基于准直驱动（QDD）技术的外骨骼交互力估计

在人机交互领域，外骨骼技术已成为康复、辅助行走和增强体能的重要手段。然而，实现高效、精准的人-外骨骼交互仍然面临诸多挑战，尤其是在力估计和控制方面。传统方法依赖力传感器来测量交互力，但这增加了系统的复杂性和成本。本研究提出了一种基于准直驱动（QDD）技术的交互力估计算法，能够在无力传感器的情况下，通过电机自身的动力学特性推算外骨骼与人体之间的作用力。

系统设计与动力学建模

研究团队开发了一款髋关节外骨骼，采用QDD技术提供辅助力矩，减少对人体自然运动的限制。系统设计的核心在于通过低传动比的电机直接驱动关节，使其具备更好的背驱能力，从而提高用户的舒适度和安全性。本研究使用了CubeMars AK10-9 V1.1 机器人动力模组，该电机具备高扭矩密度和低机械阻抗的特点，适用于准直驱动系统。

为了实现无传感器交互力估计，研究者建立了电机的完整动力学模型，考虑了转动惯量、摩擦力矩和齿轮传动等因素。该模型能够基于电流、角速度等数据计算输出力矩，并进一步推算外骨骼与人体的接触力。

实验验证与结果

研究团队搭建了实验平台，首先在实验台上测试电机特性，随后在实际外骨骼系统中进行步态实验。实验采用不同辅助力矩水平（6 Nm、8 Nm、10 Nm），测试受试者在跑步机上行走的情况下，系统对交互力的估计精度。

结果表明，该方法的平均绝对误差（MAE）仅为2.78±0.58 N，占额定输出力的6.4%。相比传统的力传感器方法，本方法能够在保证精度的同时，减少硬件依赖，提升系统的轻量化和可靠性。此外，基于该模型的开环力矩控制策略相较于标称方法，误差降低了23%，进一步提升了系统的响应性和控制精度。

技术优势与应用前景

本研究的核心贡献在于：

减少对力传感器的依赖，降低系统复杂性和成本，提高外骨骼的实用性；

优化力矩控制策略，实现更稳定的步态辅助，提高用户的行走舒适度；

提升系统的背驱能力，使外骨骼能够更自然地适应人体运动，而不影响正常步态。

该技术为未来的外骨骼系统开发提供了新思路，特别是在康复训练、工业辅助和老年人行走支持等应用场景中，能够有效提升交互体验和设备可靠性。未来的研究可以进一步结合个性化参数优化，使外骨骼的交互力估计更加精准，以适应不同用户的需求。