下肢外骨骼人机耦合粗糙度的评价方法
管小荣, 吴夷杉, 王亚平, 李仲, 徐诚     
南京理工大学 机械工程学院, 南京 210094
摘要: 为了更好的评价外骨骼的人机工效,在现有外骨骼样机的基础上,提出一种基于三维运动捕捉系统的下肢外骨骼人机耦合粗糙度的评价方法。该方法利用运动捕捉系统获得穿戴者髋关节和膝关节的轨迹变化,建立下肢外骨骼人机耦合粗糙度的模型,从而在一定程度上定量地表现外骨骼的人机工效。同时通过引入高斯滤波,实现对模型中线的获取,提高了模型的正确性。实验结果证明,该方法可以获取穿戴者与下肢外骨骼在3种步态时的不匹配度,可以作为外骨骼综合评价的参考。
关键词: 下肢外骨骼     轨迹     评价方法     表面粗糙度     带通滤波    
A Method for Evaluating Man's Lower Extremity Exoskeleton Coupling Surface Roughness
Guan Xiaorong, Wu Yishan, Wang Yaping, Li Zhong, Xu Cheng     
School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China
Abstract: To better evaluate the ergonomics of an exoskeleton, this paper proposes a method for evaluating man's lower extremity exoskeleton coupling roughness based on a three-dimensional motion capture system. This method derives a wearer's hip and knee trajectory changes from the motion capture system to establish the man's lower extremity exoskeleton coupling surface roughness model which can perform the ergonomics of the exoskeleton quantitatively to some extent. By introducing the Gaussian bandpass filters, the method can obtain the center line, enhancing the accuracy of the model. The experimental results prove that the method can obtain the mismatch between the wearer and his lower extremity exoskeleton on three kinds of gaits and be used as a reference for the comprehensive evaluation of exoskeleton.
Key words: lower extremity exoskeleton     trajectories     evaluation method     surface roughness     bandpass filter    

外骨骼作为一种可以减轻穿戴者负重, 增强穿戴者力量的新型机械装置[1-2], 一般可分为下肢外骨骼, 上肢外骨骼和上下肢一体式外骨骼。2015年底国内在北京轻武器研究所举办了第一届外骨骼综合挑战赛, 下肢外骨骼比赛项目包括了穿戴下肢外骨骼的负重行走, 跨越栏杆和上下坡等, 各家参赛单位都展现出了各自外骨骼优异的助力性能。但是由于外骨骼与人体具有实实在在的物理接触, 形成了一个人机耦合的一体化系统, 人体与外骨骼两者之间必然存在相互磨合的问题[3]。由于外骨骼的样机多是在试制前采用建立控制模型和物理模型进行计算机联合仿真的方法规划和预测外骨骼和人体各自的运动曲线[4-5], 此类仿真多是以人体自然步态作为输入曲线, 虽然在仿真结果上取得了良好的效果, 但是由于忽视了外骨骼和人体实际的接触以及仿真所输入的曲线仅仅是人体不包含外骨骼的独立行走步态, 不能反映穿戴者由于穿着外骨骼使人机系统产生耦合改变而带来的步态变化。虚拟样机技术的应用能在一定程度上预判实物样机的效果, 但由于人与实物的耦合, 进行实验验证穿戴者穿戴外骨骼的效果就具有重要意义。

本文首先通过分析矢状面下的人正常的下肢步态, 并且结合外骨骼的实际情况给出外骨骼下肢步态人机粗糙度的定义, 然后利用外骨骼实物样机进行穿戴者负重下肢步态实验, 运用运动捕捉设备捕捉穿戴者在矢状面的下肢关节角度, 运用高斯滤波等手段, 使用该定义对实验结果进行了评价。

1 下肢外骨骼人机耦合粗糙度 1.1 矢状面正常人体步态分析

人体基本平面主要有矢状面、水平面和冠状面。矢状面是指沿着人体前后方向且与地面垂直的切面, 水平面是指与地面平行且平切竖直人体的切面, 冠状面是指与矢状面和水平面相互垂直, 且为人体左右方向的切面[6]

人体运动非常复杂, 必须简化研究模型, 因为矢状面相比冠状面和水平面在人体下肢运动时角度变化最大, 所以目前国内外外骨骼在助力驱动方面也多以矢状面作为主动运动基准面, 将其余两基准面的运动作为被动运动[7], 本文也主要研究矢状面的人体步态。

