外骨骼机器人作为一种结合人的智力和机器人动力的人机一体化可穿戴智能装置,能够辅助或增强人体生理机能,可极大提高使用者的作业能力。外骨骼机器人可应用于军事、医疗、旅游、救灾等领域,有着广泛的应用前景。在外骨骼机器人使用过程中,最重要的评价指标是人机协同,即外骨骼识别和预测穿戴者的运动意图,跟随或助力穿戴者进行运动。为了实现人机协同的目标,首先需要对穿戴者的下肢运动数据进行采集,然后根据采集到的数据进行快速的预处理,最后使用模式识别方法对穿戴者运动模式进行识别,外骨骼机器人根据得到的运动模式使用相应的助力策略,完成对穿戴者的助力或保护。本文具体研究内容包括以下几个方面:(1)构建外骨骼模拟平台采集运动数据。对人体结构进行运动学分析,分析下肢各关节的自由度及选择范围,并根据人机协同准则设计简易模拟外骨骼用于数据采集。选择合适的运动数据信号作为模式识别的输入训练数据,针对所需数据选择运动传感器设计相应的数据采集系统。完成对下肢关键关节信息的多传感器的同步采集,得到髋关节、膝关节的角度、角速度信息数据与大小腿连杆加速度数据吗,并构建数据集。(2)运动信号预处理。对采集的数据进行噪声来源分析,根据噪声特性,设计相应的小波滤波器进行去噪处理。信号去除噪声后,针对不同特征提取方法进行计算,分析不同特征的变化程度,选择变化大,分离性较好的特征选择作为初步特征。再使用主成分分析法进行特征融合,保留重要数据特征,减少运动模式模型的训练时间,提高准确率。(3)运动模式及转换阶段识别。对比目前较为常见的模式识别方法,选择KNN算法、GA-BP网络、ELM算法、SVM算法对数据进行实验分析。将采集到的运动数据进行整理,使用SVM算法进行训练,使模型更具泛化性。分析运动模式转换阶段的运动特点以及信号趋势,使用训练得到的模型对转换阶段进行识别,完成对运动转换阶段的初步判别,为运动模式的预测工作提供基础。