張 洋，譚 昕

（江漢大學(xué)智能制造學(xué)院，武漢 430056）

0 引言

如今智能機(jī)器人的研究是科學(xué)技術(shù)發(fā)展的最前沿?zé)狳c(diǎn)，其所包含的科學(xué)技術(shù)以及制造過程所需要的工藝過程都體現(xiàn)了一個(gè)國(guó)家的科學(xué)技術(shù)水準(zhǔn)的綜合實(shí)力[1]。外骨骼機(jī)器人是一種能在人的主觀意圖下結(jié)合機(jī)械動(dòng)力驅(qū)動(dòng)的可穿戴與人一體化的智能設(shè)備，通過機(jī)械裝置的運(yùn)動(dòng)和助力，可以使得人在正?；顒?dòng)中減少身體機(jī)能的消耗[2]。外骨骼機(jī)器人可以用于醫(yī)療器械、工廠生產(chǎn)、軍事活動(dòng)、抗險(xiǎn)救災(zāi)等多個(gè)方面[3]。在使用外骨骼機(jī)器人時(shí)，機(jī)器人設(shè)備與人體同步運(yùn)動(dòng)時(shí)，需要及時(shí)通過傳感器對(duì)運(yùn)動(dòng)時(shí)的物理信息進(jìn)行采集提取，同時(shí)進(jìn)行分析判斷，才能實(shí)現(xiàn)人與機(jī)器的同步實(shí)時(shí)運(yùn)動(dòng)。目前國(guó)內(nèi)外的外骨骼機(jī)器人主要使用的傳感器分為兩種，即測(cè)量力、位移、角度等物理量的傳感器以及測(cè)量肌電（Electromy?ography，EMG）、腦電（Electroencephalography，EEG）等生物電信號(hào)的傳感器。檢測(cè)物理量的傳感器在對(duì)應(yīng)的外骨骼機(jī)器人中應(yīng)用的比較成熟，但其本身的固有性質(zhì)是基于人體對(duì)機(jī)器人設(shè)備的作用力來進(jìn)行信息的傳遞，在作用過程中就存在一定的滯后時(shí)間，使得外骨骼機(jī)器人在運(yùn)動(dòng)中存在一定的滯后，不能完美地實(shí)現(xiàn)人機(jī)一體化運(yùn)動(dòng)。結(jié)合生物電信號(hào)的研究發(fā)現(xiàn)，肌電信號(hào)的產(chǎn)生總是超前于人體運(yùn)動(dòng)，其中表面肌電信號(hào)（Suface EMG，sEMG）采集方便且對(duì)人體無損傷，受到廣泛的研究使用。利用肌電信號(hào)的超前特性，應(yīng)用于外骨骼機(jī)器人設(shè)備中能大大提升設(shè)備的實(shí)時(shí)性能。

本文簡(jiǎn)要說明了最具代表性的下肢外骨骼機(jī)器人的現(xiàn)狀，講述了其工作的模式以及在運(yùn)動(dòng)過程中需要提取的信號(hào)。通過概括分析當(dāng)下的相關(guān)技術(shù)特點(diǎn)以及應(yīng)用的方面，對(duì)當(dāng)下的外骨骼機(jī)器人識(shí)別處理過程中的關(guān)鍵問題進(jìn)行了論述，并展望了未來的發(fā)展提升方向，為后續(xù)研究提供借鑒。

