝jmax1Tj1，Dlim＝-jmax1Tj2，Vlim＝V0+(Ta-Tj1)Alim＝V1-(Td-Tj2)Alim
其中，Alim加速段极限加速度、Dlim减速段极限加速度、Vlim极限速度，Vmax1最大速度标准值、Vmin1最小速度标准值、amax1最大加速度标准值、amin1最小加速度标准值、jmax1最大加加速度标准值、jmin1最小加加速度标准值，起点位置P0，起点速度V0，终点位置P1，终点速度V1，T为时长。
匀变速判断的过程为：若Ta＜2TjorTd＜2Tj则对无匀变速段速度进行修正，具体如下：amax1＝γamax，with0<γ＜1，修改γ直到Tv>＝0，即Ta>2*Tj1orTd>2*Tj2，其中，γ为衰减变量(从1至0规律递减)，每次计算按特定比例进行衰减，如每次计算时，γ递减0.01。
轨迹方程计算，其中加速段如下：
(1)，t∈[0，Tj1]
(2)，t∈[Tj1，Ta-Tj1]
(3)，t∈[Ta-Tj1，Ta]
匀速段如下：
t∈[Ta，Ta+Tv]
减速段如下：
(1)t∈[T-Td，T-Td+Tj2]
(2)t∈[T-Td+Tj2，T-Tj2]
(3)t∈[T-Tj2，T]
在以上这几个阶段中，t为曲线所处时间点，Pout为位置输出值，Vout为速度输出值，Aout为加速度输出值，Jout为加加速度输出值，Alim加速段极限加速度、Dlim减速段极限加速度、Vlim极限速度，Vmax1最大速度标准值、Vmin1最小速度标准值、amax1最大加速度标准值、amin1最小加速度标准值、jmax1最大加加速度标准值、jmin1最小加加速度标准值，起点位置P0，起点速度V0，终点位置P1，终点速度V1，T为时长。
标准化运动曲线输出值对输出位置、速度、加速度和加加速度做标准化处理，Pout＝αPout，Vout＝αVout，Aout＝αAout，Jout＝αJout，其中，Pout为位置输出值，Vout为速度输出值，Aout为加速度输出值，Jout为加加速度输出值。
在一个实施例中，还包括了用户信息判断的过程，具体的步骤可以参加以下过程：
获取用户的相关信息，所述相关信息至少包括运动高度；
基于用户的相关信息判断用户类型，若为新用户，则获取新用户的基础信息并保存，若为老用户，则执行相应指令。
实施例2：
一种应用于外骨骼机器人的控制与评估系统，如图3所示，包括获取处理模块100、第一处理模块200、第二处理模块300、数据获取模块400、判断模块500及绘制推算模块600；
所述获取处理模块100，响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
所述第一处理模块200，基于标准化始末位置和标准化速度，结合设备驱动器运动极限数据得到理想曲线时间；
所述第二处理模块300，用于对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
所述数据获取模块400，用于实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
所述判断模块500，用于通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
所述绘制推算模块600，被设置为：若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病状进行推算。
本发明实施例所提供的可读存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见前述方法实施例，在此不再赘述。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种应用于外骨骼机器人的控制与评估方法，其特征在于，包括以下步骤：
响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
基于标准化始末位置和标准化始末速度，结合设备驱动器运动极限数据得到理想曲线时间；
对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常；
若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病灶进行推算；
其中，所述输出值包括输出位置、速度、加速度及加加速度，分别对输出位置、速度、加速度及加加速度进行标准化处理，得到标准化输出位置、标准化始末速度、标准化加速度及标准化加加速度。
2.根据权利要求1所述的应用于外骨骼机器人的控制与评估方法，其特征在于，所述通过运动相关数据进行计算得到实际力矩特征曲线，包括以下步骤：
对获取到的运动相关数据进行整理及分类，并剔除不合理数据，得到处理后的数据；
基于处理后的数据得到屈曲总功和伸展总功、屈曲平均做功和伸展平均做功、屈曲的最大峰值力矩和伸展的最大峰值力矩、屈曲的最小峰值力矩和伸展的最小峰值力矩及屈曲的最大做功和伸展的最大做功；
基于以上数据得到实际力矩特征曲线。
3.根据权利要求1所述的应用于外骨骼机器人的控制与评估方法，其特征在于，所述基于标准化始末位置和标准化始末速度，结合设备驱动器运动极限数据得到理想曲线时间，具体为：
基于设备驱动器运动极限数据得到最大速度、最小速度、最小加速度、最大加速度、最小加加速度及最大加加速度；
基于最大速度、最小速度、最小加速度、最大加速度、最小加加速度及最大加加速度得到变速段时间和匀速段时间，其中，变速段时间包括加速段时间及减速段时间；
对匀速段时间进行判断，基于判断结果对变速段时间进行修正，得到修正结果；
基于修正结果得到理想曲线时间。
4.根据权利要求3所述的应用于外骨骼机器人的控制与评估方法，其特征在于，所述基于判断结果对变速段时间进行修正，具体为：
若匀速段时间小于预设值，则对变速段时间进行修正，修正时，对变速段时间进行判断，基于判断结果进行对变速段时间进行修正。
5.根据权利要求1所述的应用于外骨骼机器人的控制与评估方法，其特征在于，还包括以下步骤：
获取用户的相关信息，所述相关信息至少包括运动高度；
