技術特征：

1.一種下肢機器人，其用于與使用者配合使用，且包括機械腿；其特征在于，還包括：

傳感系統，用于采集所述使用者和所述機械腿各關節之間的力矩信號和關節絕對角度信號，并將所述力矩信號和所述關節絕對角度信號發送至控制系統；

所述控制系統，用于通過所述力矩信號和所述關節絕對角度信號估計出所述使用者下肢生理學步態軌跡信號，并根據所述生理學步態軌跡信號驅動所述機械腿。

2.根據權利要求1所述的下肢機器人，其特征在于：

所述控制系統具體包括：

上位機，用于根據經過模數轉換后的關節角度信號和人機交互力矩信號，生成與生理學步態軌跡相關的第一運動控制指令和第二運動控制指令；

左腿驅動控制器，與所述上位機通信連接，用于接收第一編碼器產生的下肢各關節的第一角度信號，還用于接收所述上位機發送來的所述第一運動控制指令，并根據所述第一角度信號和所述第一運動控制指令來驅動左腿髖關節電機和左腿膝關節電機，以驅動左腿；

右腿驅動控制器，與所述上位機通信連接，用于接收第二編碼器產生的下肢各關節的第二角度信號，還用于接收所述上位機發送來的所述第二運動控制指令，并根據所述第二角度信號和所述第二運動控制指令來驅動右腿髖關節電機和右腿膝關節電機，以驅動右腿；

所述左腿髖關節電機，與所述左腿驅動控制器相連；

所述左腿膝關節電機，與所述左腿驅動控制器相連；

所述第一光電編碼器，設置在所述左腿髖關節電機和所述左腿膝關節電機的軸端，并與所述左腿驅動控制器相連，生成所述左腿髖關節電機的第一位置信號和所述左腿膝關節電機的第二位置信號，并將所述第一和第二位置信號分別反饋至所述左腿驅動控制器；

所述右腿髖關節電機，與右腿驅動控制器相連；

所述右腿膝關節電機，與右腿驅動控制器相連；

所述第二光電編碼器，設置在所述右腿髖關節電機和所述右腿膝關節電機的軸端，并與所述右腿驅動控制器相連，生成所述右腿髖關節電機的第三位置信號和所述右腿膝關節電機的第四位置信號，并將所述第三和第四位置信號分別反饋至所述右腿驅動控制器；

采集卡，與關節絕對角度傳感器和關節力矩傳感器及所述上位機相連，用于對關節角度信號和人機交互力矩信號進行模數轉換后輸入到所述上位機；

所述傳感系統具體包括：

所述關節絕對角度傳感器，與所述采集卡相連，用于采集所述關節角度信號；

所述關節力矩傳感器，與所述采集卡相連，用于采集所述人機交互力矩信號。

3.根據權利要求1所述的下肢機器人，其特征在于，所述傳感器系統對所述力矩信號和所述關節絕對角度信號進行放大并進行模數轉換之后發送至控制系統。

4.根據權利要求2所述的下肢機器人，其特征在于，所述左、右腿驅動控制器分別通過EtherCAT工業總線與所述上位機通信連接；所述采集卡通過PCI總線與所述上位機通信連接。

5.根據權利要求2所述的下肢機器人，其特征在于，所述機器人還包括：跑步臺控制器和跑步臺驅動電機及跑步臺；所述跑步臺控制器通過SCI串行總線與所述上位機通信連接；所述跑步臺驅動電機通過SCI串行總線與所述上位機通信連接，以驅動所述跑步臺。

6.根據權利要求1所述的下肢機器人，其特征在于，所述下肢機器人還包括：

人機交互系統，與所述控制系統相連，用于接收所述使用者輸入的指令，并進行運動監控和數據管理。

7.一種利用上述權利要求1-6中任一所述機器人進行主動運動的控制方法，其特征在于，所述方法包括：

獲取所述使用者與所述機械腿之間的力矩信號；

利用指數移動平均法對所述力矩信號進行估計；

結合估計得到的力矩，根據位置式阻抗控制方法，計算所述使用者下肢各關節的期望運動的關節角度；

根據所述期望運動的關節角度，通過最優化的方法計算得到生理學步態軌跡信號，并根據所述生理學步態軌跡信號控制所述機器人進行主動運動。

8.根據權利要求7所述的方法，其特征在于，所述利用指數移動平均法對所述力矩信號進行估計具體包括：

根據以下公式對所述力矩信號進行估計：

${\widehat{\mathrm{\τ}}}_{active,i}=\underset{j=0}{\overset{i}{\Σ}}\mathrm{\α}{(1-\mathrm{\α})}^{i-j}{\mathrm{\τ}}_i\left(t\right)$

