[發明專利]一種基于高斯過程回歸的柔性外骨骼最優助力預測方法

在審

• 申請號: 202011387447.0
• 申請日: 2020-12-01
• 公開（公告）號: CN112733422A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 孫磊;曾德添;董恩增;佟吉剛;陳鑫;李云飛;龔欣翔;李成輝
• 申請（專利權）人: 天津理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17;A61H1/02;A63B23/04;A63B21/00;A63B24/00;G06F119/14
• 代理公司: 天津市君硯知識產權代理有限公司 12239
• 代理人: 程昊

1.一種基于高斯過程回歸的柔性外骨骼最優助力預測方法，其特征在于它包括以下步驟：

(1)建立不同人群、不同步速下舒適助力的數據集，確立測試人員的人體模型特征，并在此基礎上確立樣本的數據集(X,Y)；

(2)在建立好數據集并將數據集經過訓練后，利用高斯過程回歸的方式直接定義預測函數的分布，高斯過程回歸由均值函數和協方差函數構成，其數學表達式如下：

f|X～N(m(x),K(X,X)) (1)

式中，X＝{x₁,x₂,......x_n}為人體模型特征以及實驗測試得到的行走步速；m(x)＝E[f(x)]，在實際應用中，m(x)經常被取為0，y為樣本的觀測值；K(X,X)為協方差矩陣；進一步可以得出觀測值y與預測值f_*的聯合分布如下所示：

式中，K(X,x_*)＝K(x_*,X)^T為測試點x_*，即X數據任意一個數據，與訓練集X的協方差，K(x_*,x_*)為測試點x_*自身的協方差；為誤差值序列的協方差，I_n為單位向量，f_*為根據不同人體模型特征以及行走步速預測的助力幅值；

(3)根據多元正態分布及條件分布的性質可以得到測試點的形式，即預測值，如公式(3)所示：

(4)給定電機的助力幅值，該助力幅值是由步驟(2)描述的由數據集經過訓練且利用高斯過程回歸分析優化得到的預測助力幅值，讓測試人員再次穿戴外骨骼設備在跑步機上以不同速度進行不少于兩次的測試，若測試人員在測試時，需要自身給力才可以使腿部輕便自由地抬起與放下，則表明當前的助力幅值還不是最優的助力幅值，則說明達不到對骨骼的輔助康復作用；此時，應根據測試人員當前助力舒適度的反饋，繼續對Excel數據集中的助力幅值A進行修改，使數據集更完善以具備更強的普適性，將完善后的數據集進行再訓練并經高斯過程回歸分析進行優化，目的是將預測助力幅值更接近于實際所需助力幅值；

(5)將步驟(4)中經過完善優化后的助力幅值作用于電機，若測試人員感到腿部抬起與放下不再受到自身給定的力的作用，而是完全由電機帶動尼龍帶的收縮與拉伸給定的力的作用，即：腿部抬起與放下不再受到人為力作用的約束，則表明預測助力幅值達到了預期的期望值，此時不再對Excel數據集中的助力幅值A進行修改；只有當腿部能夠輕便自由地抬起與放下，才可以幫助受傷的腿部在外骨骼的輔助作用下進行行走、慢跑類型的活動，有效地幫助了受傷腿部中骨骼和肌肉以及關節得到了更佳的恢復效果，體現了外骨骼輔助康復的作用。

2.根據權利要求1所述一種基于高斯過程回歸的柔性外骨骼最優助力預測方法，其特征在于所述步驟(1)中建立不同人群、不同步速下舒適助力的數據集的方法，由以下步驟構成：

①讓不同年齡段、人體特征不完全相同的測試人員穿戴外骨骼設備先以7.5Km/h的速度在跑步機上進行行走；

②由外骨骼上攜帶的電機通過帶動柔性尼龍帶的收縮與拉伸先給定一個24N的初始助力幅值；

③對測試人員的舒適度進行打分，即：測試人員對腿部是否感到舒適及舒適的程度進行打分，舒適度的分值范圍為0-10分，分值越高，表明助力的幅值越合適；

④若測試人員感到輸出的助力幅值不舒適即打出5分以下的評價分時，則通過調整電機的轉速來帶動柔性尼龍帶的收縮與拉伸，目的是輸出大小不同的助力幅值，讓舒適助力的幅值在一個更加合理有效的范圍內，以便于讓腿部壓力得到有效地緩解，幫助骨骼和肌肉以及關節起到康復的作用；

⑤若測試人員對當前的輸出助力幅值滿意且打出8分以上的滿意分時，記錄當前的助力幅值為A，行走步速為V；

⑥由測試人員改變當前的行走步速V，重復步驟②-⑤；

⑦不斷重復步驟②-⑥，直至可以建立含有人體模型特征和實驗測試得到的行走步速以及相應的助力幅值的數據集。

3.根據權利要求2所述一種基于高斯過程回歸的柔性外骨骼最優助力預測方法，其特征在于所述步驟⑦中的人體模型特征數量不少于100個。