基于变刚度的外肢体机器人辅助支撑方法
文献发布时间：2023-06-19 16:11:11
技术领域
本发明属于穿戴机器人领域，具体涉及基于变刚度的外肢体机器人辅助支撑方法。
背景技术
随着人口老龄化趋势的迅速发展以及人们工作观念的转变，劳动力短缺问题逐渐凸显。国家统计局发布的《2020年农民工监测调查报告》显示，2020年全国农民工总量比去年减少517万人，下降1.8％，50岁以上农民工所占比重为26.4％，比上年提高1.8个百分点。因此，解决劳动力短缺问题、改善工作条件成为目前中国乃至世界发展需要解决的难题。随着机器人技术的进步，机器人在批量制造场景下已经得到了充分的应用，大规模应用机器人成为解决劳动力短缺问题的重要手段。因批量制造场景的工作特性，其工作专业化程度较高，工艺过程较为封闭，故在标准化、模块化的工作环境中可以有效提高效率。但在存在大量操作流程、工作强度大、灵活性要求高的作业任务，如过顶装配支撑等加工任务，由于其作业环境的限制，大型机械设备难以辅助工作，这时候往往需要两个人同时工作。除此之外，在过顶装配支撑任务中，工人必须将工件和部件提升到头顶位置，并将其固定在天花板或墙壁上，这些任务会导致人体因过度运动和重复性运动而受伤。外肢体机器人作为一种新颖的可穿戴式辅助作业机器人，可以作为人类的额外肢体与人协同作业，解决生活或工业上单人双手无法完成的操作任务。
目前常见的可穿戴式辅助机器人包括假肢和外骨骼机器人，假肢可以用来补偿人体缺失的运动技能，但是不可以增加穿戴者的工作空间；外骨骼机器人贴合穿戴者的肢体，通过关节处驱动装置为人体提供助力，但是会对穿戴者的肢体运动产生限制。外肢体机器人为穿戴者提供独立于自然肢体的机械肢体，穿戴方式多样，不会影响穿戴者本身的关节活动，可以提高穿戴者的工作空间和工作效率。可穿戴外肢体机器人可以辅助穿戴者完成环境受限、需要多人合作完成的复杂工作任务，其应用可以减少作业的人员投入，同时降低工作人员工作强度及疲劳受伤的风险。
发明内容
为解决上述问题，本发明公开了基于变刚度的外肢体机器人辅助支撑方法，利用人体手臂刚度和机械臂刚度协调的方法，实现了人和外肢体在过顶支撑任务中的人机协同，可以减少任务中人员的投入，当穿戴者手臂刚度减少时，机械臂刚度增大，外肢体可以在操作者疲劳时产生更大的支撑力，有利于减小穿戴者的工作强度以及降低穿戴者疲劳受伤的风险。
为达到上述目的，本发明的技术方案如下：
基于变刚度的外肢体机器人辅助支撑方法，包括：
步骤1、实时获取放置于穿戴者手臂上的表面肌电传感器和惯性传感器的原始输出数据；
步骤2、对获取的惯性传感器数据进行处理，用于判断人体是否有操作意图，如果人体有操作意图，外肢体协助人体将物体支撑到需要的位置；
步骤3、当物体处于支撑状态后，对原始的表面肌电信号(surfaceElectromyography，sEMG)数据进行预处理，包括全波整流、低通滤波和归一化；
步骤4、预处理后的sEMG数据用于估计手臂的参考刚度；
步骤5、将人体手臂参考刚度映射到外肢体机器人的阻抗控制模型中。
进一步，步骤1所述的原始输出数据由程序自动地从表面肌电传感器和惯性传感器实时读取，其中表面肌电传感器放置于肱二头肌和肱三头肌这一对拮抗肌的位置，惯性传感器放置于人手臂的腕部。
进一步，步骤2中惯性传感器提供的信号包括俯仰角、偏航角和翻滚角，选用俯仰角作为操作意图识别的特征，具体计算方法如下：
其中，α为当前时刻的俯仰角，T＝1表示有操作意图，T＝0表示无操作意图。
进一步，步骤3中所述的预处理方法，首先通过对原始sEMG信号进行全波整流处理，处理后的sEMG信号均为非负，处理方法如下：
P
其中，i为采样点序号，EMG
接下来，对经过全波整流处理后的sEMG信号进行低通滤波处理，低通滤波器选择二阶巴特沃斯滤波器，处理后的sEMG信号去除了噪声的包络，处理方法如下：
P
其中，P
最后，对经过低通滤波处理后的sEMG信号包络基于最大自主收缩进行归一化，处理方法如下：
其中，P