目前国内韩亚丽等[8]使用运动图像采集系统获得人体在不同负重及不同行走速度的行走过程中的下肢关节的角度变化。唐志勇等[9]利用MATLAB离散化人类临床步态数据得到一个步态周期内人体下肢各关节的角度变化曲线。

由文献[8-10]可以推测出人体下肢髋关节, 膝关节和踝关节在步态周期内的角度呈现平滑的变化, 与人们平时日常生活中的感受也相吻合, 故作假设在无外界突然干扰下, 正常人体下肢各关节在绝大部分步态中的角度变化具备平滑的特征。

1.2 外骨骼工作方式

目前外骨骼多是以动力组件主动提供动力增强穿戴者的力量的主动式外骨骼, 也有新兴的被动式外骨骼[11]。前一种外骨骼的工作方式通常是在被动式外骨骼的基础上增加控制系统和驱动系统, 通过采集的传感器系统数据驱动主动元件带动穿戴者的下肢, 实现助力效果[12]

1.3 下肢外骨骼人机耦合粗糙度定义

无论是主动式还是被动式, 由于处于人机耦合的状态, 穿戴者不可避免地要改变自身的步态使得人机系统协调统一的工作, 由于人机耦合使得人体步态行为发生的大改变可以称之为下肢外骨骼人机耦合变异度。同时基于前面的论述, 当人体的步态发生改变时, 下肢各关节角度曲线也应为平滑的特征, 否则会造成穿戴者极大的不适应感, 而将这种不适应感定义为下肢外骨骼人机耦合粗糙度。

类比工件在加工过程中由于各种因素综合形成的工件的表面形貌, 从宏观到微观可划分为形状误差, 表面波纹度和表面粗糙度[13]。在外骨骼领域中, 可将外骨骼人机耦合行为变异度类比为形状误差, 主要反映外骨骼结构和人体互相作用而产生的步态周期内大的变化; 将外骨骼人机耦合粗糙度类比为表面粗糙度, 描述的多为控制系统方面的因素导致的穿戴者步态周期内行为的小范围变化, 即抵抗外骨骼而产生的不适应感。前者应为人机耦合造成的宏观步态行为变化, 而后者则体现了外骨骼的人机工效性。

1.4 下肢外骨骼人机耦合粗糙度的计算

类比表面粗糙度的计算, 下肢外骨骼人机耦合粗糙度需要一条基准线, 由于下肢外骨骼人机耦合粗糙度也是对微小特征的提取, 所以参照国标GB/T6062-2002对表面粗糙度的基准线的定义建议, 将外骨骼人机耦合粗糙度评定的基准线定义为一条高斯基准线, 即将采样原始数据通过高斯低通滤波器得到的数据作为评定的基准线, 然后再与原始数据进行相减, 得到外骨骼人机耦合粗糙度, 如图 1所示。

图 1 外骨骼人机耦合粗糙度输出信号
1.5 下肢外骨骼人机耦合粗糙度的评定参数

不同于表面粗糙度是工件间的相互作用, 人机作用存在不同人群的适配性。由于目前外骨骼只是小规模的探索性研发, 为了评定的公平性, 评定目标的穿戴者应为该外骨骼熟练的穿戴者, 以消除人机磨合过程中带来的误差。同时由于人体有很多的基本步态, 如平地行走, 上下坡, 上下楼梯, 下蹲, 跑跳等, 用何种方式才能较全面地反映整体性能, 以及动作的多样性, 评定实验的重复性和权重的配比方面本文没有做深入的研究, 故下面的评定参数仅仅针对单个步态和单次评定实验。

1.5.1 下肢外骨骼人机耦合粗糙度的取样长度

由于外骨骼是以人机一体动作为基础的, 所以取样长度L原则上可定义为一段完整的步态周期, 或者是具有明显开始和结束特征的阶段步态, 同时需要该段步态具备可重复性高的特点。

1.5.2 下肢外骨骼人机耦合粗糙度的角度特征

对单个步态, 单次评定实验, 类比表面粗糙度的轮廓算术平均偏差Ra, 可定义外骨骼人机耦合粗糙度的角度算术平均偏差ERa(E代表外骨骼Exoskeleton, 下同)为在取样长度上, 偏距绝对值的算术平均值, 可以反映外骨骼人机耦合的总体人机工效。

    (1)

可近似为

    (2)

