针对工业机械臂进行动力学分析的常用方法是利用Lagrange方程进行动力学建模后再实行仿真计算。利用Pieper准则,将五自由度工业机械臂动力学方程展开式简化,即将腕部与手抓部的关节视为外部干扰,只针对前三关节进行动力学分析;提出一种针对简化后的模型利用开源引擎ODE完成机械臂动力学计算;在建立的机械臂三维仿真平台上利用ODE进行仿真的方法。仿真结果表明:该仿真方法不仅可实现机械臂的实时控制,还能得到机械臂动力学参数曲线图。为解决机械臂动力学仿真中效率低和实时性差的问题提供了理论依据。

针对人体运动稳定性边界的确认及快速识别的问题,提出一种在多因素共同影响下判断人体运动稳定性边界及快速识别的方法。建立简易人体刚体模型采集运动数据,采用ZMP作为人体运动稳定性判据,并针对受外界干扰的实际情况对其进行改进。分别研究重力、外力、惯性力对人体运动稳定性的影响,再将3种影响因素进行耦合进而达到通过检测传感器运动数据得出在多因素共同影响下的人体运动稳定性边界的目的。

针对人体步态识别准确率不高且需要手动提取信号特征的问题,采用卷积神经网络(CNN)自动提取传感器信号特征,对行走、上下楼和上下坡5种步态模式进行识别。搭建惯性传感器系统,采集人体的运动信息;针对该数据特点设计了一个4层的CNN模型用于自动提取信号特征和动作分类;利用检测的数据验证了所提方法的可行性,与传统的"人工特征+支持向量机(SVM)"的识别方法进行对比试验。实验结果表明:所提出的识别方法可以准确地识别运动步态,平均识别率达到91.5%,识别效果优于传统方案。

助力下肢外骨骼是一种可穿戴于人体的智能机械设备,能够大幅增强穿戴者体力或帮助有行走障碍的使用者行走。可应用于军事、救灾、医疗、体力工作等诸多方面,具有广阔的发展前景。由于其独特的优越性,近年来下肢外骨骼技术发展迅速。从负重型和康复型下肢外骨骼两个方面,综述了当前国内外研究现状,详细分析了在助力外骨骼研发中需要解决的关键技术,并展望了今后的发展方向。