人机不确定条件下康复步行训练机器人的部分记忆迭代学习限速控制

为了提高康复步行训练机器人的跟踪精度及安全性,提出了一种带有运动速度约束和部分记忆信息的自适应迭代学习控制方法,目的是抑制人机不确定性及速度突变对系统跟踪性能的影响.在考虑人机不确定性的基础上,建立了康复步行训练机器人的动力学模型.提出了基于模型预测的速度约束方法,通过限制每个轮子的运动速度,约束了机器人的实际运动速度.进一步,利用受约束的运动速度建立了动力学跟踪误差系统,提出了具有部分记忆信息的自适应迭代学习控制器设计方法,并验证了跟踪误差系统的稳定性.仿真对比分析和实验研究结果表明,文中提出的控制方法能抑制人机不确定性并使康复者在安全速度下完成步行训练.     

基于强化学习DDPG算法的轮式助行机器人控制方法

在使用轮式助行机器人辅助行走和康复训练过程中,机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度（DDPG）算法与比例积分微分（PID）控制器相结合,提出了一种轮式助行机器人轨迹跟踪方法。首先,对轮式助行机器人底盘的运动学模型进行了分析。其次,介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明,与传统PID控制器相比,基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数,使机器人始终按照期望轨迹运动。同时,得益于强化学习的试错机制,控制器具有较强的抗干扰能力。     

全方位轮式下肢康复训练机器人轨迹跟踪控制

全方位轮式下肢康复训练机器人需要跟踪医生给受训者设定的轨迹.机器人自身的不确定性和患者在康复训练时对机器人运行产生的干扰会影响其跟踪性能.本文设计了一种非线性L<,2>鲁棒控制器解决上述扰动抑制问题.给出了下肢康复训练机器人的运动学模型,并由此建立了位置误差系统的动态模型.将机器人的跟踪和不确定干扰抑制归结为L<,2>...     

基于节能考虑的全向移动机器人鲁棒补偿轨迹跟踪控制

针对全向移动机器人在跟踪目标的过程中存在跟踪误差以及产生能量损耗的问题,首先构建一种新型机器人能耗模型,该模型能够有效预测机器人运行过程中各种能量消耗;其次,基于该能耗模型设置兼顾轨迹跟踪误差和能耗最小的性能指标函数,在其约束下,提出一种基于干扰鲁棒补偿的反馈节能控制器;然后,引入不确定性及干扰估计观测法,构建鲁棒补偿项,在满足能耗最优的前提下实现对外界干扰的有效抑制;最后,基于Lyapunov稳定性理论证明所提出的节能干扰鲁棒补偿控制系统是渐近稳定的.通过将所提出的控制器与比例微分控制器、$H_infty$控制以及节能补偿控制进行比较,仿真结果表明,所提出的控制方法其控制精度更高、能量损耗更低、具有更强的鲁棒性.     

基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模

针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优–最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP–NN)、极限学习机(ELM)、KELM和GWO–MKELM,对高炉炼铁具有较好的指导意义.     

康复机器人具有速度决策的每步限时学习控制方法

为了提高康复步行训练器人的智能性和安全性,提出一种运动速度决策的康复训练机器人限时学习迭代控制方法,目的是抑制训练者位姿不确定性和人机速度不协调对系统安全性能的影响.建立具有系统不确定偏移量的康复步行训练机器人动力学模型,通过比较康复训练机器人当前的运动速度和训练者的实际步行速度,提出机器人运动速度的决策方法,从而使康复者在主动训练模式下实现人机速度协调运动;进一步,利用机器人决策的运动速度和动力学模型建立跟踪误差系统,提出有限学习时间的迭代控制方法,并基于Lyapunov理论验证跟踪误差系统的有限时间稳定性.仿真对比分析和实验结果表明,所提出的速度决策方法和跟踪控制方法能使人机系统协调地进行主动模式的康复训练.     

全方位机器人的重心位置预测与轨迹跟踪控制

针对全方向移动机器人存在非线性动态强耦合、实时重心偏移及难以实现高精度跟踪控制的问题, 本文提 出一种基于长短期记忆(LSTM)神经网络的重心位置在线预测的轨迹跟踪控制法. 首先, 建立考虑重心偏移的动力 学模型并基于LSTM神经网络训练构建其对比模型; 其次, 基于模型对比法实时估计重心偏移参数, 再基于张神经 网络(ZNN)对估计的重心偏移参数进行预测以减小估计过程引起的滞后; 最后, 基于非线性动态反馈解耦法设计数 值加速度控制算法, 且基于离散系统极点配置法分析了系统的稳定性. 仿真结果验证了所提方法相对于数值加速 度控制器与自适应控制器因能在线预测重心偏移参数完成高精度动态解耦实现控制精度的提高. 实际实验中, 所 提控制算法相比数值加速度控制及模型预测控制, 其跟踪精度明显提高, 这表明所提控制算法可显著减小重心偏移 对跟踪控制精度的影响.     

适于滞后系统的跟踪参考序列的离散MRACS设计方法

利用从模型取状态和模糊型预测的思想,提出了一种适于滞后系统的跟踪参考序列的离散ＭＲＡＣＳ设计方法。     

一种全方位移动型下肢康复机器人鲁棒跟踪控制研究*

针对重心偏移情况下全方位下肢康复机器人的轨迹跟踪问题,提出一种H∞鲁棒解决策略.研究主要包括两方面内容:a)考虑重心变化情况下全方位移动下肢康复机器人的动态建模;b)提出一种自适应鲁棒H∞跟踪策略以消除重心变化所带来的影响.使用MATLAB对系统进行了仿真研究,仿真结果表明提出的鲁棒控制策略是正确有效的.     

基于规则进化模糊系统的步行方向意图识别

为了准确识别下肢功能障碍患者自主步行康复训练过程中的方向意图,提出了一种能够兼顾使用者个体差异及安全状态的新型步行方向意图识别方法。首先论述了康复训练机器人结构及患者前臂对机器人支撑板的压力和步行方向意图的关系。为保证患者安全地向任意方向行走,提出根据膝盖旋转角度推理安全步态的先决条件下,基于距离型模糊推理算法设计具有稀疏前件规则库的步行方向意图识别方法;然后为减小因个体差异、非稳定模糊规则引起的识别误差,提出规则进化算法实时优化模糊推理规则库。最后将该算法进行了多方向模糊推理实验与步行康复训练机器人压力控制实验,实验表明该算法可以准确识别下肢功能患者的任意步行方向意图并提高了步行的安全性,提出的步行方向意图识别方法可以应用在下肢功能障碍人士的日常起居与康复训练中。