基于实时意图识别的外骨骼机器人步态切换

根据外骨骼穿戴者的实时运动意图,切换外骨骼机器人的行走步态,是外骨骼机器人研究热点问题之一.针对外骨骼机器人能够根据穿戴者的运动意图控制步态切换问题,提出采集人体表面肌电信号进行解码,通过BP神经网络识别穿戴者的运动意图,实现外骨骼进行步态规划,利用关节角度与足底压力的相关性以及重心轨迹,对所规划的步态的稳定性进行分析,依据不同的运动意图完成步态进行实时切换,验证了基于实时意图识别控制的外骨骼步态切换的可行性.     

基于运动预测的髋关节外骨骼实时助力控制

针对下肢肌力衰退群体日常出行需求,设计了可穿戴的髋关节外骨骼,实现对人体日常步行意图的精准感知,并对髋关节的屈曲/伸展动作提供实时助力.为了实现频繁走停条件下的助力时机准确性和规律步行条件下的助力无延时,提出了一种基于混合振荡器的运动预测模型,将步态数据从时域转化为相角域,实现人体步行步态的预测和步态周期的分割,通过相角在线计算助力矩,对髋关节外骨骼进行助力控制.为了消除大助力矩下产生的抖动,对大腿杆上的惯性测量单元进行了解耦布置设计.通过跑台步行实验和自由步行实验,分别验证了髋关节外骨骼对于瞬时速度变化、均匀速度变化的适应性,以及在走停切换、自由随意步行时的适应性和有效性.同时检测和对比人机交互力,验证了带预测能力的自适应振荡器模式能提供更好的助力体验.实验结果表明,基于混合振荡器模型的助力控制策略能够兼顾走停切换条件下非周期步态的助力和规律步行条件下的类周期无延时助力.     

基于多传感器信息融合的外骨骼运动意图辨识

为了实现外骨骼机器人的柔顺运动控制,需要对穿戴者的运动意图进行实时准确地辨识与预测。本研究利用多传感器信息融合的方法完成对穿戴者运动意图的识别。通过对多种机器学习算法在识别准确性、资源消耗和处理实时性进行比较、最终确定利用支持向量机(SVM)实现对日常8个运动模式(静坐、双腿站立、步行、跑步、上下斜坡和上下楼梯)完成动作模式的识别,识别平均准确率达到95%。对于运动相位和运动切换事件的预测,利用神经-模糊推理理论完成运动相位识别与状态切换事件的预测。在给定的测试集上相位识别准确率为99%,且预测的状态切换时刻与真实时间的偏移绝对值的均值为61.6 ms,满足外骨骼柔顺控制对预测时间的要求。     

人体下肢外骨骼机器人的发展及关键技术分析

下肢外骨骼机器人具有增强人体机能和辅助下肢康复训练的功能,在军事和医疗领域具有很好的发展前景,逐渐成为机器人领域的研究热点。本文分别介绍了增强人体机能的下肢外骨骼机器人和医疗下肢外骨骼机器人的国内外最新研究现状,概括并分析了与之相关的关键技术,探讨了下肢外骨骼机器人的今后发展方向。     

外骨骼机器人的人体步态感知系统设计

针对下肢负重外骨骼机器人与其穿戴者运动协调的问题,设计一种人体步态感知系统,对人体下肢关键部位的运动状态采集和预测。用6个MTI—30姿态传感器采集人体下肢的姿态数据;以ARM微处理器STM32F407为计算单元,对采集的步态数据解算、预测和传输;用非线性时间序列分析Takens算法预测人体下肢关键部位的旋转运动。实验结果表明：该系统功能稳定,能准确对人体下肢的步态数据采集和预测,预测结果稳定可靠,为外骨骼控制器提供可靠的参考信息。     

基于上肢力学信息的人体运动意图检测

运动意图检测在人机交互中具有重要作用,是人机交互自然性和可靠性的保障.上肢力学信息与上肢运动意图有某种潜在的关系,探索人体在外界约束条件下上肢力学信息产生和变化规律,通过开发运动意图信息采集系统并实验,可实现基于上肢力学信息的运动意图检测.通过多维力传感器检测得到的人体上肢力信息,并与人的运动意图相结合,找出上肢动作、运动意图、上肢力信息三者之间的关系,探索出一种基于上肢力学信息的人体运动意图检测方法.     

