对适应性和非适应性下肢外骨的用户体验和性能进行了全面的多度分析

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物力学 生物力学
• 神经科学是一个神经科学.

背景情况:

• 使用中央模式生成器 (CPG) 的生物灵感控制是机器人外骨架的一个有希望的方法,提供自然和强大的行走模式.
• 与其他方法相比,基于CPG的控制需要更少的计算能力,不需要系统模型或大型数据集.
• 对基于CPG的自适应式外骨控制缺乏全面的用户体验评估.

研究的目的:

• 为了研究基于CPG的自适应式外骨控制系统 (智能模式) 的性能.
• 使用多度分析,将智能模式与标准的商用外骨控制系统 (默认模式) 进行比较.
• 在外骨架辅助行走过程中评估用户体验和生物力学参数.

主要方法:

• 使用随机分配的交叉设计,使用健康成年人在下肢外骨架 (Exo-H3) 中行走.
• 参与者在正常和高速时体验了智能 (适应性CPG) 和默认 (非适应性) 控制模式.
• 使用3D步态分析,肌肉活动,氧气消耗,用户舒适度和外骨性能得分来评估性能.

主要成果:

• 与默认模式相比,智能模式导致速度,步伐和步骤长度明显降低.
• 适应性CPG控制增加了前骨盆倾斜和部屈曲,同时降低了高速的氧气消耗.
• 两种模式之间在肌肉活动,用户舒适度或外骨性能得分方面没有发现显著差异.

结论:

• 基于CPG的自适应控制显示了改善外骨的步态生物力学和代谢效率的潜力.
• 对外骨硬件和控制策略的进一步修改是必要的,以提高时间空间参数,动力学,用户舒适度和整体性能.