同理类比表面粗糙度的微观不平度十点高度Rz, 可定义外骨骼人机耦合粗糙度的角度微观十点高度ERz为在取样长度上, 偏距绝对值最大的10个值的平均值, 反映外骨骼人机工效不适感强度的范围。

    (3)

此外, 对单个步态, 单次评定实验, 定义外骨骼人机耦合粗糙度的最大值ERmax为在取样长度上, 偏距值绝对值的最大值, 反映外骨骼人机工效不适感的最强程度。

    (4)
1.5.3 基准线和高斯滤波

高斯滤波是采用具有零均值高斯分布的函数作为滤波的脉冲响应函数, 分布函数为

    (5)

高斯函数的傅里叶变换FFT仍是高斯形式的函数, 可表达为

    (6)

当取样角度信号x(t)与其频谱X(ω), 通过高斯滤波器滤波后, 其输出结果为高斯中线ym(t), 其频谱是Ym(ω), 中线的求取过程作为频域相乘时, 可表达为[14]

    (7)

高斯滤波器的最大特点是其线性相位特性。作为一种时频窗面积最小的零相移滤波方法, 在信号处理领域得到了广泛有效的应用, 克服了传统滤波相移的缺陷[15]

2 外骨骼穿戴者步态实验 2.1 实验仪器

实验仪器为Codamotion运动捕捉系统, 具备高精确度和高解析度, 采样周期为0.01 s。

2.2 实验对象及方法

穿戴者身高178 cm, 体重75 kg, 身体健康, 具备长时间某型外骨骼的穿戴经历。实验步态分别为平地行走, 上坡(坡度为1:5) 和上台阶(台阶宽50 cm, 高15 cm)。

首先穿戴者在未穿戴外骨骼的状态下分别以无负重, 15 kg负重和30 kg负重3种负重状态进行上述步态实验, 每种步态实验共进行9次, 两种步态之间休息5 min, 避免疲劳。实验采集得原始数据为髋关节, 膝关节和踝关节的参考点的空间三维坐标。

然后穿戴者在穿戴外骨骼的状态下进行相同实验。穿戴者穿戴外骨骼并配置三维运动捕捉系统传感器的现场图见图 2。大腿处传感器用来定义髋关节参考点, 小腿处传感器用来定义膝关节参考点, 脚面传感器用来定义踝关节参考点。

图 2 穿戴者实验现场图
2.3 实验数据处理

穿戴者在未穿戴外骨骼时进行步态实验时发现由于踝关节的屈伸, 脚面传感器信号易丢失, 故踝关节数据作废。将得到的髋关节和膝关节参考点的空间三维坐标进行处理后得到以矢妆面为基准面的关节角度数据。以人体竖直时, 髋关节和膝关节与地面垂直面夹角为零基准, 以人体面朝方向作为前, 髋关节和膝关节向前摆的角度视为负角度, 向后摆的角度为正角度。对于每种类别的3次实验随机挑选1次实验作为下肢外骨骼人机耦合粗糙度的原始数据进行处理。

2.4 实验结果及讨论 2.4.1 未穿戴外骨骼时步态实验参考

由于未穿戴外骨骼时的步态实验仅作1.1节假设的参考, 不做过多分析, 故只列出背负最大负重30 kg时髋关节和膝关节角度图。平地行走、上斜坡和上台阶的关节角度图见图 3~图 5。由图可知平地行走, 上斜坡和上台阶时下肢髋关节和膝关节的角度变化均呈现平滑的特征。

图 3 平地行走负重30 kg关节角度图
图 4 上斜坡负重30 kg关节角度图
图 5 上台阶负重30 kg关节角度图
2.4.2 高斯滤波的模型中线

应用高斯滤波对穿戴者穿戴外骨骼进行步态实验的下肢关节角度数据处理发现该方法能较好地贴合平滑的曲线特征, 此时穿戴者与外骨骼相互作用良好; 并能较好地反映角度剧烈的变化, 即穿戴者的下肢与外骨骼的耦合作用下不自然的摆动, 无负重上斜坡髋关节和15 kg上台阶膝关节的高斯滤波中线效果图见图 6图 7。30 kg负重下平地行走的高斯滤波数据与原始数据之差曲线图见图 8

图 6 无负重上斜坡髋关节的中线效果图
图 7 15 kg负重上台阶膝关节的中线效果图
图 8 30 kg负重平地行走差值曲线图
2.4.3 人机耦合粗糙度计算结果

