仪器仪表学报

作者：石欣，唐佳，范智瑞，杨子祥，秦鹏杰

单位：石欣,重庆大学自动化学院重庆400044,shixin@cqu.edu.cn,唐佳,重庆大学自动化学院重庆400044,,范智瑞,重庆大学自动化学院重庆400044,,杨子祥,重庆大学自动化学院重庆400044,,秦鹏杰,深圳大学人工智能学院深圳518055,

关键词：下肢外骨骼;外骨骼电机;人机协同;超调;选择性优化

基金：国家重点研发计划（2023YFB4704003）、国家自然科学基金青年科学基金（62403453）、广东省基础与应用基础研究基金(2025A1515011973)项目资助

下肢外骨骼技术能够辅助增强人体力量，应用广泛。然而，外骨骼电机因电磁惯性和机械负载导致的动态非线性，因超调引发人机协同运动响应失配，增加生物力学损伤风险。针对外骨骼电机在人体行走抬腿阶段的惯性超调问题，提出了一种融合逆向系统模型预测与前向模型优化的双阶段协同超调量预测优化策略。通过构建卷积神经网络-长短期记忆网络-注意力机制（CNN-LSTM-Attention）的逆向系统模型，实时接收电机目标输出，有效捕捉多变量时间序列数据，快速生成外骨骼电机初始输入指令；构建金字塔特征融合-卷积神经网络-双向长短期记忆网络-Transformer（Pyramid-CLT）的前向优化模型，采用门控机制和金字塔形全连接层（Pyramid）实现多尺度特征整合，预测输出与目标输出的均方误差作为目标函数，运用粒子群优化算法（PSO）对高均方误差的样本进行迭代优化，生成精确的电机控制指令，实现电机超调补偿控制，并通过下肢刚性外骨骼系统采集电机实际运行数据进行实验验证。结果表明，预测优化策略能够根据人体运动轨迹精准生成外骨骼电机输入指令，模型相关指数（R2）为0.985，均方根误差（RMSE）和平均绝对误差（MAE）分别为0.537和0.442；与单一模型算法和其他预测算法对比，通过实时动态预测并修正超调量，使电机输出紧密贴合人体运动轨迹，有效提升人机协同性，为下肢外骨骼的精准控制提供了新的方法。

来源：2025年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第11期