基于焦虑情绪与混杂控制的机器人辅助临床康复实验

现有基于患者主动参与的机器人辅助康复训练方法,大多以感知患者"运动"参与为主,而忽略了"心理"层次主动参与,且人机交互控制方法未能同时将机器人连续变量运动控制或医师离散事件决策控制这种混杂特性融于统一框架内,具有一定的局限。针对此问题,提出一种基于焦虑情绪识别与混杂控制的机器人辅助临床康复控制方法。该方法首先分析机器人辅助康复过程中不同强度焦虑情绪生理响应特征的显著性及差异性;其次,运用基于径向基核的支持向量机设计焦虑情绪分类器;再次,基于混杂控制理论设计与患者焦虑情绪强度相一致的人机交互控制器;最后,选取3例脑卒中患者,运用Barrett公司WAMTM机器人构建临床康复实验平台,验证所提方法有效性。     

基于阻抗控制的工业机器人力控制方法

针对工业机器人的力控制问题,提出一种通过机器人运动轨迹补偿来间接控制接触力的阻抗控制算法.通过分析机器人末端与加工对象的接触模型设计控制系统.借助力传感器采集的力信号,将阻抗控制表达式进行离散化处理,由此计算轨迹修正值的表达式.对机器人运动轨迹补偿进行仿真,验证方法的可行性.通过进行机器人磨削试验,对比有力控和无力控的接触力波形图,验证了方法的有效性.     

基于阻抗控制的工业机器人力控制方法

针对工业机器人的力控制问题,提出一种通过机器人运动轨迹补偿来间接控制接触力的阻抗控制算法.通过分析机器人末端与加工对象的接触模型设计控制系统.借助力传感器采集的力信号,将阻抗控制表达式进行离散化处理,由此计算轨迹修正值的表达式.对机器人运动轨迹补偿进行仿真,验证方法的可行性.通过进行机器人磨削试验,对比有力控和无力控的接触力波形图,验证了方法的有效性.     

基于足地接触特性辨识的六足机器人自适应阻抗控制

为提高足式机器人在未知地面环境中运动适应能力,提出了一种基于足地接触特性辨识的模糊自适应阻抗控制算法.首先,针对六足机器人提出一种足地接触特性辨识方法.为降低六足机器人行走时足地之间的冲击力,提出了一种六足机器人沿腿长方向基于足地接触参数的模糊自适应阻抗控制器.基于六足机器人在不平坦地面行走时的足地接触状态,建立机器人步态控制状态机及行走控制框架.通过六足机器人仿真模型,对足地接触特性辨识方法、模糊自适应阻抗控制器以及机器人行走控制框架进行仿真验证,并应用到"青骓"六足机器人样机进行实验验证.     

床式下肢康复训练机器人模糊自适应阻抗控制

为解决肢体运动障碍患者的康复训练问题,设计了一款床式下肢康复训练机器人,搭建了床式下肢康复训练机器人控制系统。为提高下肢康复训练后期患者主动参与度,提出了模糊自适应阻抗控制方法用于主动训练控制。机器人通过检测与患者之间的人机交互作用力,判断患者主动运动意图,并且基于阻抗控制建立力与位置的动态关系。通过接触力测评实验选择不同体位的下肢康复训练方式。通过实验验证了模糊自适应阻抗控制的可行性,可以有效提高使用者的主动参与度。     

配电机器人剥线器的RLS阻抗力控制算法

针对配电机器人剥线过程中导线线芯易受损问题提出一种适合末端剥线器的基于阻抗控制的切进力跟踪控制算法.目前很多阻抗控制无法完成环境刚度突变的任务要求,针对配电机器人工作环境刚度的复杂性,在阻抗控制算法中引入递推最小二乘法(RLS)对导线绝缘层和线芯刚度进行在线辨识实现对切进力的精确稳定跟踪,并在MATALAB/Simulink中对配电机器人剥线环节的阻抗力控制算法和提出的基于RLS的阻抗算法进行对比仿真试验.仿真结果显示,基于RLS参数辨识的力控算法在环境刚度突变的情况下依然有着较好的力跟踪性能,且稳态误差趋近于零,试验结果的对比显示了RLS阻抗控制算法的可行性和有效性.     

基于力阻抗控制的手臂康复机器人实验研究

把阻抗控制理论运用于手臂康复机器人控制中,使用基于力阻抗控制模型设计了系统的控制器。利用MATLAB/Simulink系统设计工具建立了系统控制模型,并在dSPACE实时仿真平台上进行了实验研究。结果表明,通过调节控制器中的刚度系数、阻尼系数可以使手臂康复机器人具有不同的刚度特性和阻尼特性。该控制器实现了被动和主动两种训练模式中机器人的柔顺运动控制。     

柔性冗余度机器人随机动态响应主动控制研究

研究了柔性冗余度机器人随机振动主动控制问题。设计了具有压电作动器与应变传感器的机敏连杆，建立了该离散时变动态系统的状态空间表达式。根据最优控制理论，设计了基于Kalman滤波估计的LQG状态反馈控制器。以平面3R柔性冗余度机器人为例进行了计算机仿真，其结果证明了这种主动控制方法的有效性。     