这里的人机耦合粗糙度参数仅仅针对单个步态和单次评定实验, 在负重和步态相同一组实验中随机抽取一次作为评定数据。髋关节和膝关节的下肢外骨骼人机耦合粗糙度结果数据见表 1表 2

表 1 3种步态时髋关节人机耦合粗糙度
(°)
步态及负重/kg 左侧 右侧
ERa ERz ERmax ERa ERz ERmax
行走0 0.38 1.07 1.42 0.27 1.26 2.70
行走15 0.39 1.56 5.70 0.38 0.96 1.21
行走30 0.46 1.49 2.56 0.39 1.27 2.37
斜坡0 0.94 4.62 7.04 0.51 1.56 2.02
斜坡15 0.69 2.77 5.82 0.30 0.98 1.86
斜坡30 0.65 2.28 2.74 0.46 1.76 3.05
台阶0 0.60 1.95 2.30 0.64 2.02 2.99
台阶15 0.47 2.18 4.85 0.58 2.26 2.92
台阶30 0.55 2.97 7.18 1.16 6.69 9.19
表 2 3种步态时膝关节人机耦合粗糙度
(°)
步态及负重/kg 左侧 右侧
ERa ERz ERmax ERa ERz ERmax
行走0 1.31 2.89 3.78 0.55 2.21 3.25
行走15 1.15 3.86 9.37 0.75 2.04 2.94
行走30 0.92 2.64 3.30 0.65 2.15 4.06
斜坡0 2.00 6.99 9.83 0.68 2.37 3.13
斜坡15 1.03 3.69 7.66 0.44 1.51 2.08
斜坡30 1.08 2.95 3.44 0.76 1.93 2.67
台阶0 1.21 4.41 5.21 0.53 3.32 5.19
台阶15 1.34 4.68 7.72 0.78 3.67 5.32
台阶30 1.25 4.63 9.83 1.19 6.23 8.10
2.4.4 人机耦合粗糙度影响因素讨论

将上节计算得到的结果按不同负重, 以3种步态为一组, 顺序分别为平地行走, 上斜坡和上台阶, 将4个下肢关节的数据加权求和, 得到图 9。人机耦合粗糙度指标数值越大, 表明穿戴者和外骨骼的不匹配度越高, 即传感器, 机械结构, 控制策略等其他因素导致的外骨骼的人机工效性越低。从图 9中可以明显看出对3个主要指标ERa, ERzERmax的数值变化, 步态改变的变化大于负重增加30 kg带来的变化, 其中平地行走效果最好, 上斜坡其次, 上台阶效果最不理想。在同一步态下, 负重增加带来的指标数值增加相对较小。这是由于在目前阶段影响外骨骼人机工效的主要因素仍为对穿戴者运动意图的识别, 在无特定模式切换的情况下, 基准的运动意图识别仍为人体步态中占比最大的平地行走, 对其他步态的识别的有效性和实时性仍然存在不足, 也是为了保证下肢外骨骼在最常出现的平地行走状态中展现出应有的性能。

图 9 人机耦合粗糙度加权曲线图
3 结束语

本文分析了人体正常步态时在矢状面的下肢关节角度变化, 提出下肢关节角度变化平滑的假设, 借鉴表面粗糙度的定义, 并且引入高斯滤波, 提出了下肢外骨骼人机耦合粗糙度的参数定义及计算方法。通过将运动捕捉系统与穿戴外骨骼负重步态实验相结合, 定量计算并评价了3种步态时某下肢外骨骼的人机工效, 发现该外骨骼的人机工效对于3种步态来说, 平地行走的效果大于上斜坡和上台阶。目前该外骨骼的人机工效仍主要受制于穿戴者运动意图的识别, 该评价方法可以作为下一步改进后实验的基础。

