1. 研究目的与意义（文献综述）

人体外骨骼作为辅助人类运动的一种工具，将人类的运动形式与机械的强大动力合而为一，是一种人机交互智能机械装置。如果人类的思维及动作能够很好控制机械的运动，那么外骨骼能够协助人类完成一些难度较大或者无法完成的任务，甚至能够帮助身体残疾者恢复正常生活。外骨骼机器人包含着多种学科知识，例如动力学，机械结构，信息处理，控制理论，模式识别等等，其发展前景十分广阔。

其中，人体下肢外骨骼在各个领域中都有其应用价值，基于对象的不同，外骨骼机器人主要分为三大类，第一类是助力型外骨骼机器人，主要面向健康人群，1890 年，俄罗斯的yagn申请了世界第一个辅助行走装置（assisted-walkingdevice）的专利，该外骨骼装置就是用于增强健康人的跑跳能力，虽未能成功应用，但启发了对增强人体运动能力的动力机械装置的研究。如今此类机器人在军事方面运用比较广泛，能够在帮助士兵减少运动能量消耗的同时提高士兵作战能力，例如洛克希德·马丁公司研制出的 hulc 型外骨骼机器人；

第二类是步态训练康复型外骨骼机器人，主要面向下肢运动能力受损患者，能够使患者通过训练以达到逐渐恢复下肢运动的能力。1935年，美国的wind-up 装置将动力型外骨骼应用于康复领域，用于辅助下肢伤残者行走，并获得专利。21 世纪以来，外骨骼机器人在医疗康复领域的应用研究取得了巨大成果。医用康复设备不再是结构简单、运动模式单一、智能化低的康复器械，而逐渐由结构精密稳定、人机交互程度高的康复机器人所取代；

2. 研究的基本内容与方案

国内外的学者对下肢外骨骼机器人人机交互控制策略完成了大量研究。matthewwilcox 等提出基于肌电图（emg）信号的研究方法，利用肌电信号分析对象，该此种方法易受人体表面出汗等因素的影响，但可以通过选择肌电图信号与传感器信号混合分析来一定程度克服相关局限。

我们可以选择采用多传感器融合的方法，采用若干惯性测量单元和脚底压力信号融合来训练分类器和在线分类识别。

在本次研究中，预采用线性判别分析分类器，两级识别策略识别多种运动模式和运动模式转换。首先我们要定义运动模式以及运动过度过程，可以定义六种运动模式：水平地面行走（w），楼梯上升（sa），楼梯下降（sd），坡道上升（ra），坡道下降（rd）和站立（s）；十种运动过渡：s至 w，w至sa，sa至w，w至rd，rd至w，w至s，w至ra，ra至w，w至sd和sd至w。通过测试者在不同步态以及不同过程中的数据来训练分类器，需要注意的是实验中测量的单只腿，可能是引导腿也可能是跟随腿，所以需要两种情况的数据一起训练。为了实现实时运动模式识别，我们使用重叠滑动窗口进行数据分割。在这种情况下，一些分析窗口包含当发生运动转换时两种不同模式的数据。如果分析窗口的一半以上位于两个运动模式的边界之前，则窗口被标记为前一模式，否则标记为后一模式。训练完成后的识别过程中我们采用两级识别策略，在第一级识别中，使用感觉信号确定当前步态阶段。并且在第二级中，利用当前步态阶段的分类器获得识别结果。

3. 研究计划与安排

2019.02-2019.03查阅相关资料、撰写开题报告、翻译英文资料；

2019.03-2019.04完成惯性测量单元的数据收集以及分类训练；

4. 参考文献（12篇以上）

[1].chen b, zheng e, wang q. a locomotionintent prediction system based on multi-sensor fusion[j]. sensors, 2014,14(7):12349-69.

[2].young a j, simon a m, fey n p, et al.intent recognition in a powered lower limb prosthesis using time historyinformation[j]. annals of biomedical engineering, 2014, 42(3):631.

[3].刘雅坤. 基于运动信息的步态模式与步态变换研究[d]. 东北大学, 2014.