关节一体化机器人动力学与阻抗控制算法研究

针对关节一体化机器人在高速复杂运动下能保持手臂平滑运动同时具有拖曳式示教的功能问题。首先利用DH法建立了转换坐标系,得到了各关节连杆的相对关系,运用弦位迭代的算法解决了手臂运动解耦问题。其次,针对关节一体化机器人空机械手的结构特点,建立了用牛顿—欧拉法的动力学方程。再次,在分析阻抗控制原理的基础上,设计了笛卡尔空间基于力的阻抗控制结构,并在关节空间实现笛卡尔空间经典阻抗控制问题。最后在机器人实验平台,基于关节转矩反馈设计阻抗控制器,并进行阻抗控制实验,实现机器人拖曳式示教功能,验证了所设计算法的有效性。     

下肢康复机器人模糊增益自适应调整的滑模阻抗控制

为了实现下肢康复机器人在康复训练过程中主动模式下的控制,在分析了人机交互作用力与动力学模型的基础上,提出了一种模糊增益自适应调整的滑模阻抗控制。该控制方法,通过阻抗控制器修正期望的下肢运动轨迹,得到新的关节运动轨迹,将新的关节轨迹与实际的关节轨迹误差转化为滑模函数,通过模糊化,将自适应力矩作用于下肢康复机器人。该控制方法减轻了滑模控制中的抖振现象,使其达到期望的力矩控制效果,实现了主动模式下的的柔顺性。     

ADDITIONAL DESIGN FEATURES OF A MASTER–SLAVE CONTROL SYSTEM WITH FORCE SENSING AND ENERGY RECYCLING FOR UPPER LIMB REHABILITATION ROBOTS

Traditional upper-limb rehabilitation robots usually realize force feedback with force sensors or impedance controllers. Otherwise, assistant or resistant force required in different training modes is given by the robot, which does not motivate the initiative of patients sufficiently. This article introduces a self-controlled upper-limb rehabilitation robot to implement force sensing without a force sensor or an impedance controller. The system supports bimanual exercises in different training modes with one limb providing a proper force for the contralateral limb. The above characteristics and the capability of master–slave motion tracking with a kind of energy recycling were verified with preliminary experiments.     

基于屏障 Lyapunov 函数的上肢康复机器人 自适应主动交互训练控制

针对上肢运动功能障碍患者进行辅助康复训练,搭建了一套上肢康复外骨骼机器人系统,并提出一种基于屏障Lyapunov函数的增广神经网络自适应导纳控制策略。首先,介绍了上肢康复外骨骼的机械机构及其控制系统。然后,推演了控制器的设计过程并进行了Lyapunov稳定性证明。最后,分别进行了不同控制内环的轨迹跟踪被动训练实验和不同导纳参数下基于人机交互力的主动交互训练实验,同时分析比对了主动训练时的人机交互力与轨迹偏差的变化关系。被动训练实验结果证明了增广神经网络对人机模型动力学的逼近效果,其轨迹跟踪峰值误差为模糊PID控制器的53%。主动交互训练实验证明了通过调整导纳参数可实现在相同训练任务下不同强度的康复训练以匹配不同康复阶段下的患者。     

一种基于神经网络的双足机器人混合动力学系统辨识方法

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。     

基于改进前馈逆补偿的电液加载试验系统力跟踪控制研究

针对电液加载试验系统力加载跟踪控制问题，分析了电液加载系统的组成及工作原理，建立了系统动力学模型，并对动力学模型的准确性进行了验证。在此基础上，首先使用了速度反馈补偿控制器抑制外部干扰，其次利用递推增广最小二乘法(Recursive Extended Least Square，RELS)及零相差跟踪技术(Zero Phase Error Tracking，ZPET)设计出系统逆模型，进行前馈逆补偿控制，然后考虑速度反馈存在的微分问题，设计了内模控制器，最后利用电液加载试验台进行了力加载控制策略的试验研究。试验结果证明，与传统PI控制器相比，提出的改进前馈逆补偿力加载控制算法可以更有效地抑制系统外部干扰，提高力加载的跟踪精度。     

A hybrid approach to modeling and control of vehicle height for electronically controlled air suspension

The control problems associated with vehicle height adjustment of electronically controlled air suspension (ECAS) still pose theoretical challenges for researchers, which manifest themselves in the publications on this subject over the last years. This paper deals with modeling and control of a vehicle height adjustment system for ECAS, which is an example of a hybrid dynamical system due to the coexistence and coupling of continuous variables and discrete events. A mixed logical dynamical (MLD) modeling approach is chosen for capturing enough details of the vehicle height adjustment process. The hybrid dynamic model is constructed on the basis of some assumptions and piecewise linear approximation for components nonlinearities. Then, the on-off statuses of solenoid valves and the piecewise approximation process are described by propositional logic, and the hybrid system is transformed into the set of linear mixed-integer equalities and inequalities, denoted as MLD model, automatically by HYSDEL. Using this model, a hybrid model predictive controller (HMPC) is tuned based on online mixed-integer quadratic optimization (MIQP). Two different scenarios are considered in the simulation, whose results verify the height adjustment effectiveness of the proposed approach. Explicit solutions of the controller are computed to control the vehicle height adjustment system in realtime using an offline multi-parametric programming technology (MPT), thus convert the controller into an equivalent explicit piecewise affine form. Finally, bench experiments for vehicle height lifting, holding and lowering procedures are conducted, which demonstrate that the HMPC can adjust the vehicle height by controlling the on-off statuses of solenoid valves directly. This research proposes a new modeling and control method for vehicle height adjustment of ECAS, which leads to a closed-loop system with favorable dynamical properties.     

