1.一种基于步行比趋势变化的奖励函数建立方法，其特征在于它包括以下步骤：(1)采集柔性外骨骼机器人的穿戴者的髋关节屈曲角参数信号，并找到髋关节的最大屈曲角θmax和最小屈曲角θmin，若已知柔性外骨骼机器人的穿戴者的腿长为l时，则可得到柔性外骨骼机器人的穿戴者的步长D；

D＝l(θmax‑θmin)                            (1)(2)将传感器放置在柔性外骨骼机器人的穿戴者的左右大腿后部中间位置，并实时采集该穿戴者正常行走时的髋关节屈曲角参数，以获取穿戴者髋关节的屈曲角参数曲线，将波谷时刻记为t波谷，进而可以计算得到当前步态周期为：T(k)＝t波谷(k)‑t波谷(k‑1)                         (2)即：当前步态周期是由相邻的两个波谷点的值计算得到；

(3)根据步骤(1)得到的步长D和步骤(2)得到的步态周期T(k)则可计算出一个步态周期末的真实采样步行比W，如公式(3)所示：式中，W为步行比，D为步长，单位为m，N为步频，其单位为steps/min，T步为步态周期，单位为min；

(4)建立步行比采样序列，取每隔一个周期一个采样点，根据数列收敛情况设定如式(4)所示的打分机制，对分析序列中的序列值进行打分；

|W当前‑W目标|＜|W上一采样点‑W目标|                    (4)其中，W当前当前采样点的步行比值，W目标为设定好的健康老年人的步行比值，W上一采样点上一采样点的步行比值；

(5)依次对步行比采样序列中的采样序列打分，分别得到P和Q的个数，并根据全局奖励函数公式(5)得到外骨骼机器人执行完前一动作后基于步行比的全局奖励值；当P值较高时，即P>Q，步行比按照预期趋势，即向着给定的健康老年人的步行比值收敛，则外骨骼机器人将得到正奖励；当Q值较高时，即Q>P步行比将背离预期趋势发散，则外骨骼机器人将得到负奖励；

(6)将上述奖励函数模型运用到优化外骨骼参数的强化学习算法中当如公式(6)所示的值函数最大时，则得到的策略即为最优策略，即可实现对步行比的调整，使得外骨骼机器人辅助老年人行走，起到康复的作用；

2

vπ(s)＝Eπ(Rt+1+γRt+2+γRt+3+...|St＝s)               (6)其中，vπ(s)为在策略π和状态s时，采取行动后的价值函数；R为上述奖励函数模型，Rt+1为t+1时刻的奖励；γ为奖励衰减因子，在[0,1]之间；St为t时刻环境的状态。

2.根据权利要求1所述一种基于步行比趋势变化的奖励函数建立方法，其特征在于所述步骤(2)中穿戴者髋关节的屈曲角参数曲线的获取方法具体如下：(2‑1)由姿态传感器采集柔性外骨骼机器人的穿戴者的髋关节屈曲角参数信号，并将其转换成数字量信号，发送给单片机，并由其发送给PC端；

(2‑2)利用安装在PC端的MATLAB中的串口接口实现髋关节屈曲角参数信号的获取，并通过“plot”函数绘制髋关节屈曲角参数实时曲线。

3.根据权利要求2所述一种基于步行比趋势变化的奖励函数建立方法，其特征在于所述步骤(2‑1)中单片机与PC端之间的数据传输是单片机通过串口通讯经蓝牙模块利用无线网络传输给PC端。

4.根据权利要求2所述一种基于步行比趋势变化的奖励函数建立方法，其特征在于所述步骤(2‑2)中的髋关节屈曲角参数实时曲线也可直接使用第三方上位机软件来显示曲线。

5.根据权利要求4所述一种基于步行比趋势变化的奖励函数建立方法，其特征在于所述第三方上位机软件是匿名上位机。

6.根据权利要求1所述一种基于步行比趋势变化的奖励函数建立方法，其特征在于所述步骤(1)和步骤(2)中柔性外骨骼机器人的穿戴者的髋关节屈曲角参数信号的采集通过MEMS姿态传感器实现，该MEMS姿态传感器自带ADC转换模块。

7.根据权利要求1所述一种基于步行比趋势变化的奖励函数建立方法，其特征在于所述步骤(4)中的根据打分机制对分析序列中的序列值进行打分，具体是指：①当W当前＞W目标时，如果当前采样点的步行比小于上一采样点的步行比，则当前时间所对应的序列值置1，否则置0；

②当W当前＜W目标时，如果当前采样点的步行比大于上一采样点的步行比，则当前时间所对应的序列值置1，否则置0；

③在该分析序列中选取包含当前时间点的m个序列值，并记录分析序列中1的个数为P，

0的个数为Q，则可根据公式(5)计算出外骨骼机器人执行完前一动作后的奖励值：其中，Maximun是人为设定的最大奖励值，P为分析序列中1的个数，Q为分析序列中0的个数，m为分析序列中采样点的个数； 表示多个周期内步行比的趋势。