外骨骼机器人人体姿态解算算法研究

外骨骼机器人的人机协同控制因其自身特点,具有较大难度。目前,虚拟力矩控制是一种较为常见的控制方式,但其基于物理特性以及运动学参数预测人机作用力的原理决定了该方法必须依靠极其精确的惯性系参数预测才能实现(假设系统关节处无摩擦),大量的系统动力学方程运算也给控制器带来了较大负担。针对该问题提出了一种基于位置随动的控制算法,通过在人机接触点直接引入激光流式间距传感器测量人机(外骨骼)间距信息,结合外骨骼姿态信息计算由人体各关节角度构成的人体姿态,作为外骨骼随动的目标值,进而计算人体末端位置,最终解算出能达到同样末端位置的外骨骼姿态。该方法具有运算量下、稳定性好、控制精度高等特点。     

基于卡尔曼滤波器的间歇反应预测控制

在间歇反应过程的温度跟踪控制问题中,为了实现全工况范围内反应器温度设定值的精确跟踪,设计了一种改进的预测控制算法.在反应自身产热对系统输出影响未知的情况下,用带有输入干扰的系统模型来建模夹套温度与反应温度之间关系,并将该干扰项增广为状态变量,然后结合线性卡尔曼滤波器估计出干扰的大小及其时系统输出的影响;结合估计出的干扰,在DMC控制算法对其加以补偿.最后在半实物的仿真环境中,验证了该控制算法在间歇温度控制中的效果,结果表明,该控制方法在一定程度上克服了反应产热对温度跟踪精度的影响,改善了控制效果.     

基于卡尔曼滤波器的间歇反应预测控制

在间歇反应过程的温度跟踪控制问题中，为了实现全工况范围内反应器温度设定值的精确跟踪，设计了一种改进的预测控制算法。在反应自身产热对系统输出影响未知的情况下，用带有输入干扰的系统模型来建模夹套温度与反应温度之间关系，并将该干扰项增广为状态变量，然后结合线性卡尔曼滤波器估计出干扰的大小及其对系统输出的影响；结合估计出的干扰，在DMC控制算法对其加以补偿。最后在半实物的仿真环境中，验证了该控制算法在间歇温度控制中的效果，结果表明，该控制方法在一定程度上克服了反应产热对温度跟踪精度的影响，改善了控制效果。     

基于人体手臂运动意图反馈的人机顺应协作

本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂的运动意图并让机器人作出顺应响应,从而实现人机协作.最后,结合主观评价指标和客观评价指标,在人机协作锯木头实验中对比了3种不同协作模式的效果.与无运动意图反馈的人机协作相比,有反馈的人机协作下的协作交互力波动幅度减小了153.39 N,任务完成时间减少了19.25 s.实验结果表明,有人体手臂运动意图反馈的人机协作能够提高人与机器人协作的顺应程度,与人-人协作效果类似.     

基于人体体型差异的机器人运动系统设计

机器人与人类的交互在人们的日常生活中越来越普遍。该文针对目前机器人在人机交互过程中不能区分交互对象的缺陷,设计了一种基于人体体型差异的机器人运动系统。该系统的设计以YOLO-V5检测算法作为人体检测器,并配合RealSense深度摄头获取机器人与人之间的距离;以SimDR算法获取骨骼的关键点坐标,结合距离信息判断人体身高,并依据身高将人分为三种体型,使机器人根据不同体型的人做出三种不同的运动行为。该系统已在机器人平台上进行实验,实验结果满足机器人运动差异化表达的预期,并且系统具有良好的实时检测性能。     

基于外骨骼机器人技术的人体手臂震颤抑制的理论和方法

介绍国内外利用康复医疗机器人技术和信号处理技术对人体手臂震颤进行抑制的主要研究成果,重点阐述基于"非药物"途径抑制人体手臂震颤的几个关键研究问题:1)震颤现象及其发生机制;2)常见震颤疾病的治疗现状;3)震颤信号的检测、分析、处理以及工程建模方法;4)基于康复机器人技术的手臂震颤抑制策略;5)震颤抑制效果的评估研究.并且重点介绍利用基于傅里叶变换的信号处理技术对震颤信号进行采集、处理与分析的研究现状,以及利用康复医疗机器人技术对震颤信号进行补偿与抑制的相关策略的研究现状分析,探讨"非药物"途径抑制人体手臂震颤的若干难点,为今后的研究工作奠定了基础.     

基于多模态数据建模的生理电人体运动意图预测的研究方法简述

本文拟从生物特征信号处理角度入手,通过人体肌肉-骨骼模型建立多模态的生物数据库,实现人体运动意图模式判断与预测以及差异化场景下的感知预测优化,并用外部高频磁场刺激神经元进行检验.为进一步研发人工智能型装备提供扎实可行的理论依据.     