进一步，步骤4中的计算参考刚度的方法，首先需要计算一对主动肌和拮抗肌的肌肉激活度，计算方法如下；
其中，a(i)为肌肉激活度，A为非线性度参考，取值范围为(-3，0)。
通过计算好主动肌和拮抗肌的肌肉激活度后，人体手臂的参考刚度可用主动肌和拮抗肌中较小的肌肉激活度表征，计算方法如下：
K
其中，K
进一步，步骤5中所述的阻抗控制模型可用下式表示：
其中，M
进一步，步骤5所述的刚度映射方法，首先将刚度水平映射到机械臂上，进而调节机械臂的刚度矩阵，计算方法如下：
K
其中，K
接下来，通过刚度映射得到机械臂的刚度矩阵和阻尼矩阵，计算方法如下：
K
其中，K
本发明的有益效果为：
(1)本发明所述的基于变刚度的外肢体机器人辅助支撑方法，利用人体手臂刚度和机械臂刚度协调的方法，实现了人和外肢体在过顶支撑任务中的人机协同，可以减少任务中人员的投入。
(2)该方法利用放置于穿戴者手腕的惯性传感器提供的俯仰角来直接高效地判断操作意图，能很好完成穿戴者控制外肢体协同支撑的任务。
(3)该方法通过刚度映射将人的参考刚度作用于机械臂，当穿戴者手臂刚度减少时，机械臂刚度增大，外肢体可以在穿戴者疲劳时产生更大的支撑力，有利于减小穿戴者工作强度以及降低穿戴者疲劳受伤的风险。
附图说明
图1是本发明的总体框架流程图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明所述的基于变刚度的外肢体机器人辅助支撑方法，要求人体处于支撑状态，机械臂和人体协同将工件固定到天花板上，变刚度主要体现在人机协作系统受到干扰以及人体上肢疲惫的场景中。
如图1所示，本发明实例提供的一种基于变刚度的外肢体机器人辅助支撑方法包括如下步骤：
(1)惯性传感器信号获取和操作意图识别
本实例中惯性传感器放置于穿戴者手臂的腕部，惯性传感器提供的信号包括俯仰角、偏航角和翻滚角，选用俯仰角作为操作意图识别的特征，具体计算方法如下：
其中，α为当前时刻的俯仰角，T＝1表示有操作意图，T＝0表示无操作意图。
(2)表面肌电信号获取和预处理
表面肌电信号是在中枢神经系统的控制下，运动单元产生的动作电位序列经过层层阻尼，在皮肤表面叠加而成的一种非平稳微弱信号，因此需要对采集的原始肌电信号进行预处理，预处理过程包括全波整流、低通滤波和归一化。
首先通过对原始sEMG信号进行全波整流处理，处理后的sEMG信号均为非负，处理方法如下：
P
其中，i为采样点序号，EMG
接下来，为了去除了sEMG信号噪声的包络，常用的方法有提取sEMG信号的均方根特征和滑动平均值，本实例通过对全波整流处理后的sEMG信号进行低通滤波处理，低通滤波器选择二阶巴特沃斯滤波器，处理后的sEMG信号为去除了噪声的包络，处理方法如下：
P
其中，P
最后，对经过低通滤波处理后的sEMG信号包络基于最大自主收缩进行归一化，处理方法如下：
其中，P
(3)人体刚度估计
人体手臂的刚度可以通过拮抗肌肉对的共收缩进行改变。当人体肌肉处于运动状态时，由于此时的sEMG信号包络与肌肉激活度之间存在着非线性关系，计算方法如下；
其中，a(i)为肌肉激活度，A为非线性度参考，取值范围为(-3，0)，A接近-3时，sEMG信号包络与肌肉激活度之间呈现高指数关系，A接近0时，两者间呈现线性关系。
通过计算好主动肌和拮抗肌的肌肉激活度后，人体手臂的参考刚度可用主动肌和拮抗肌中较小的肌肉激活度表征，计算方法如下：
K
其中，K
(4)刚度映射及阻抗控制
为了实现机械臂的柔顺控制，本实例选用弹簧-阻尼-质量模型来等效机械臂末端与环境间的交互，使用阻抗控制策略动态调节机械臂的位置和交互力之间的关系。阻抗控制模型可用下式表示：
其中，M
接下来将刚度水平映射到机械臂上，进而调节机械臂的刚度矩阵，计算方法如下：
K
其中，K
通过映射刚度得到机械臂的刚度矩阵和阻尼矩阵，计算方法如下：
K
其中，K
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。