● 摘要
下肢外骨骼机器人是一种可以让人穿戴的机械装置，它将人类的智力和机器人的承载能力结合在了一起，依靠人的智力来控制机器人，通过机器人来完成仅靠人的自身能力无法单独完成的任务。助力机器人系统的人机交互策略是研究热点，即通过识别人体运动行为来实现助力机器人控制并提供助力。
本文分析了多种外骨骼机器人系统的人机交互策略，并提出了基于足底压力采集的人机交互方案；从足底压力采集和运动识别技术出发，以运动人体的步态为研究对象，针对人体各种运动行为的特点，基于模式识别、统计学习理论、信号处理等基础理论，从步态的采集、表征与识别三个方面开展运动人体行为识别研究。在建立步态识别硬件系统的基础之上，重点研究了基于生理参数特征提取的步态识别算法、基于足底压力感知的运动行为识别算法，通过步态识别系统，进行了大量实验测试，验证算法的有效性。
具体的研究内容从以下几个方面展开：首先系统地研究了国内外学者在足底压力采集方面的成果，并对取得成就进行了综述。其次研究了足底压力采集软硬件系统：为满足不改变人的重力平衡和行走习惯的需求，搭建了一套具有实时采集数据、调理和传输功能的足底压力感知软硬件实验系统，为算法研究提供了实验验证平台。接着提出了基于生理参数特征提取的步态识别算法：根据人体生理学分析确定足底压力传感器的分布，同时明确了基足底压力提取生理特征的意义，建立了生理参数与步态特征之间的关系模型。最后提出了基于支持向量机的运动人体行为识别算法：从站立、行走、上楼梯和下楼梯四种原始压力数据中分析足底压力特征，通过定义运动行为特征，构建了特征向量矩阵，描述并区别各种运动的压力变化特征。基于支持向量机算法，构建分类器，实现运动状态的自动识别，并利用主成分分析和数据融合算法进行模型优化，得到最佳的运动识别方案，实验结果表明，本算法识别运动人体行为具有较高的可靠性和准确性。同时，实验平台的建立也为日后在此方向上进行深入研究提供了可靠的实验平台，并打下了初步的理论和实践基础。