基于数学与仿真分析的驱动下肢外骨骼混合验证方法

《Robotics》：A Hybrid Verification Method for an Actuated Lower-Limb Exoskeleton Based on Mathematical and Simulation Analyses

　　

本研究提出了一种混合方法，用于在预设计阶段验证实验记录步态轨迹与下肢外骨骼之间的几何及生物力学兼容性。该方法整合了关节空间运动学分析、基于Unity数字孪生的CAD自碰撞检测、解剖学髋关节与膝关节约束，以及实验记录的步态轨迹。步态数据采集自30名健康受试者，涵盖0.5至6.0 km/h的12种跑步机速度，采用多相机无标记运动捕捉系统。在评估的54,481个构型中，经自碰撞检测后保留21,450个，经解剖学过滤后保留4,080个，占初始离散化域的7.49%。因机械自碰撞而被排除的实验轨迹点平均比例从0.5 km/h时的2.70%增加到6.0 km/h时的30.49%。行走速度对排除比例具有显著且较大的整体影响（??_??²(11)=242.38，??<0.001，Kendall’s ??=0.734），受试者特异性Spearman相关系数的中位数为??=0.920。所提出的框架提供了一种定量预筛查工具，可在动力样机测试前识别关键步态构型，并可为机械重新设计及控制器约束的定义提供支持。

**论文解读：驱动下肢外骨骼的混合验证方法——基于数学与仿真分析**

**1. 研究背景与问题**
下肢外骨骼在康复训练、辅助行走及增强人体机能等领域具有广阔应用前景。然而，外骨骼与人体运动之间的几何与生物力学兼容性直接决定了穿戴安全性与舒适性。若外骨骼关节运动范围、连杆尺寸或机械结构与穿戴者的自然步态不匹配，轻则导致运动干涉、关节超限，重则引发软组织损伤或骨骼异常受力。传统的外骨骼设计验证通常依赖物理样机迭代测试，成本高、周期长，且难以在早期阶段系统评估所有可能的关节构型组合。此外，人体步态具有显著的个体差异与速度依赖性，单一设计参数难以覆盖广泛的使用场景。因此，在动力样机投制之前，亟需一种能够结合真实步态数据与机械结构约束的量化预筛选工具，以识别可能导致冲突的关键步态构型，为机械优化与控制器约束制定提供依据。

**2. 研究目标与创新点**
针对上述问题，研究人员提出了一种混合验证方法，将关节空间运动学分析、基于CAD模型的自碰撞检测、解剖学髋/膝约束以及实验采集的真实步态轨迹进行系统集成。该方法的核心创新在于：利用无标记多相机运动捕捉获取大样本、多速度步态数据，在外骨骼虚拟数字孪生环境中进行海量构型的自动检测，从而在物理样机测试前完成兼容性评估。这一框架兼具数学分析的精确性与仿真模拟的直观性，为外骨骼预设计验证提供了一种可扩展的定量手段。

**3. 实验设计与数据来源**
步态数据采集自30名健康受试者，在跑步机上以0.5至6.0 km/h共12种速度行走，采用多相机无标记运动捕捉系统记录下肢运动轨迹。该系统无需在受试者体表粘贴标记物，减少了测量干扰，同时能够获得连续的三维关节运动数据。实验覆盖了从慢走到快走的宽速度范围，为评估行走速度对外骨骼兼容性的影响提供了充分的数据基础。

**4. 主要技术方法**
研究人员采用了以下关键技术方法：
- **关节空间运动学分析**：将步态轨迹映射至外骨骼关节空间，计算各关节角度随时间的变化，作为后续碰撞检测与解剖约束筛选的输入。
- **Unity数字孪生环境**：基于CAD模型构建外骨骼的虚拟孪生体，利用Unity引擎的物理引擎实现外骨骼各部分之间的自碰撞检测，判断机械结构内部是否发生干涉。
- **解剖学约束过滤**：设置髋关节与膝关节的解剖学活动范围作为硬性边界条件，剔除超出人体生理极限的关节构型。
- **实验步态轨迹集成**：将30名受试者在12种速度下的真实步态数据嵌入上述分析框架，使验证结果反映真实人体运动特征。

**5. 研究结果**
**5.1 构型筛选效率**
研究共评估了54,481个离散化关节构型，其来源于步态轨迹与外骨骼运动学模型的组合离散化。经过自碰撞检测后，保留21,450个构型，占比39.4%；再经解剖学过滤后，仅剩4,080个构型，占初始域总量的7.49%。这一结果表明，大部分潜在的关节构型由于机械干涉或超出人体关节活动范围而不可行，凸显了预验证的必要性。

**5.2 速度对自碰撞排除比例的影响**
实验轨迹点因机械自碰撞而被排除的平均比例从0.5 km/h时的2.70%逐渐上升至6.0 km/h时的30.49%。这意味着行走速度越快，外骨骼机械结构之间发生自碰撞的概率显著增加，表明高速步态对机械设计空间提出了更严格的要求。

**5.3 统计效应与相关性**
采用Friedman检验评估行走速度对排除比例的影响，结果显示速度具有显著且较大的整体效应（??_??²(11)=242.38，??<0.001，Kendall’s ??=0.734），即不同速度下的排除比例存在显著差异，且效应量较大。进一步计算受试者特异性Spearman相关系数，其中位数为??=0.920，表明个体步态模式与速度之间的关系高度一致，即所有受试者均呈现出速度越快、碰撞排除比例越高的趋势。

**5.4 关键构型识别**
通过逐帧分析步态轨迹在外骨骼关节空间中的对应点，研究人员能够定位那些同时满足机械干涉与解剖超限条件的临界构型。这些构型通常出现在步态周期中的摆动相末期或支撑相起始阶段，此时髋关节屈曲角与膝关节伸展角组合接近机械极限。该信息可直接用于指导外骨骼连杆长度、关节限位及驱动策略的优化设计。

**6. 讨论**
研究表明，混合验证方法能够有效量化外骨骼与真实步态之间的兼容性。自碰撞检测与解剖约束的组合过滤，将可行构型空间缩减至不足初始域的8%，说明单纯依赖设计经验难以覆盖所有风险构型。速度效应的显著性提示，在高速行走场景下外骨骼设计需额外关注机械间隙与关节行程余量。此外，该方法的数值结果可为控制器设置关节角度软限位提供依据，避免控制器驱动外骨骼进入危险构型。与物理样机测试相比，该框架可在设计早期以低成本完成海量构型筛查，减少迭代次数。

**7. 研究结论**
本研究提出的基于数学与仿真分析的混合验证方法，成功将真实步态轨迹与机械结构约束相结合，实现了下肢外骨骼预设计阶段的系统化兼容性评估。通过30名健康受试者、12种速度下的步态数据验证，该方法能够以高灵敏度识别因自碰撞或解剖超限而失效的关节构型，且识别结果随行走速度变化呈现显著一致的规律。该框架不仅可用于外骨骼机械结构的重新设计，还可为控制器定义安全约束提供量化参考，具有较高的工程应用价值。论文发表于《Robotics》期刊。