负重型下肢外骨骼的人机耦合程度直接影响其提升人体运动机能的工作效率,为提高外骨骼人机耦合程度,这里对外骨骼腿部绑缚系统进行了研究。通过分析发现外骨骼腿部绑缚系统的一般特征,提出绑缚位置的降低或绑缚数量的增加均能够提升人机耦合程度的假设。将人机耦合系统简化为连杆机构模型并建立运动学与动力学方程。通过OpenSim建立人机耦合系统模型并进行正向动力学耦合仿真与分析,得到行走运动状态下的关节角位移与关节力矩等数据。利用实验样机测试研究腿部绑缚变化与人体生理体征的相互影响与作用,并综合模拟仿真结果探索出了一种人机耦合程度相对较高的腿部绑缚系统,为外骨骼绑缚系统设计提供理论支撑。

为了准确捕捉人体下肢关节在不同运动模式下的运动状态,提出一种利用肌电信号进行下肢多关节连续运动预测的方法。采集人体在蹲起运动、膝屈伸运动和上下阶梯运动时的肌电和运动数据进行处理分析,利用肌肉骨骼几何建模软件Opensim建立人体骨骼肌肉仿真模型,并进行逆运动学分析,提取人体下肢关节运动曲线。建立人体下肢在矢状面内的运动与肌电的映射关系,利用麻雀搜索算法优化Elman神经网络,实现对踝、膝和髋关节角度连续变化的预测,与传统的反向传播神经网络、支持向量机回归和Elman神经网络预测结果进行对比。结果表明:利用麻雀搜索算法优化的Elman神经网络在预测下肢关节角度变化中具有更高的精度,且该预测模型在不同运动模式下关节运动预测值与测量值均表现出一定的相关性,相关系数均大于0.89,证明利用肌电信号进行下肢多关节连续...