基于机器学习的人机协调操作意图感知与控制方法研究

为了实现人机协作所需要的柔顺控制,需要机器人具有一定的合作经验。通过分析人进行意图识别的方法与过程,提出一种基于机器学习识别操作者意图的方法。建立了BP神经网络模型,对机器人进行意图识别离线训练,使其具有一定的合作技能,以便在合作过程中能够根据合作者的作用力和机器人的运动特征在线估计人的意图。该方法的优势在于克服了传统方法中建立人机合作模型困难,尤其复杂多变的人体运动模型,人体阻抗参数难以估计等缺点。实验结果证明:该方法减小了合作者作用力的同时,提升了人机协作的运动同步性,机器人柔顺性得以提高。     

运用视觉和主成分分析的非接触式心率测量

图像光电容积脉搏波描记法(PPGi)是一种利用视觉采集并分析人体皮肤由于充放血所引起的颜色变化来测量心率的方法。与传统的使用电极的方法相比较,这种方式能够提供更舒适的生理信息提取,在一些非医疗场景的健康监测和人机交互场景中是非常重要的。一种运用自动人脸追踪和主成分分析RGB三色通道来提取脉搏信号的方法被提出,分别对10名实验者进行视频拍摄,并在日光、灯光和日光与灯光同时存在的3种情况下实验,在视频拍摄人脸的同时用一个多导睡眠仪(用来测心电图)作对比。实验结果表明:该算法在准确提取出脉搏心率的同时,能够大幅降低运算时间。     

基于力信息的人机协调运动控制方法

为了改善人机协作过程中人机协调运动的稳定性与舒适性,提出一种可变阻尼导纳控制方法。针对操作者运动信息不确定和操作者手臂阻抗参数可变等特点,提出依据人机交互力的大小识别操作者的运动意图,进而改变控制系统虚拟阻尼参数值的方法,以实现对人体运动的快速响应。应用实验的方法确定了可变阻尼导纳控制方法的参数范围,为人机协调运动的理论研究提供了基础。实验证明,所提控制方法能够实现协调、柔顺的人机协调运动,提高了系统的稳定性和舒适性。