基于支持向量机的外骨骼机器人灵敏度放大控制

为了准确控制外骨骼机器人跟随人体运动,需要建立其动态、精确的数学模型;人体下肢外骨骼是一个多自由度、强耦合以及非线性的多连杆系统,难以建立准确的运动学和动力学模型;文章使用三维运动捕捉与空间定位系统,获取实际人体运动参数(运动学与动力学),应用支持向量机(SVM)学习人体下肢外骨骼的数学模型;基于该模型构造基于支持向量机模型的灵敏度放大控制方法;文章使用MATLAB和LIBSVM建立外骨骼下肢机器人的数学模型,并进行仿真分析;仿真结果表明基于SVM的模型学习方法,能够准确计算出人体下肢外骨骼的动力学模型,并简化建模过程;基于SVM的灵敏度放大控制,能够有效计算出人体下肢外骨骼各关节(髋关节、膝关节、踝关节)的输出力矩,并控制外骨骼机器人跟随人体运动。     

基于降阶卡尔曼滤波器的水下机器人滑模容错控制

针对水下机器人执行器时变、非线性故障,提出一种基于降阶卡尔曼滤波器的故障估计和滑模容错控制方法.用降阶卡尔曼滤波器估计水下机器人故障解耦子系统的状态,受故障的影响,子系统状态可测.由估计的状态和测量的状态可进一步得到水下机器人执行器的故障信息.滑模容错控制器根据所估计的执行器故障调整控制器的输出以实现容错控制.仿真结果验证了所提出的故障辨识与容错控制算法的有效性.     

基于Kalman 预测的人体运动目标跟踪

在基于视觉图像的人体运动目标智能监控中,为了实现快速实时跟踪,使目标跟踪更为准确,利用Kalman方程的递推预估计能力,采用基于Kalman预测的目标跟踪方法,进行二维空间的运动仿真研究和室内环境下的实验测试分析。理论分析与实验结果都表明,该方法对目标的运动趋势和方向能够做出正确的预测估计,有效地提高目标跟踪的实时性,为后续的图像处理和分析提供了保证。     

外骨骼机器人能否堪当重任?聊聊外骨骼机器人的那些事儿

2020年12月17日,历经二十余天,克服重重考验的嫦娥五号,携带月壤降落在了位于内蒙古四子王旗的预定区域.冬日的四子王旗天寒地冻,凌晨气温逼近-30℃,这对于承担搜索回收任务的工作人员而言无疑是种挑战.令人欣慰的是,外骨骼机器人在任务执行中发挥了重要作用,受到媒体关注.     

基于实时障碍物预测的机器人运动规划

本文给出了移动机器人的虚力导航和运动规划系统．这种方法结合最小方差估计算 法（L M S E）能有效地对机器人进行实时导航和避撞．在预测过程中,根据导航的不同阶 段和预测误差的变化情况,采用Fuzzy规则动态地调整误差函数中的权重,使预测过程尽可 能准确．导航算法的基本思想是首先通过预测算法来获得移动机器人的运动信息,然后虚力 系统根据预测信息决定机器人的未来运动,仿真结果表明该方法实时性好,能准确躲避障碍 物并且到达目标点．     

神经网络滑模控制下肢外骨骼机器人的轨迹跟踪

针对下肢外骨骼机器人行走稳定性与步态轨迹跟踪控制问题,对下肢外骨骼机器人三连杆模型进行动力学建模与轨迹仿真。通过拉格朗日法建立下肢外骨骼机器人的动力学模型,设计了神经网络自适应滑模控制算法。引入神经网络,对下肢外骨骼机器人步态轨迹跟踪系统的不确定项进行逼近,在控制器中采用了改进的趋近律,使用李雅普诺夫稳定性理论进行了稳定性分析,并通过MATLAB对改进后的控制算法进行了仿真验证。仿真结果表明,采用该算法对具有关节摩擦和外界环境干扰的下肢外骨骼机器人进行轨迹跟踪时,具有较好的跟踪效果;通过改进的趋近律,能削弱系统的抖振。相比于基于计算力矩法的滑模控制,该控制算法有更好的跟踪效果,能应用到下肢外骨骼机器人行走的稳定性和步态轨迹跟踪控制中。     

上肢康复外骨骼机器人的模糊滑模导纳控制

为了辅助上肢运动功能障碍患者进行不同模式的康复训练,基于上肢康复外骨骼机器人系统,提出了一种模糊滑模导纳控制策略,实现训练过程的人机协调控制.首先,介绍了康复外骨骼的整体结构和实时控制平台.然后,分析了模糊滑模导纳控制算法的推导过程,并根据李亚普诺夫稳定性判据证明系统的稳定性.最后,在不同系统导纳参数条件下,分别进行被动训练模式和主动训练模式实验,并对比分析了实验过程中运动偏差、人机交互力以及肱二头肌表面肌电信号的变化特点.实验结果表明,选择合适的目标导纳模型可以优化康复训练强度与难度,提高人机交互柔顺性与患者参与度,满足不同瘫痪程度和康复进度患者的训练需求.