外骨骼作为一种可穿戴的智能化装备,在越来越多的场景下实现了成功应用,而愈加广泛的使用场景也催生了更加灵活的柔性外骨骼的产生。柔性外骨骼主体由柔性织物材料制成,非常灵活轻便,易于使用和部署,同时它也能为使用者提供非常可观的助力,帮助使用者节省体力、降低运动新陈代谢率。但由于其柔性较高,不同于刚性外骨骼,传统方法难以建模,更难以简单地检测到外骨骼姿态。同时柔性外骨骼还存在常见的随机绑缚问题、运动冲击问题和使用场景变化等实际使用问题。因此需要有一套更适配更完善的检测和计算方法,才能获得良好的柔性外骨骼姿态估计。本课题核心工作是研究柔性外骨骼的整套姿态检测系统,包括硬件配置和解算方法,以实现高精度且使用便捷的姿态解算功能。姿态检测系统基于“SIAT Soft Exosuit-III”平台研发,使用了基于加速度计、足底压力传感器、陀螺仪、机器学习等的多模态解算技术。解决了姿态检测普遍存在的标定复杂耗时、绑缚误差难以消除、加速度计难以应对频繁冲击、陀螺仪有长时间累积误差等痛点问题。最终通过多模信息融合将这些技术的优势进行了互补,结合柔性外骨骼的使用场景进行一系列的针对性设计优化,提出了一套完整的柔性外骨骼姿态检测流程。本文研究主要包括以下内容:1.本课题所使用的柔性外骨骼平台的介绍,主要包括外骨骼髋关节姿态相关的机械原理、及简单的相关控制系统介绍。本课题搭建的姿态检测硬件平台介绍,包括使用的传感器与硬件电路。以及作为标准对照的光学动作捕捉系统的介绍与使用。2.基于机器学习技术,设计了一个神经网络“GTPN”,通过编解码器与动态博弈等思想,使我们能够通过外骨骼使用者的一系列身体参数,来预测其下肢髋关节姿态轨迹。该技术能使我们获得一个尽可能接近标准参考姿态的外骨骼姿态平滑估计。3.通过多传感器信息的相互配合,解决了柔性外骨骼传感器位姿标定工作,仅需简单的自由活动即可消除绑缚带来的误差,提高外骨骼对不同绑缚手法及穿戴者身材的适应能力。4.基于多模融合思想,首先通过加速度计完成柔性外骨骼髋关节姿态解算,并与GTPN预解算结果进行融合,以提升实时解算精度和加速度计平滑抗冲击能力。并基于足底压力传感器,通过区域压力做差算法对下肢关键姿态进行了检测。并基于该结果对陀螺仪角速度进行小区间的阈积分以抵抗长时间漂移,并据此进行关节角度计算。最终通过互补滤波将这些多模信息进行融合,获得性能更佳的姿态估计。