[發明專利]基于人機耦合動力學模型的分布式力測點優化方法及應用

在審

• 申請號: 202110873931.2
• 申請日: 2021-07-30
• 公開（公告）號: CN113627002A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 韓斌;肖子玉;杜子豪;唐曉凡;魯亮;林一成
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;A61B5/11;A61B5/00;G06F119/14
• 代理公司: 武漢華之喻知識產權代理有限公司 42267
• 代理人: 石夢雅;張彩錦

1.基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，該方法具體為：

S1選取預設數量的肌肉位點作為測點，分別在上述測點上佩戴FMG圓形臂環并獲得人機耦合參數；

S2在步驟S1選取的測點上安裝傳感器，利用綁帶將其依次連接構成FMG分布式臂環，然后對臂環分布路徑進行參數化建模，并與步驟S1中獲得的人機耦合參數聯合建立人機耦合動力學模型，以此計算測點綁帶力；

S3手臂進行不同動作時，計算各個測點的位移變化量，從而對步驟S2中的臂環分布路徑進行修正，并根據其計算更新后的測點綁帶力，重復該過程直至測點綁帶力的變化值小于閾值，以此獲得最新測點綁帶力；

S4計算FMG分布式臂環中各個所述最新測點綁帶力的權重分布，并根據其獲得最優測點集合，從而實現分布式力測點智能優化。

2.如權利要求1所述的基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，步驟S1包括如下子步驟：

S11建立上肢肌肉形態譜和上肢運動譜，以此建立肌肉貢獻度與不同動作的映射關系，并選取貢獻度排名前5～10位的肌肉點位作為測點；

S12測量FMG圓形臂環的臂環剛度矩陣K_s，然后佩戴該FMG圓形臂環，根據步驟S11確定的測點獲得手臂剛度矩陣K_a。

3.如權利要求2所述的基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，步驟S11中，建立上肢肌肉形態譜的方法為：基于超聲檢測、CT掃描或PET檢測的方式獲取典型運動模式下被測肌肉的橫截面積、長度和體積，以此獲得上肢肌肉形態譜。

4.如權利要求2所述的基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，步驟S11在，建立上肢運動譜的方法為：采用三維運動捕捉系統采集上肢不同動作序列的運動信息，獲得關節運動角度-時間的變化曲線，以此獲得上肢運動譜。

5.如權利要求2所述的基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，步驟S12中，測量手臂剛度矩陣K_a的方法為：先后在手臂上佩戴不同長度的FMG圓形臂環，記錄多個臂環長度下各個測點的壓力信息F_n，并由所述上肢肌肉形態譜獲得不同位置的手臂截面S_i，根據壓力信息F_n和手臂截面S_i計算測點徑向位移α，然后利用下式計算述手臂剛度矩陣K_a，

式中，K_s為臂環剛度矩陣，m為不同長度FMG圓形臂環的數量。

6.如權利要求1～5任一項所述的基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，步驟S2包括如下子步驟：

S21在步驟S1確定的測點上安裝傳感器，并利用綁帶將其依次連接以構建FMG分布式臂環，獲得臂環初始長度矩陣L₀，然后測量該FMG分布式臂環的曲線路徑長度矩陣S，以及各路徑對測點法向的夾角矩陣θ，從而實現對臂環分布路徑的參數化建模；

S22根據步驟S12中的臂環剛度矩陣K_s和步驟S21中的臂環初始長度矩陣L₀、曲線路徑長度矩陣S和夾角矩陣θ構建人機耦合動力學模型，并通過下式獲得綁帶壓力矩陣F_s，

F_s＝K_s×(S-L₀)×cosθ；

S23對獲得的綁帶壓力矩陣F_s進行求和，即可獲得測點綁帶力F_p。

7.如權利要求1所述的基于人機耦合動力學模型的分布式力測點智能優化方法，其特征在于，步驟S3中，利用下式計算綁帶壓力作用，并根據其計算各個測點的位移變化量，

δ_p＝F_p’/K_a

其中，δ_p為綁帶壓力作用，F_p’為最新測點綁帶力，K_a為手臂剛度矩陣。