外骨骼机器人关键技术与核心问题

2023-10-25 08:01

本文主要是介绍外骨骼机器人关键技术与核心问题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、外骨骼机器人定义

外骨骼机器人是模仿生物界外骨骼而提出的新型机电一体化装置,具有支撑、运动、防护功能。它结合机械结构、控制、驱动方式、人机交互等关键技术,使穿戴者能完成自身无法完成的任务。

二、外骨骼机器人的三大核心系统

三大核心系统为传感系统、控制系统和驱动系统。传感系统采集运动相关的信号传递给控制系统,控制系统处理传递来的信号,并转化为运动指令传递到驱动系统,驱动系统带动外骨骼运动。在此过程中,各环节都存在技术难点,影响外骨骼机器人反应速度、随动能力、舒适性等。

1. 传感系统

传感系统通过分布在外骨骼不同位置的传感器收集使用者的步态、能耗。收集的信息可分为物理量和生物量。
物理量传感器可采集位置、角度、压力、扭矩等物理信息,从而判断使用者的步态周期,但是基于力反馈的物理量传感器具有一定的滞后性,在进行一些动作时容易有阻碍感。
生物量传感器可采集人体中枢神经控制的肌电信号,相对于物理量传感器具有一定的超前性。但关节力矩和肌电信号不能找到一一对应的关系,对控制系统的智能化设计要求高,且传感器要贴在人体表面,容易脱落、异位,测量结果容易受到干扰。

2. 控制系统

控制系统是外骨骼机器人的中枢,通过对传感系统反馈的数据进行分析,预测意图,规划步态模式,对驱动系统实现闭环控制。其中涉及到多传感器融合算法、控制算法等一系列软件模块。
通常控制器集中于背部,包括系统主机、信号采集板、电机驱动板、电源管理等模块。但随着外骨骼自由度增加、模型算法复杂化,也可采用分布式控制,减轻中央控制系统的负担,提高系统响应速度。

3. 驱动系统

驱动系统位于机器运行的末端,负责带动机械结构运动。根据驱动形式的不通,主要分为三种:电机驱动、气压驱动、液压驱动。三种方式各有优劣,其中以电机驱动应用最为广泛。
电机驱动又分为两种方案。一种是在旋转关节上直接安装盘式电动机,利用电动机转子的旋转带动关节旋转。这种方式结构简单,但也会使得关节笨重,限制电机尺寸,从而达不到理想的输出驱动力。另一种是利用电动推杆驱动,在电动推杆两端用连接耳与外骨骼和电机连接,将电机的旋转转化为推杆的直线运动,推动关节转动。
气压驱动方式与液压驱动方式原理类似。以气压驱动为例,通过一系列控制阀的控制,使气体推动气缸的活塞做直线往返运动。将气缸分别连接在外骨骼机器人的大腿、小腿、足部连接耳,将气缸活塞运动转化为各关节的转动,实现外骨骼机器人的运动。
同等功率的设备,液压传动装置的体积比气压传动更小,质量更轻,结构更紧凑。液压油具有不可压缩性,其动态响应更及时。但液压传动中,能量损失较多,系统效率较低,且对油液温度(黏性)的变化比较敏感,不宜在温度较低或较高的地方工作。同时,为了减少泄漏,液压元件需要较高的加工精度,使得加工成本较高。

三、外骨骼机器人关键技术:意图识别

为了提高外骨骼机器人的随动性能,需要利用传感技术、智能技术来主动识别用户的意图,产生更即时的人机交互体验。
获取用户意图有两种方式:直接和间接。直接获取用户意图可以通过EMG数据或人机之间的交互力;间接获取用户意图可以从外骨骼关节获取数据,估计用户意图并放大运动效果。
目前能直接获取的人体生物信号主要有肌电信号(EMG,Electromyogram)、眼电信号(EOG,Electrooculography)、皮肤电信号(GSR,Galvanic skin response)、脑电信号(EEG,Electroencephalogram)、脑磁信号(MEG,Magnetoencephalogram)等,外骨骼常用的是EMG和EEG。马斯克的Neuralink公司致力于将人脑与计算机连接,将计算机芯片植入人的大脑,就是EEG这种连接途径。
当下能够直接获取操作者意图的传感器灵敏度欠佳,降噪、建模和校准较难,因此绝大部分外骨骼皆采用间接获取意图的方式,通过内置力学传感器判断用户的行为并放大运动效果。但这种方式存在一些问题,比如无法识别用户的力和环境外力,使得外控制系统有一定概率误判用户意图,导致外骨骼机器人不稳定甚至失控,危及人身安全。

四、外骨骼机器人面临的三大核心问题

1. 续航问题

目前外骨骼机器人主要分为蓄电池供电和内燃机发电两种功能模式,绝大多数产品的续航能力远远达不到24小时的使用要求。
提高能源容量、改变现有充电方式、通过算法控制能耗,从而实现扩大使用者活动范围,是外骨骼实现技术突破的重中之重。