1 外骨骼機(jī)器人的運(yùn)動(dòng)信息采集

1.1 鮑登繩結(jié)構(gòu)外骨骼機(jī)器人

鮑登繩結(jié)構(gòu)是在生活中常見的一種應(yīng)用在外骨骼機(jī)器人中的結(jié)構(gòu)，圖1所示為應(yīng)用了鮑登繩結(jié)構(gòu)的外骨骼機(jī)器人的膝關(guān)節(jié)結(jié)構(gòu)的實(shí)物圖。圖2所示為實(shí)物圖的三維模型，其主要的動(dòng)力是依靠鮑登繩的拉力帶動(dòng)關(guān)節(jié)處的軸旋轉(zhuǎn)模擬人體的大腿、小腿、膝關(guān)節(jié)的抬腿運(yùn)動(dòng)[3]。這套設(shè)備的主要目的是為了在人行進(jìn)過程中減少人體機(jī)能消耗，人在抬腿時(shí)通過鮑登繩拉動(dòng)彈簧，彈簧在收縮過程中儲(chǔ)存彈性勢(shì)能，行進(jìn)時(shí)腿緩慢放下過程中，彈簧儲(chǔ)存的彈性勢(shì)能釋放，勢(shì)能轉(zhuǎn)換為鮑登繩的拉力帶動(dòng)膝關(guān)節(jié)彎曲，節(jié)省人體的能量消耗[4]。這套裝置對(duì)運(yùn)動(dòng)信息的采集依靠力傳感器和角度傳感器反饋的物理信息。如圖3所示，力傳感器和角度傳感器所測(cè)得的電壓通過芯片的處理獲得有效的數(shù)值反饋給主機(jī)程序，直觀地呈現(xiàn)出來[5]。此套設(shè)備的優(yōu)點(diǎn)在于結(jié)構(gòu)簡(jiǎn)單，便于控制且成本較低，但其依靠鮑登繩作為機(jī)構(gòu)運(yùn)動(dòng)的動(dòng)力，響應(yīng)時(shí)間過慢，與人體一體化程度不高，且鮑登繩使用上磨損較大，會(huì)使得機(jī)構(gòu)運(yùn)動(dòng)準(zhǔn)確性進(jìn)一步下降[6]。

圖1 鮑登繩外骨骼機(jī)器人實(shí)物

圖2 鮑登繩外骨骼機(jī)器人膝關(guān)節(jié)結(jié)構(gòu)

圖3 傳感器信息傳遞

對(duì)于鮑登繩外骨骼機(jī)器人，在人體運(yùn)動(dòng)過程中所需要采集的運(yùn)動(dòng)信息單一，只需要一個(gè)對(duì)一個(gè)關(guān)節(jié)的力和位移進(jìn)行采集分析，其優(yōu)點(diǎn)是數(shù)據(jù)直觀清晰，能明確地判斷出人體的運(yùn)動(dòng)狀態(tài)以及下一步的運(yùn)動(dòng)軌跡，但其繩結(jié)構(gòu)的本身通過電機(jī)驅(qū)動(dòng)，無可避免使得它的響應(yīng)速度緩慢，無法實(shí)現(xiàn)運(yùn)動(dòng)中的步態(tài)一致，即使通過軟件算法的優(yōu)化也只能消除而不能避免滯后的存在。

1.2 多傳感器外骨骼機(jī)器人

不同于鮑登繩結(jié)構(gòu)外骨骼機(jī)器人，圖4所示為一種多傳感器外骨骼機(jī)器人。這款外骨骼機(jī)器人的主體軀干結(jié)構(gòu)與傳統(tǒng)的鮑登繩結(jié)構(gòu)的外骨骼機(jī)器人的結(jié)構(gòu)類似，但是他優(yōu)化了其中的鮑登繩材料，取消了鮑登繩和彈簧的柔性緩沖結(jié)構(gòu)，替換成了諧波減速器和電機(jī)作為運(yùn)動(dòng)的驅(qū)動(dòng)力，使其在運(yùn)動(dòng)的過程中相應(yīng)速度提升，同時(shí)增加了機(jī)器人的整體使用壽命[7]。其中傾角傳感器、角度傳感器、角加速度傳感器等多傳感器構(gòu)成傳感器系統(tǒng)，傳感器系統(tǒng)采集人體軀干的傾角、髖關(guān)節(jié)的運(yùn)動(dòng)角度信息、膝關(guān)節(jié)和踝關(guān)節(jié)的運(yùn)動(dòng)角度信息以及足底壓力傳感器進(jìn)行人體的步態(tài)分析[8]。

圖4 多傳感器外骨骼機(jī)器人實(shí)物

其中傾角傳感器測(cè)得人體軀干的傾斜角度，實(shí)時(shí)反饋人體運(yùn)動(dòng)時(shí)的身體傾斜情況，防止運(yùn)動(dòng)時(shí)摔倒。通過足底的壓力傳感器信息得到人在進(jìn)行周期性行進(jìn)動(dòng)作時(shí)對(duì)應(yīng)的相位動(dòng)作信息，推斷出下一次落腳位置和時(shí)間等物理信息[9]。角加速度傳感器和角度傳感器所測(cè)得角加速度和旋轉(zhuǎn)的角度對(duì)應(yīng)著髖關(guān)節(jié)、膝關(guān)節(jié)、踝關(guān)節(jié)在人體行進(jìn)中的運(yùn)動(dòng)角度和速度，通過這些信息結(jié)合設(shè)備本身的尺寸可以反推出各個(gè)關(guān)節(jié)點(diǎn)的運(yùn)動(dòng)軌跡，用來模擬正常人行走的步態(tài)信息。采集到這些信息之后在電腦芯片中進(jìn)行模型的訓(xùn)練就可以幫助穿戴者在運(yùn)動(dòng)中節(jié)省人體的機(jī)能消耗，也可以用于醫(yī)療設(shè)備中幫助殘疾病人進(jìn)行康復(fù)性訓(xùn)練實(shí)現(xiàn)正常的行走[10]。