其中，所述α表示遺忘因子；所述表示估計的力矩；所述i表示過去一段時間內的某一時間序列點標號；所述n取正整數；所述τ_i(t)表示時間序列中第i次采集到的力矩信號。

9.根據權利要求7所述的方法，其特征在于，所述結合估計得到的力矩，根據位置式阻抗控制方法，計算所述使用者下肢各關節的期望運動的關節角度，具體包括：

根據下式確定所述期望運動的關節角度：

$\left\{\begin{array}{c}\mathrm{\Δ}q=\frac{1}{(K+Bs+{\mathrm{Ms}}^2)}{\widehat{\mathrm{\τ}}}_{active}\left(t\right)\\ q_d\left(t\right)=q_0\left(t\right)-\mathrm{\Δ}q\end{array}\right.$

其中，所述Δq表示角度變化量；所述K、B、M分別表示阻抗系數；所述s表示拉普拉斯變換算子；所述表示所估計的力矩；所述q₀(t)表示當前運動的關節角度；所述q_d(t)表示所述期望運動的關節角度。

10.根據權利要求9所述的方法，其特征在于，所述阻抗系數通過以下方式來確定：基于所述估計的力矩及其差分，利用模糊算法，采用五級三角形隸屬度函數，來確定所述阻抗系數。

11.根據權利要求10所述的方法，其特征在于，所述基于所述估計的力矩及其差分，利用模糊算法，采用五級三角形隸屬度函數，來確定所述阻抗系數，具體包括：

計算所述估計的力矩及其差分的隸屬度函數；

對所述隸屬度函數進行推理，得到推理結果；

對推理結果進行綜合；

采用重心法對綜合結果進行解模糊；

根據解模糊的結果以及所述阻抗系數的最大值和最小值限定值，計算所述阻抗系數。

12.根據權利要求7所述的方法，其特征在于，所述根據所述期望運動的關節角度，通過最優化的方法計算得到生理學步態軌跡信號，具體包括：

根據下式確定所述生理學步態軌跡信號：

q_n(t)＝a·q₀(t)+b；

其中，所述q_n(t)表示所述生理學步態軌跡；所述q₀(t)表示當前軌跡；所述a表示調整步態軌跡幅值的調整參數；所述b表示調整步態軌跡偏移的調整參數；所述J(a,b)表示評價函數；所述q_d(k)表示在一個步態周期內某個時間節點的期望關節角度；所述q_n(k,a,b)表示按照某一組a、b取值得到的最終關節角度。

13.根據權利要求12所述的方法，其特征在于，所述調整參數采用梯度下降法，并通過最小化評價函數來予以確定。

14.根據權利要求13所述的方法，其特征在于，所述調整參數采用梯度下降法，并通過最小化評價函數來予以確定具體包括：

根據下式對所述調整參數的值進行迭代，且使所述調整參數的值沿著評價函數梯度下降速率最快的方向迭代，并將使得所述評價函數取最小值時所對應的所述調整參數值確定為最終的調整參數：

$\left[\begin{array}{c}{a}_i\\ b_i\end{array}\right]=\left[\begin{array}{c}{a}_{i-1}\\ b_{i-1}\end{array}\right]-\mathrm{\α}\left[\begin{array}{c}\frac{\∂}{\∂a}J\\ \frac{\∂}{\∂b}J\end{array}\right].$

15.根據權利要求7所述的方法，其特征在于，所述根據所述生理學步態軌跡信號控制所述機器人進行主動運動具體包括：

將所述生理學步態軌跡信號發送至所述左、右腿驅動控制器；

所述左、右腿驅動控制器根據所述生理學步態軌跡信號，驅動所述左腿髖關節電機、所述左腿膝關節電機、所述右腿髖關節電機及所述右腿膝關節電機，使所述機器人關節運動到期望角度。