1.1 课题目的及意义

外骨骼机器人是一类模仿人体生理构造的，可被人穿戴的，可协助穿戴者完成一系列人体动作的智能机械装置。因为对人体运动可以起到极大的辅助作用，所以可以被广泛的运用于士兵行动协同或者残障人士的身体机能修复上。

目前的外骨骼机器人可分为作动型机器人和助力型机器人两大类；从机器人的仿生部位来分，可分为下肢外骨骼机器人、上肢外骨骼机器人、躯体外骨骼机器人等^[1]。因为肢体型机器人可带动人机整体做出运动决策，所以可以被用作与肢体瘫痪、神经损伤患者的医疗康复工作。目前我国作为世界人口第一大国，即将迈入老龄化社会，肢体残疾的人数每年都将持续上涨。根据中国残联的数据，2010年末我国残疾人总数达8502万人，其中肢体残疾总数2472万人^[2]。随着社会老龄化的推进，老年人因为心血管或神经系统疾病造成的瘫痪人群数量也会持续上涨，这就对各类肢体型外骨骼机器人有了很大的需求。所以对设备的需求增加，也会刺激外骨骼类康复设备向着智能、便捷及高效率方向发展，以满足相关人群的需要。

穿戴式的下肢康复机器人，主要的功能是协助残疾人士完成日常的下肢运动，比如行走、上下楼梯、蹲下站起、爬坡等。这类康复机器人的智能程度取决于其传感系统对人体运动信息的采集分析能力的强弱，通过传感器采集运动信息，经过机器人分析判定人体的运动意图，然后协助人体做出相应的运动行为，以此达到残疾人士的辅助康复或者辅助运动^[3]。

1.2 国内外研究现状分析

近年来，外骨骼机器人的运动意图识别是国内外高校及研究机构研究的重点话题。G.Johansso在文献^[4]中指出步态是人与生俱来的独特的生物特征，步态更是一种潜在的可用于鉴别人类身份的优秀生物特征。步态识别具有以下优点：非侵害的检查、难以隐瞒、能够在步行者不经意间进行检测、相对于其他生物特征更加不容易混淆等^[5]。目前，国际上关于识别人体运动意图的主要方法可以分为三类：基于神经信号传感器（Neural/Biological Sensors）、基于机械传感器（MechanicalSensors）以及基于生物力学传感器（Biomechanical Sensors）。Hansen在2004年提出了一种基于机器学习和自然传感器的步态检测方法^[6]，该方法的稳定性通过实验者穿不同的底鞋以及在不同的地面行走测试，测试结果证明在经过训练后，该方法能够成功检测出步态类型。Jasiewicz提出了三种步态识别的方法^[7]，分别是微型线性加速度传感器、角速度传感器和标准压力足底传感器。Tabb提出了一种基于蛇和神经网络的运动人体行为分析算法^[8],该方法将人体轮廓表现为归一轴交叉向量作为神经网络的输入，可以快速区分人体的运动行为。Miller于2009年提出了一种基于多层神经网络的步态检测方法^[9]，通过对赤脚和穿鞋实验者进行的实验表明，神经网络的方法比采用测力板的方法分别快7.1ms和0.8ms。在国内，中国科学技术大学余永等人^[10]研制的可穿戴的下肢康复机器人，其通过压力的检测来判断人体的运动意图，建立了基于时间序列的下肢运动预测模型，对人的正常行走、慢走、快走、停等几种运动模式做了较好的预测。武汉理工大学的唐静等人^[11]通过提出一种检测人在平地上行走步态相位的新方法，对步态进行实时监测并对步态相位做出自校正，对不同行走速度下的不同佩戴者具有较强的适应性，提高了运动意图识别的可靠性。2018年，复旦大学提出了GaitSet算法，使在视频监控的步态识别领域不再刻意建模步态silhouette的时序关系，将步态识别视频序列看为图像集，让深度神经网络自身优化去提取并利用这种没有时序关系的图像集，大幅提升了在相同图像帧下的步态识别精度。

综上所述，外骨骼机器人运动意图识别是当前的一个热门话题，本次论文的主题将在基于外骨骼机器人足底压力的步态检测上结合大腿二维力信息进行穿戴者的运动意图识别，虽然目前在结合二维力信息方面的文献较少，但我会在导师的带领下对此方向研究进行学习。