此設(shè)備的優(yōu)點(diǎn)比較于鮑登繩外骨骼機(jī)器人是添加了外骨骼機(jī)器人的智能性，使他不再單一于減輕人體的運(yùn)動(dòng)時(shí)的消耗。結(jié)合了多種傳感器，通過傳感器的反饋信息可以對(duì)人體的運(yùn)動(dòng)進(jìn)行分析和預(yù)測(cè)，不僅可以提高機(jī)器人在運(yùn)動(dòng)中的相應(yīng)速度，還可以保證機(jī)器人在長(zhǎng)期使用中的損耗時(shí)精度不受影響[11]。此設(shè)備大大優(yōu)化了鮑登繩結(jié)構(gòu)外骨骼機(jī)器人存在的缺陷，在其中添加了多個(gè)角度傳感器，通過提取人體運(yùn)動(dòng)時(shí)的關(guān)節(jié)角速度與角加速度這兩個(gè)物理量，結(jié)合人體的步態(tài)規(guī)劃可以動(dòng)態(tài)地分析人體運(yùn)動(dòng)中的意圖，即角加速度判斷下肢的運(yùn)動(dòng)是加速還是減速預(yù)測(cè)下一步的運(yùn)動(dòng)意圖，提升了外骨骼機(jī)器人的性能，但在其相應(yīng)的快速性上始終存在不足，這種設(shè)備的信息傳遞始終是人體作用于剛性的機(jī)械設(shè)備產(chǎn)生相互作用力之后傳遞的信息，此信息滯后于人體的運(yùn)動(dòng)，在運(yùn)動(dòng)之后才能通過傳感器傳遞人體的信息，從而進(jìn)行下一步的運(yùn)動(dòng)分析和預(yù)測(cè)工作，這是這套設(shè)備存在的缺陷。

1.3 肌電信號(hào)外骨骼機(jī)器人

當(dāng)下研究的熱點(diǎn)是一種結(jié)合人體生物電信號(hào)的外骨骼機(jī)器人，其所采集的表面電極產(chǎn)生機(jī)理如圖5所示。由圖可知，表面電極的產(chǎn)生先于人體肌肉產(chǎn)生的收縮力，所以能優(yōu)化外骨骼機(jī)器人人機(jī)合一上時(shí)間響應(yīng)的問題[12]。

圖5 人體肌電信號(hào)產(chǎn)生過程

表面電極的采集常用的有針電極采集和表面肌電電機(jī)片采集。針電極采集人體表面電極是通過電極針插入到需要采集的肌肉中，在人體運(yùn)動(dòng)時(shí)檢測(cè)出肌肉的表面電極變化。電極片則只需要貼附于人體肌肉表面檢測(cè)即可，但是這種方式所采集的電極信號(hào)收到外界噪聲以及設(shè)備本身的干擾較大，需要進(jìn)行信號(hào)的處理分析[13]。

如圖6所示，肌電信號(hào)外骨骼機(jī)器人的設(shè)備構(gòu)成有別于多傳感器外骨骼機(jī)器人的主要是在硬件部分的設(shè)備。它不再使用傳感器所傳遞的信號(hào)來判斷人體的運(yùn)動(dòng)意圖，而直接提取人的生物信號(hào)來判斷人的運(yùn)動(dòng)意圖，這樣避免了傳感器機(jī)器人本身存在的信息滯后性，提高了人體運(yùn)動(dòng)時(shí)機(jī)器的響應(yīng)速度，使得人機(jī)交互更加密切[14]。此設(shè)備當(dāng)下的難點(diǎn)在于肌電信號(hào)所包含的人體信息十分復(fù)雜，在實(shí)驗(yàn)處理過程中為了消除其他因素的影響要進(jìn)行濾波處理得到要實(shí)驗(yàn)分析的生物電信號(hào)，即得到的信號(hào)只能控制單一關(guān)節(jié)的動(dòng)作，無法實(shí)現(xiàn)多關(guān)節(jié)的連續(xù)動(dòng)作控制，存在著控制的局限性，不能對(duì)人體的整體運(yùn)動(dòng)進(jìn)行廣泛地控制，還需要結(jié)合力傳感器等多信號(hào)交互進(jìn)行人體動(dòng)作的識(shí)別控制。