基于用户的相关信息判断用户类型，若为新用户，则获取新用户的基础信息并保存，若为老用户，则执行相应指令。
6.根据权利要求1所述的应用于外骨骼机器人的控制与评估方法，其特征在于，还包括以下步骤：
若设备运动异常，则急停并发出报警信息。
7.一种应用于外骨骼机器人的控制与评估系统，其特征在于，包括获取处理模块、第一处理模块、第二处理模块、数据获取模块、判断模块及绘制推算模块；
所述获取处理模块，响应于设备的启动，获取始末位置数据和始末速度数据并进行标准化处理，得到标准化始末位置和标准化始末速度；
所述第一处理模块，基于标准化始末位置和标准化始末速度，结合设备驱动器运动极限数据得到理想曲线时间；
所述第二处理模块，用于对理想曲线时间进行处理，得到预设设备运动轨迹及输出值；
所述数据获取模块，用于实时获取设备运动相关数据，所述运动相关数据至少包括获取数据的时刻、力矩、角度及角速度；
所述判断模块，用于通过预设设备运动轨迹及输出值和力矩及角度进行对比，判断设备的运动是否异常，其中，所述输出值包括输出位置、速度、加速度及加加速度，分别对输出位置、速度、加速度及加加速度进行标准化处理，得到标准化输出位置、标准化始末速度、标准化加速度及标准化加加速度；
所述绘制推算模块，被设置为：若正常，则通过运动相关数据进行计算得到实际力矩特征曲线，并基于现有标准力矩特征曲线对实际力矩特征曲线进行评估，根据实际力矩特征曲线中不合理的数据对病灶进行推算。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述的方法。
9.一种工作流程状态的监控装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110865743.5A CN113696177B (zh) | 2021-07-29 | 2021-07-29 | 应用于外骨骼机器人的控制与评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110865743.5A CN113696177B (zh) | 2021-07-29 | 2021-07-29 | 应用于外骨骼机器人的控制与评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113696177A CN113696177A (zh) | 2021-11-26 |
| CN113696177B true CN113696177B (zh) | 2022-12-27 |
Family
ID=78650927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110865743.5A Active CN113696177B (zh) | 2021-07-29 | 2021-07-29 | 应用于外骨骼机器人的控制与评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113696177B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7217247B2 (en) * | 2002-09-23 | 2007-05-15 | Honda Giken Kogyo Kabushiki Kaisha | Gravity compensation method in a human assist system and a human assist system with gravity compensation control |
| AU2014244363A1 (en) * | 2013-03-14 | 2015-09-10 | Ekso Bionics, Inc. | Powered orthotic system for cooperative overground rehabilitation |
| EP3777677B1 (en) * | 2013-05-31 | 2024-11-06 | President And Fellows Of Harvard College | Soft exosuit for assistance with human motion |
| US10426637B2 (en) * | 2015-05-11 | 2019-10-01 | The Hong Kong Polytechnic University | Exoskeleton ankle robot |
| KR102510874B1 (ko) * | 2017-06-15 | 2023-03-16 | 삼성전자주식회사 | 보행 보조 방법 및 이를 수행하는 장치들 |
| CN112405504B (zh) * | 2020-12-08 | 2022-02-22 | 杭州程天科技发展有限公司 | 外骨骼机器人 |
-
2021
- 2021-07-29 CN CN202110865743.5A patent/CN113696177B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113696177A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei | Picture fuzzy Hamacher aggregation operators and their application to multiple attribute decision making | |
| Xu et al. | Intuitionistic and interval-valued intutionistic fuzzy preference relations and their measures of similarity for the evaluation of agreement within a group | |
