CN118305781B 髋关节助力值的确定方法、装置、终端设备及存储介质 （南方科技大学）

函数和预设的时间偏置常数计算用户的第一角所述髋关节任一侧当前状态下的第二角度数据用者的行走轨迹函数和未来某一时刻的第一角关节外骨骼可以根据使用者的行走情况为使用2基于第一角度数据和所述髋关节任一侧当前状态下的第二角度数据确定当前状态下所述基于第一角度数据和所述髋关节任一侧当前状态下的第二角度数据确定当前状基于所述第一角度数据和所述第二角度数据将所述角度差值输入至力矩估计模型中确定获取用户输入的待训练模型和训练样本通过所述待训练模型对所述训练样本进行处基于预设的第一损失函数确定所述初始力矩值与所述期望力矩值基于所述损失值对所述待训练模型进行更新，直至所述损失值件，将所述损失值满足所述训练停止条件时对应的所述待训练模型作为所述力矩估计模在所述基于所述损失值对所述待训练模型进行更新将所述力矩估计模型和所述训练样本输入至预设的评估函数中，生成力矩准确函数；所述力矩准确函数用于确定力矩与时长之间的对应对所述力矩准确函数进行最小力矩求解，确定所述力矩准确函数对将所述最小力矩准确值所对应的时长作为所述在响应于当前状态下髋关节任一侧的助力计算任务，基于从多个所述历史角度数据中确定最大角度数据和最小角将多个历史角度数据输入至预设的第二损失函数将所述多个历史角度数据输入至预设的频率函数中计算获取当前状态对应时刻前预设统计时长内所述髋关节任一侧的多个将所述多个历史行走角度输入至预设的归一化算法中，生成各个所3从所述归一化数据中确定所述髋关节任一侧在N个步态周期中的所述历史角度数据；将多个所述归一化数据和各个所述归一化数据对应的采集时间输入至预设的周期算基于所述步态周期时长从所述归一化数据中确定所述髋关节任一侧在所述N个步态周助力值确定模块，用于基于第一角度数据和所述髋关节任一所述基于第一角度数据和所述髋关节任一侧当前状态下的第二角度数据确定当前状基于所述第一角度数据和所述第二角度数据将所述角度差值输入至力矩估计模型中确定获取用户输入的待训练模型和训练样本通过所述待训练模型对所述训练样本进行处基于预设的第一损失函数确定所述初始力矩值与所述期望力矩值基于所述损失值对所述待训练模型进行更新，直至所述损失值件，将所述损失值满足所述训练停止条件时对应的所述待训练模型作为所述力矩估计模在所述基于所述损失值对所述待训练模型进行更新将所述力矩估计模型和所述训练样本输入至预设的评估函数中，生成力矩准确函数；所述力矩准确函数用于确定力矩与时长之间的对应对所述力矩准确函数进行最小力矩求解，确定所述力矩准确函数对将所述最小力矩准确值所对应的时长作为所述在响应于当前状态下髋关节任一侧的助力计算任务，基于从多个所述历史角度数据中确定最大角度数据和最小角4将多个历史角度数据输入至预设的第二损失函数将所述多个历史角度数据输入至预设的频率函数中计算5.一种终端设备，包括存储器、处理器以及6.一种计算机可读存储介质，所述计算机可读存储介质存于，所述计算机程序被处理器执行时实现如权利要求1_3任一项所述的髋关节助力值的确[0001]本申请实施例属于计算机技术领域，特别是涉及一种髋关节助力值的确定方法、[0007]基于第一角度数据和所述髋关节任一侧当前状态下的第二角度数据确定当前状[0013]获取用户输入的待训练模型和训练样本通过所述待训练模型对所述训练样本进56助力计算任务，基于行走轨迹函数和预设的时间偏置常数计算用户的第一角度数据之前，[0027]获取所述当前状态对应时刻前预设统计时长内所述髋关节任一侧的多个历史行[0029]从所述归一化数据中确定所述髋关节任一侧在N个步态周期中的所述历史角度数[0031]将多个所述归一化数据和各个所述归一化数据对应的采集时间输入至预设的周[0032]基于所述步态周期时长从所述归一化数据中确定所述髋关节任一侧在所述N个步7端设备可以根据使用者髋关节某一侧的行走轨迹函数和时间偏置常数计算该侧髋关节在8[0053]为了解决这一问题，Medrano等人将连续相位估计引入外骨骼机器人控制策略研力矩。Bishe等人在这一基础上进一步展开研究，通过逆运动学力矩平衡来估计踝关节扭[0055]为了进一步改进下肢外骨骼机器人的控制策略，Lim等人将下肢外骨骼机器人的传感器缩减至两侧髋关节编码器。两侧髋关节的编码器可以通过两侧髋关节之间的角度9备可以根据该侧对应的至少两个已采集到的个历史角度数据构建该侧髋关节的行走轨迹关节在时间偏置常数所对应的未来的某一时刻估计值可以用于表示该侧髋关节所需要的辅助力矩。终端设备在计算出力矩估计值之后，益系数可以由使用者根据使用习惯自行调节。增益系数可以用于对力矩估计值进行缩放，图4中的(a)可以为终端设备根据多个历史角度数据所建立的行走轨迹函数的行走轨迹曲已经出现的行走轨迹。行走轨迹曲线中的虚线部分可以包括未来某一时刻的第一角度数常系数和第二加权常系数可以由开发人员在研发时通过训练样本待训练模型输入至终端设备中。终端设备可以获取开发人员输入的待训练模型和训练样括多个训练角度值和各个训练角度值对应的期[0081]在本实施例中，由于力矩估计模型是由训练样本根据训对应的最小力矩准确值。终端设备可以将最小力矩准确值所对应的时长作为时间偏置常函数可以为本领域技术人员公知的任意一种可以用于评估有效性的函数，如均方根差函[0092]图5示出了本申请第二实施例提供的一种髋关节助力值的确定方法S101的具体实之前，可以先根据该侧髋关节的至少两个历史角度数据构建该侧髋关节的行走轨迹函数。终端设备可以从该侧髋关节的多个历史角度数据中确定出最大角度数据和最小外骨骼机器人也可以稳定地提供与人体行走轨迹相[0106]在一种可能的实现方式中，某侧髋关节在N个步态周期中的历史角度数据的数据步态周期中的所有历史角度数据构成的数据集。可以表示对所有历史角度[0133]需要说明的是，上述实施例中各步骤的序号的大小并不[0136]助力值确定模块602，用于基于第一角度数据和所述髋关节任一侧当前状态下的对所述力矩准确函数进行最小力矩求解，确定所述力矩准确函数对应的最小力矩准确值；将所述最小力矩准确值所对应的时长作为所述时从所述归一化数据中确定所述髋关节任一侧在所述N个步态周期中的所述历史角所述处理器710执行所述计算机程序721时实现上述各装置实施例中各模块/单元的功能，述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段[0148]所述终端设备700可以是前述各个实施例中的终端设备。所述终端设备700可包其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field_分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器[0150]所述存储器720可以是所述终端设备700的内部存储单元，例如终端设备700的硬700上配备的插接式硬盘，智能存储卡(SmartMediaC