参考文献
[1] Zoss A B, Kazerooni H, Chu A. Biomechanical design of the Berkeley lower extremity exoskeleton (BLEEX)[J]. IEEE/ASME Transactions on Mechatronics, 2006, 11(2): 128–138 DOI:10.1109/TMECH.2006.871087
[2] 杨灿军, 陈鹰, 路甬祥. 人机一体化智能系统理论及应用研究探索[J]. 机械工程学报, 2000, 36(6): 42–47  
Yang C J, Chen Y, Lu Y X. Study on the humachine intelligent system and its application[J]. Chinese Journal of Mechanical Engineering, 2000, 36(6): 42–47 (in Chinese)
[3] Dollar A M, Herr H. Lower extremity exoskeletons and active orthoses:challenges and State-of-the-Art[J]. IEEE Transactions on Robotics, 2008, 24(1): 144–158 DOI:10.1109/TRO.2008.915453
[4] Bogue R. Exoskeletons and robotic prosthetics:a review of recent developments[J]. Industrial Robot:An International Journal, 2009, 36(5): 421–427 DOI:10.1108/01439910910980141
[5] Pehlivan A U. Design and control of an exoskeletal rehabilitation device for stroke and spinal cord injury patients[D]. Rice:Rice University, 2012 https://scholarship.rice.edu/handle/1911/70386?show=full
[6] 熊兵. 人体下肢运动学和动力学的研究[D]. 天津: 天津轻工业学院, 1999
Xiong B. Research on kinematics and dynamics of human lower extremity[D]. Tianjin:Tianjin University of Science & Technology, 1999(in Chinese) http://d.wanfangdata.com.cn/Thesis/Y340527
[7] Maeda D, Tominaga K, Oku T, et al. Muscle synergy analysis of human adaptation to a variable-stiffness exoskeleton:Human walk with a knee exoskeleton with pneumatic artificial muscles[C]//Proceedings of 2012 the 12th IEEE-RAS International Conference on Humanoid Robots. Osaka, Japan:IEEE, 2012:638-644
[8] Han Y L, Wang X S. The biomechanical study of lower limb during human walking[J]. Science China Technological Sciences, 2011, 54(4): 983–991 DOI:10.1007/s11431-011-4318-z
[9] 唐志勇, 谭振中, 裴忠才. 下肢外骨骼机器人动力学分析与设计[J]. 系统仿真学报, 2013, 25(6): 1338–1344  
Tang Z Y, Tan Z Z, Pei Z C. Design and dynamic analysis of lower extremity exoskeleton[J]. Journal of System Simulation, 2013, 25(6): 1338–1344 (in Chinese)
[10] Hakansson N A, Hull M L. Muscle stimulation waveform timing patterns for upper and lower leg muscle groups to increase muscular endurance in functional electrical stimulation pedaling using a forward dynamic model[J]. IEEE Transactions on Biomedical Engineering, 2009, 56(9): 2263–2270 DOI:10.1109/TBME.2009.2020175
[11] Wang D H, Lee K M, Ji J J. A passive gait-based weight-support lower extremity exoskeleton with compliant joints[J]. IEEE Transactions on Robotics, 2016, 32(4): 933–942 DOI:10.1109/TRO.2016.2572692
[12] Gams A, Petrič T, Debevec T, et al. Effects of robotic knee exoskeleton on human energy expenditure[J]. IEEE Transactions on Biomedical Engineering, 2013, 60(6): 1636–1644 DOI:10.1109/TBME.2013.2240682
[13] 罗正国, 蒲竞秋. 表面结构与粗糙度测量方法浅析[J]. 工具技术, 2006, 40(3): 123–125  
Luo Z G, Pu J Q. Analysis of measuring method on surface structure and roughness[J]. Tool Engineering, 2006, 40(3): 123–125 (in Chinese)
[14] 潘晓彬. 表面粗糙度测量关键技术研究[D]. 杭州: 浙江大学, 2011
Pan X B. Study on key techniques of surface roughness measurement[D]. Hangzhou:Zhejiang University, 2011(in Chinese) http://d.wanfangdata.com.cn/Thesis/Y2063166
[15] 付移风. 基于免疫记忆的表面粗糙度滤波算法研究[D]. 宁波: 宁波大学, 2010
Fu Y F. Research on the algorithm of surface roughness filter based on the immune memory[D]. Ningbo:Ningbo University, 2010(in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-11646-1011259110.htm
DOI: 10.13433/j.cnki.1003-8728.2017.0903
中华人民共和国工业和信息化部主管、西北工业大学主办。
0

文章信息

管小荣, 吴夷杉, 王亚平, 李仲, 徐诚
Guan Xiaorong, Wu Yishan, Wang Yaping, Li Zhong, Xu Cheng
下肢外骨骼人机耦合粗糙度的评价方法
A Method for Evaluating Man's Lower Extremity Exoskeleton Coupling Surface Roughness
机械科学与技术, 2017, 36(9): 1327-1332
Mechanical Science and Technology for Aerospace Engineering, 2017, 36(9): 1327-1332.
DOI: 10.13433/j.cnki.1003-8728.2017.0903

文章历史

收稿日期:2016-05-11

相关文章

工作空间