| Merigó et al. | Fuzzy Generalized Hybrid Aggregation Operators and its Application in Fuzzy Decision Making. | |
| Lin et al. | Fuzzy number intuitionistic fuzzy prioritized operators and their application to multiple attribute decision making | |
| JP7071307B2 (ja) | 空調制御システム、及び、空調制御方法 | |
| CN111061700A (zh) | 基于相似性学习的就医迁移方案推荐方法及系统 | |
| CN113696177B (zh) | 应用于外骨骼机器人的控制与评估方法及系统 | |
| Phong et al. | Multi-criteria group decision making with picture linguistic numbers | |
| Zhou et al. | A multi-view decision model based on decision-theoretic rough set | |
| EP2386987A1 (en) | A method of reinforcement learning, corresponding computer program product, and data storage device therefor | |
| Hong et al. | Knowledge acquisition from quantitative data using the rough-set theory | |
| Fan et al. | A weighting scheme based on emerging patterns for weighted support vector machines | |
| Karpagam et al. | New approach to solve fuzzy linear programming problems by the ranking function | |
| Egrioglu et al. | Fuzzy time series method based on multiplicative neuron model and membership values | |
| Kravets et al. | Fuzzy logic controller for embedded systems | |
| WO2011078368A1 (ja) | 計量学習装置、計量学習方法、及び、記録媒体 | |
| Wolpert | The status of supervised learning science circa 1994: the search for a consensus | |
| Wang et al. | A generalized model for multicriteria decision making | |
| Archambeault et al. | Comparing FSV and human responses to data comparisons | |
| Lu et al. | Foundational theories of hesitant fuzzy sets and hesitant fuzzy information systems and their applications for multi-strength intelligent classifiers | |
| Roeva et al. | Intuitionistic fuzzy logic control of metaheuristic algorithms’ parameters via a generalized net | |
| He et al. | Proactive Smart Home Assistants for Automation—User Characteristic-Based Preference Prediction with Machine Learning Techniques | |
| Zhou et al. | Type-2 OWA operators-aggregating type-2 fuzzy sets in soft decision making | |
| Fatimah | Dual Hesitant N-Soft Sets | |
| Akter et al. | An Application of Interval-Valued Intuitionistic Fuzzy Relation Predicting Scores in Game Theory |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Control and evaluation methods and systems applied to exoskeleton robots Granted publication date: 20221227 Pledgee: Guotou Taikang Trust Co.,Ltd. Pledgor: HANGZHOU CHENGTIAN TECHNOLOGY DEVELOPMENT Co.,Ltd. Registration number: Y2024980004893 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20221227 Pledgee: Guotou Taikang Trust Co.,Ltd. Pledgor: HANGZHOU CHENGTIAN TECHNOLOGY DEVELOPMENT Co.,Ltd. Registration number: Y2024980004893 |