2. 舒适性问题

外骨骼机器人作为一种贴身设备,被视为人类身体的外延,需要保障穿戴者的舒适度。
目前大多数医疗康复外骨骼设备都是采用的捆绑穿戴,而这种穿戴方式会给人带来压迫感,导致血液不畅、肌肉变形,并因此影响外骨骼的定位精度,长时间穿戴还有可能对健康产生负面影响。
此外值得一提的是,肌电信号采集对外界环境有着高度的敏感性。穿戴式外骨骼在热湿舒适性方面的欠缺可能使得操作者大量出汗干扰到传感器的数据采集,使得外骨骼动作反馈延时,难以胜任高难度动作。

3. 成本控制问题

受硬件生产成本和相关技术的制约,目前国内大部分外骨骼机器人公司还无法实现大规模量产,这导致产品价格居高不下。一台普通国产医疗外骨骼机器人的售价大概在20-50万左右,虽然相比美国、日本的进口产品动辄百万要低许多,但依然不是普通民众可以接受的价格。
在价格不变的情况下,将设备纳入医保范畴,或许可以解决用户“用不起”的难题,但相关法案的推进亦需要相当长的时间周期。在产品价格无法下调的情况下,商业化进程会相当艰难。

五、外骨骼机器人的研究方向

1. 柔性关节技术

要让机器人实现灵活的柔性运动,需要感知、决策、执行等能力的综合提升,对机器人搭载的机械硬件、电子硬件、嵌入式软件、上层软件、智能算法等都有更具体的要求。 柔性关节是服务机器人的核心零部件,它必须是智能的,即每一个关节都自带计算、通信和传感。

2. 意图识别技术

采集惯性量、交互量、脑电、肌电等传感数据,并利用智能算法来判断使用者运动意图,提高外骨骼机器人的响应速度和随动性能。

3. 人工智能技术

每个人的步态方式不通,驱动角度和驱动力不同,通过在线学习和自适应参数整定,寻找适合各人个性的助力模式。

4. 新型材料技术

通过更轻、更舒适的材料和人体结合,寻找更合理的模块布局方式。

5. 能源技术

保证安全性和高续航能力,在特种作业环境还需要具有相应的防护能力。

这篇关于外骨骼机器人关键技术与核心问题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/281149

相关文章

mybatis和mybatis-plus设置值为null不起作用问题及解决

《mybatis和mybatis-plus设置值为null不起作用问题及解决》Mybatis-Plus的FieldStrategy主要用于控制新增、更新和查询时对空值的处理策略,通过配置不同的策略类型... 目录MyBATis-plusFieldStrategy作用FieldStrategy类型每种策略的作

linux下多个硬盘划分到同一挂载点问题

《linux下多个硬盘划分到同一挂载点问题》在Linux系统中,将多个硬盘划分到同一挂载点需要通过逻辑卷管理(LVM)来实现,首先,需要将物理存储设备(如硬盘分区)创建为物理卷,然后,将这些物理卷组成... 目录linux下多个硬盘划分到同一挂载点需要明确的几个概念硬盘插上默认的是非lvm总结Linux下多

Python Jupyter Notebook导包报错问题及解决

《PythonJupyterNotebook导包报错问题及解决》在conda环境中安装包后,JupyterNotebook导入时出现ImportError,可能是由于包版本不对应或版本太高,解决方... 目录问题解决方法重新安装Jupyter NoteBook 更改Kernel总结问题在conda上安装了

pip install jupyterlab失败的原因问题及探索

《pipinstalljupyterlab失败的原因问题及探索》在学习Yolo模型时,尝试安装JupyterLab但遇到错误,错误提示缺少Rust和Cargo编译环境,因为pywinpty包需要它... 目录背景问题解决方案总结背景最近在学习Yolo模型,然后其中要下载jupyter(有点LSVmu像一个

解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

《解决jupyterLab打开后出现Configoption`template_path`notrecognizedby`ExporterCollapsibleHeadings`问题》在Ju... 目录jupyterLab打开后出现“templandroidate_path”相关问题这是 tensorflo

如何解决Pycharm编辑内容时有光标的问题

《如何解决Pycharm编辑内容时有光标的问题》文章介绍了如何在PyCharm中配置VimEmulator插件,包括检查插件是否已安装、下载插件以及安装IdeaVim插件的步骤... 目录Pycharm编辑内容时有光标1.如果Vim Emulator前面有对勾2.www.chinasem.cn如果tools工

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动

Java多线程父线程向子线程传值问题及解决

《Java多线程父线程向子线程传值问题及解决》文章总结了5种解决父子之间数据传递困扰的解决方案,包括ThreadLocal+TaskDecorator、UserUtils、CustomTaskDeco... 目录1 背景2 ThreadLocal+TaskDecorator3 RequestContextH

关于Spring @Bean 相同加载顺序不同结果不同的问题记录

《关于Spring@Bean相同加载顺序不同结果不同的问题记录》本文主要探讨了在Spring5.1.3.RELEASE版本下,当有两个全注解类定义相同类型的Bean时,由于加载顺序不同,最终生成的... 目录问题说明测试输出1测试输出2@Bean注解的BeanDefiChina编程nition加入时机总结问题说明

关于最长递增子序列问题概述

《关于最长递增子序列问题概述》本文详细介绍了最长递增子序列问题的定义及两种优化解法:贪心+二分查找和动态规划+状态压缩,贪心+二分查找时间复杂度为O(nlogn),通过维护一个有序的“尾巴”数组来高效... 一、最长递增子序列问题概述1. 问题定义给定一个整数序列,例如 nums = [10, 9, 2