基于代谢耗能对人体下肢外骨骼机器人助力模式的在线优化

Human lower-limb exoskeletons are getting much attention in the research fields of gait assistance, rehabilitation, power augmentation. Most existing control strategies of lower-limb exoskeletons depend on the intuition, experience and insensitive hand tuning of the practitioners. However, the physical and chemical complexities of human body and the inter-personal differences determined the inefficiency of traditional control methods. To address these issues, this project plans to use human real-time metabolic costs as the target, employing Covariance Matrix Adaptation - Evolutionary Strategies (CMA-ES) algorithm, to realize the online optimization of lower-limb exoskeleton assistance patterns. Meanwhile, this project will further improve the efficiency and effectiveness of the system by optimizing evaluation time of each sample pattern, investigating the feasibility of the method at high dimension, and identification and isolation of human and robot contributions during optimization. The purpose of this project is to realize efficient, fast, and automatic customization of exoskeleton control design, realize positive assistance from exoskeleton to human body, and therefore provide possibilities to the wide use of exoskeletons in limb rehabilitation, assitance and power augmentation.

人体下肢外骨骼机器人在步态协助、康复以及性能提等领域的研究中受到诸多关注。现有的下肢外骨骼控制依然大幅依赖于执行者的直觉，经验，以及大量的手动调试。然而，人体的物理化学复杂性，以及不同个体的差异性，决定了传统控制方法的低效性. 基于这些问题，本项目拟用人体实时代谢耗能作为反馈，利用协方差矩阵自适应进化策略（CMA-ES）对外骨骼对人体在行走中所加助力的模式进行在线优化，并从优化样本助力模式评估时长， 高维度参数优化可行性研究，以及分离优化过程中人机各自贡献等方面提高系统优化效率及性能，实现外骨骼控制的高效、快速、私人定制，亦真正实现外骨骼机器人与人体的正向互动，为外骨骼机器人在肢体运动康复、协助及动力提升领域的大力广泛应用提供可行性。

人体下肢外骨骼机器人在步态辅助、康复训练以及人体机能提升等研究领域中吸引的大量研究人员。但当前的下肢外骨骼机器人辅助参数调整依然大幅依赖于操作者的经验、直觉，以及大量的手动调试。然而，人体拥有复杂的生理、生物力学特性，以及明显的个体差异性，这决定了传统辅助参数调整方法的低效性。基于这些问题，本项目采用人体实时代谢耗能作为反馈，采用“人在环中”优化技术对外骨骼在辅助人体行走过程中所施加的助力模式进行在线优化。项目组构建了下肢单/双侧踝关节外骨骼助力实验平台，并基于该平台，研究了“人在环中”外骨骼控制优化这一过程的互适应特性，结果表明人体代谢耗能随优化时长的变化可用指数函数进行表征。项目组研究了基于CMA-ES算法的“人在环中”优化时长的问题，以基于表面肌电信号的步频优化为研究对象，对不同样本数量的优化过程所需代数、步频最优值和收敛时间进行了定量评估，结果表明初始种群数量为3时，所需优化时长最短，优化的时间效率可提高22.5%。项目组研究了不同算法的“人在环中”优化效率，通过仿真研究了基于CMA-ES与贝叶斯优化的收敛时间，结果表明采用优化参数低于30维时采用贝叶斯算法均明显快于CMA-ES算法。项目组研究了采用其它人体反馈的“人在环中”优化，定量评估了外骨骼助行时下肢小腿肌肉活跃度的变化情况，结果表明比目鱼肌外侧在最佳助力模式下活跃度可降低33.6±14.0%。项目组研究了基于单通道表面肌电信号的膝关节连续运动估计，采用基于单通道sEMG分解与BP神经网络结合的方法，结果表明在仅使用单通道腓肠肌的sEMG信号能够提高膝关节关节角度的估计精度，均方根误差降低47.8%，相关系数提高18.1%。项目研究成果有助于实现外骨骼控制的高效、快速、私人定制，为外骨骼机器人在肢体运动康复、身体机能提升领域的广泛应用提供支撑。