圖6 肌電信號(hào)外骨骼機(jī)器人信號(hào)傳遞

2 外骨骼機(jī)器人的運(yùn)動(dòng)模式識(shí)別

2.1 運(yùn)動(dòng)模式信息預(yù)處理

如圖7所示，對(duì)于傳感器采集到的運(yùn)動(dòng)信號(hào)，在信號(hào)的采集和傳輸?shù)倪^程中，難以避免地會(huì)受到溫度、噪聲、摩擦力等外界因素的干擾，會(huì)收集一些對(duì)運(yùn)動(dòng)信息無用的干擾信息。這種情況下，需要對(duì)傳感器采集到的信息進(jìn)行過濾處理，剔除外界干擾信息等無用的信息。在對(duì)傳感器采集的原始數(shù)據(jù)進(jìn)行處理時(shí)，可以采用巴特沃斯低通濾波器、FIR低通濾波器、小波去噪等進(jìn)行去噪處理[15]。但在原始信號(hào)中，人體的運(yùn)動(dòng)信號(hào)與外界的噪聲信號(hào)存在重疊的情況，考慮到信號(hào)失真的情況不適用巴特沃斯低通濾波器和FIR低通濾波器[16]。

圖7 模式識(shí)別流程

對(duì)于表面電極片所采集到的電極信息同樣存在著電子器件、輻射、噪聲等干擾因素的影響，同樣需要對(duì)原始信號(hào)進(jìn)行去噪處理。表面電極片采集到的信息可以通過數(shù)據(jù)采集儀傳輸至電腦主機(jī)中直接通過軟件進(jìn)行處理。對(duì)原始信號(hào)的處理可以通過Matlab/Simulink中的Filter Designer設(shè)計(jì)滿足要求的濾波器提出外界干擾因素的影響[17]。在處理噪聲的同時(shí)要考慮到人體肌肉激活度的問題，人體肌肉肌肉激活度到達(dá)一定值時(shí)才會(huì)有相應(yīng)的動(dòng)作運(yùn)動(dòng)，因此在處理過程中要另外設(shè)計(jì)一組濾波器處理人體肌肉激活度得到有用的運(yùn)動(dòng)信息。

2.2 運(yùn)動(dòng)模式信息特征提取

傳感器采集到的運(yùn)動(dòng)信息做預(yù)處理后，進(jìn)一步將人行走過程中的膝關(guān)節(jié)角度和角速度、髖關(guān)節(jié)角度和角速度、大腿角速度各個(gè)數(shù)值進(jìn)行平均值、均方差、均方根、相關(guān)系數(shù)、偏度的數(shù)學(xué)處理，得到各個(gè)動(dòng)作對(duì)應(yīng)的特征數(shù)值為運(yùn)動(dòng)模式識(shí)別做數(shù)據(jù)基礎(chǔ)[18]。

表面電極片采集到的運(yùn)動(dòng)信息做預(yù)處理后，通過肌肉電極激活度測(cè)得人體肌肉的收縮力大小，再根據(jù)人體肌肉的長(zhǎng)度，表達(dá)出關(guān)節(jié)的力矩和關(guān)節(jié)轉(zhuǎn)角[19-20]。此部分的處理在于肌電信號(hào)在時(shí)域上劃分處理，劃分出不同運(yùn)動(dòng)過程中的表面肌電電機(jī)的數(shù)值，得出相應(yīng)動(dòng)作時(shí)的電極數(shù)值，為后續(xù)的運(yùn)動(dòng)模式識(shí)別打下數(shù)據(jù)基礎(chǔ)。

2.3 運(yùn)動(dòng)模式識(shí)別分類器

當(dāng)下應(yīng)用于外骨骼機(jī)器人中的分類器都是基于前期采集的特征數(shù)據(jù)，分析處于不同運(yùn)動(dòng)模式下的數(shù)據(jù)特征差異來判斷進(jìn)行分類都是在有監(jiān)督學(xué)習(xí)框架下的工作模式識(shí)別。本文主要介紹幾種常見的分類器。