康复训练患肢动力学模型参数辨识算法的研究

康复训练患者的病情千差万别,不同的患者有不同质量的患肢和不同的肌张力甚至可能发生肌肉痉挛,这些都将严重影响康复训练机器人系统的稳定性、可操作性以及从手运动的平滑性,降低了康复训练效率。为了解决这些问题,根据患肢训练时力和位置等信息反馈,提出一种用解超定方程组的方法在线辨识患肢的动力学参数,实现了患肢动力学模型的在线辨识。仿真结果证明该方法辨识患肢动力学参数效果良好,并且在一定的噪声范围内具有较强的鲁棒性,可以用于康复训练机器人的患肢动力学参数辨识,为实际康复训练机器人系统的实时控制提供了较为准确的依据。     

Asynchronous implementation of discrete event controllers based on safe automation Petri nets

In this paper, a new method is proposed for digital hardware implementation of Petri net-based specifications. The purpose of this paper is to introduce a new discrete event control system paradigm, where the control system is modeled with extended Petri nets and implemented as an asynchronous controller using circuit elements. The applicability of the proposed method is demonstrated by an asynchronous implementation of a Petri net-based discrete event control system (DECS) for an experimental manufacturing system using a Xilinx field programmable gate array (FPGA). Unlike microprocessor, microcontroller or programmable logic controller (PLC)-based software implementations or hardware-based synchronous implementations, the implementation method used in this paper is asynchronous and based on hardware offering very high speed to control fast plants at low cost. This paper is expected to serve as a guideline to show how to obtain very high speed, concurrent and asynchronous Petri net-based controllers.     

控制力矩受限情况下漂浮基柔性空间机械臂鲁棒自适应控制

讨论控制力矩受限情况下,参数不确定的漂浮基柔性空间机械臂系统的智能控制问题。结合系统动量守恒关系和拉格朗日-假设模态法建立系统动力学方程。为了同时实现漂浮基柔性空间机械臂系统载体姿态和关节运动轨迹的渐近跟踪以及系统弹性振动的抑制,基于奇异摄动法将系统分解为快变和慢变两个子系统。针对快变子系统设计二次最优控制方法以抑制柔性臂引起的系统弹性振动,保证系统的稳定性;针对慢变子系统提出一种鲁棒自适应混合控制方法。该方法利用连续可导递增函数来限制控制力矩的幅值大小,使控制更符合空间实际要求;利用鲁棒自适应调节器来克服系统不确定参数的影响,保证系统的控制精度。计算机仿真结果证明了所提出方法的有效性。     

基于人机耦合模型的上肢康复外骨骼闭环PD迭代控制方法

针对多关节上肢外骨骼重复性康复训练非线性求解困难问题,提出了一种闭环PD迭代学习控制方法。基于人体工学确定了六自由度上肢外骨骼康复机械臂的参数、自由度配置与关节运动范围。以人机交互力为耦合方式,建立了基于牛顿-欧拉法的人机耦合模型,完成了人机耦合动力学模拟分析。基于迭代学习控制理论提出外骨骼康复机械臂的闭环PD迭代学习控制方法,通过建模仿真分析了肩关节/肘关节迭代学习控制的轨迹误差、人机交互力和驱动力矩。第三次迭代后的轨迹误差小于0.05 rad,PD迭代学习控制器的输出对系统控制进行了有效的补偿,提高了系统状态的稳定性。研制了六自由度上肢外骨骼康复机械臂样机,开展试验测试。试验结果表明,随着控制试验在迭代域上的运行,系统的输出向着期望的系统状态转化,所提出的迭代学习控制算法可以提高上肢外骨骼康复训练重复性运动的控制精度,进而提高人机交互性能。     

混合输入机构精确实现给定运动的模糊滑模控制

混合输入机构运行过程中,由于负载、惯性力等变化,引起常速电机速度的波动,会影响输出运动的精度。针对混合输入机构中常速电机可测不可控的特点,实时检测常速电机的角位置,并对系统的动力学模型进行简化。提出了基于常速电机位置跟踪的控制策略对伺服电机进行控制,并给出了控制框图。考虑系统参数的不确定和外部扰动,设计了模糊滑模变结构控制器实现混合输入机构的轨迹跟踪,应用模糊推理确定切换控制的幅值和采用软切换连续控制的方法减小抖振。仿真结果表明本文方法正确有效。