2.3.1 KNN算法

K最近鄰算法是一種懶惰算法，其原理十分簡(jiǎn)單，是記錄所有樣本數(shù)據(jù)，計(jì)算出一個(gè)和所有樣本數(shù)據(jù)最接近的訓(xùn)練數(shù)據(jù)，依次來判斷新的數(shù)據(jù)分類是否符合條件。此算法的優(yōu)點(diǎn)在于簡(jiǎn)單、易實(shí)現(xiàn)，但其樣本計(jì)算量巨大，可解釋性差，使用于稀有事件分類。

2.3.2 GA-BP神經(jīng)網(wǎng)絡(luò)

GA算法——遺傳算法，是一種模擬自然界遺傳機(jī)制的算法，其原理是依據(jù)所需的適應(yīng)度函數(shù)，通過遺傳中的選擇、交叉和變異對(duì)樣本個(gè)體進(jìn)行篩選，樣本個(gè)體中適應(yīng)度高的個(gè)體數(shù)據(jù)被保留下來，反復(fù)循環(huán)下來得出最適應(yīng)的樣本[21]。

BP算法——誤差反向傳播算法，其原理是在前饋網(wǎng)絡(luò)中，基于輸出信號(hào)與標(biāo)記信號(hào)的誤差比較，通過誤差的大小利用梯度下降算法調(diào)整神經(jīng)元權(quán)值[22]。

結(jié)合兩種算法的優(yōu)點(diǎn)，將GA算法的全局性好的優(yōu)點(diǎn)和BP算法的最優(yōu)解精準(zhǔn)的優(yōu)點(diǎn)相結(jié)合，提高神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性。

2.3.3 極限學(xué)習(xí)機(jī)

極限學(xué)習(xí)機(jī)（ELM）是一種新型的快速學(xué)習(xí)算法，其主要是訓(xùn)練單隱藏層前饋神經(jīng)網(wǎng)絡(luò)。ELM可以隨機(jī)初始化輸入權(quán)重和偏重并得到相應(yīng)的輸出權(quán)重，不同于傳統(tǒng)算法的人為設(shè)定。依據(jù)Moore-Penrose廣義逆矩陣可以對(duì)單隱藏層神經(jīng)網(wǎng)絡(luò)解出，因此訓(xùn)練參數(shù)減少，訓(xùn)練速度加快[23]。

2.3.4 支持向量機(jī)（SVM）

SVM的原理是將樣本的特征向量映射到空間之中，SVM的目的就是將這些空間中的點(diǎn)用一個(gè)超平面將其劃分為不同的種類區(qū)分開來，訓(xùn)練所使用的算法來求出這個(gè)超平面即為SVM[24]。

依據(jù)圖8所示的算法設(shè)計(jì)框圖，結(jié)合上述的分類器可以將前期采集得到的數(shù)據(jù)進(jìn)行分類處理。將數(shù)據(jù)運(yùn)用算法進(jìn)行模型訓(xùn)練，得到訓(xùn)練模型之后就能對(duì)需要測(cè)試的數(shù)據(jù)進(jìn)行驗(yàn)證，測(cè)試訓(xùn)練模型的準(zhǔn)確性。

圖8 分類器模型設(shè)計(jì)流程

在使用KNN算法時(shí)，K值的設(shè)定會(huì)在較大程度上的影響分類結(jié)果，固需要多次驗(yàn)證合適的K值找尋最適用的K值進(jìn)行分類。對(duì)于GA-BP神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)算法來說，其中的隱藏層影響著著分類的準(zhǔn)確性，因此要對(duì)隱含節(jié)點(diǎn)的個(gè)數(shù)進(jìn)行驗(yàn)證，調(diào)整到最好的準(zhǔn)確率再進(jìn)行驗(yàn)證實(shí)驗(yàn)。在使用SVM時(shí)，要調(diào)整對(duì)應(yīng)模型的懲罰因子C和函數(shù)的系數(shù)g得到最適合的訓(xùn)練模型。

在多種算法的使用過程中，能發(fā)現(xiàn)對(duì)特征信號(hào)的識(shí)別分析的準(zhǔn)確性還需要人為地調(diào)試從而不斷提升，所以在算法的設(shè)計(jì)過程要充分考慮人體的運(yùn)動(dòng)周期，對(duì)運(yùn)動(dòng)周期系統(tǒng)化劃分建立模型才能通過算法有效識(shí)別出人體的運(yùn)動(dòng)意圖，結(jié)合人體的運(yùn)動(dòng)機(jī)理研究不斷調(diào)整運(yùn)動(dòng)模型才能探索出最優(yōu)化的分類算法。

3 結(jié)束語

外骨骼機(jī)器人的運(yùn)動(dòng)信息的采集大多數(shù)還是使用傳感器，傳感器的使用簡(jiǎn)單普遍，提取的信息也很直觀和準(zhǔn)確，這些都?xì)w功于現(xiàn)在傳感器設(shè)備的不斷更新?lián)Q代，設(shè)備的精度和效率越來越高，大大提升了機(jī)器人運(yùn)動(dòng)應(yīng)用方面的快速性和準(zhǔn)確性。但其本身固有存在著的物理信息延時(shí)性的特點(diǎn)是無法通過傳感器的升級(jí)換代和軟件的優(yōu)化消除掉的，所以人們?cè)趯ふ抑‰娦盘?hào)的生物信息這種新型的信號(hào)應(yīng)用于外骨骼機(jī)器人中來解決這方面的問題，使得人機(jī)交互更加緊密和迅速，讓機(jī)器人的運(yùn)動(dòng)更加貼合人體的需求，達(dá)到人機(jī)一體的目的。目前的方式應(yīng)當(dāng)著眼于優(yōu)化肌電信號(hào)的提取分析，不斷明確人體運(yùn)動(dòng)對(duì)應(yīng)的不同肌電信號(hào)，才能以此來控制機(jī)器人的運(yùn)動(dòng)。雖然目前對(duì)于的肌電信號(hào)的研究還沒有那么徹底，但是已經(jīng)有了肌電信號(hào)控制單一關(guān)節(jié)的成果，可以在此基礎(chǔ)上利用肌電信號(hào)優(yōu)先于人體動(dòng)作的特點(diǎn)，再結(jié)合傳感器等其他設(shè)備來控制其他的關(guān)節(jié)運(yùn)動(dòng)，可以優(yōu)化延時(shí)性的問題，提高機(jī)器人的響應(yīng)速度，解決目前存在的一些問題。

肌電信號(hào)的優(yōu)點(diǎn)是顯而易見的，在未來也是研究發(fā)展應(yīng)用的熱門技術(shù)難點(diǎn)。在未來的研究中應(yīng)該關(guān)注以下的關(guān)鍵技術(shù)突破點(diǎn)：首先是人體的運(yùn)動(dòng)機(jī)理的研究和運(yùn)動(dòng)模式的系統(tǒng)劃分，對(duì)人體的運(yùn)動(dòng)所需的生理?xiàng)l件進(jìn)行更加完善和細(xì)致的分解，這樣更有助于外骨骼機(jī)器人數(shù)據(jù)庫的升級(jí)完善，提高運(yùn)動(dòng)過程的意圖識(shí)別的準(zhǔn)確性，并且也能改善目前肌電信號(hào)控制的單一性，使得肌電信號(hào)的對(duì)應(yīng)動(dòng)作不再是單一關(guān)節(jié)的動(dòng)作，使得其控制效果更加全面。其次是總結(jié)外骨骼機(jī)器人針對(duì)不同身高體重的人群所具備的共性，使得外骨骼機(jī)器人的使用不再有局限性，不會(huì)使得不同人穿戴時(shí)出現(xiàn)運(yùn)動(dòng)識(shí)別上的錯(cuò)誤，造成機(jī)器和人的運(yùn)動(dòng)不匹配的問題。最后則是當(dāng)下的肌電信號(hào)外骨骼機(jī)器人所運(yùn)用的肌電信號(hào)運(yùn)動(dòng)識(shí)別的控制單一，對(duì)下肢的整體運(yùn)動(dòng)無法進(jìn)行完整的識(shí)別控制。即生物電信號(hào)所包含內(nèi)容豐富，識(shí)別過程中的濾波處理只能得到單一設(shè)定的信號(hào)，對(duì)復(fù)雜運(yùn)動(dòng)的識(shí)別控制無法達(dá)到預(yù)期的效果。為了完善這一不足，在設(shè)備中加入物理信息的傳感器，提取更多的信息融合分析，完善人體運(yùn)動(dòng)過程中的實(shí)時(shí)識(shí)別提高人機(jī)交互的實(shí)時(shí)性能。