气动肌肉下肢外骨骼机器人轨迹跟踪研究

气动肌肉下肢外骨骼机器人是当下的热门研究话题,对外骨骼理想轨迹进行精确跟踪是研究重点。但是气动肌肉下肢外骨骼运动系统结构复杂,有着很强的非线性,传统的控制方法不适用于这类系统。文章以气动肌肉下肢外骨骼机器人为研究对象,首先对气动肌肉和下肢外骨骼进行了动力学分析;然后采用基于趋近律的滑模控制器来对这一复杂的系统进行控制;最后利用Simulink对气动肌肉下肢外骨骼机器人运动控制仿真。结果表明,基于趋近律的滑模控制器对气动肌肉下肢外骨骼机器人轨迹跟踪有很好的控制效果。     

快速二阶终端滑模控制及其在下肢外骨骼的应用

为了提高传统二阶终端滑模控制的全局收敛性,提出一种快速二阶终端滑模控制算法.设计一种二阶趋近律,将绝对值函数隐藏在积分项里,并增加线性项以提高全局收敛性.当系统状态未到达滑模面时,采用二阶趋近律,并通过调整参数避免奇异问题;当系统状态到达滑模面时,采用不含不连续符号项的指数趋近律,以保证控制误差有限时间收敛.采用Lyapunov直接法证明快速二阶终端滑模控制算法的稳定性,及其比super twisting算法具有更优良的收敛特性.以下肢外骨骼为研究对象,建立动力学模型.在考虑建模误差和外部干扰的情况下,将该算法应用于下肢外骨骼的姿态控制.仿真结果表明,所提出的控制算法能够有效抑制抖振,并且比super twisting算法具有更良好的跟踪性能,验证了该算法的有效性.     

多关节机械臂轨迹跟踪自适应神经网络滑模控制

针对不确定干扰和建模误差对多关节机械臂轨迹跟踪控制系统造成的不良影响,对基于滑模控制的自适应神经网络滑模控制算法进行了研究。通过神经网络,对多关节机械臂轨迹跟踪控制系统的不确定干扰和建模误差进行逼近。添加自适应项,补偿神经网络滑模控制中神经网络模型对系统中的不确定干扰和建模误差的逼近误差。设计了具有指数趋近律的滑模面,以提升多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度。使用李雅普诺夫稳定性理论,证明了多关节机械臂轨迹跟踪控制系统的半全局稳定性,并通过MATLAB对理论结果进行了仿真验证。仿真结果表明,对具有不确定干扰和建模误差的多关节机械臂轨迹跟踪控制系统,采用该算法进行轨迹跟踪时,具有较好的稳定性与鲁棒性。该控制算法能合理应用到此类轨迹跟踪控制系统中。     

基于非线性干扰观测器的下肢外骨骼上楼梯滑模控制

针对下肢外骨骼在轨迹跟踪时对内部参数扰动和外界干扰较为敏感的特性,设计一种基于非线性干扰观测器的下肢外骨骼机器人滑模控制策略。首先建立下肢外骨骼上楼梯的动力学模型,分析其动力学特性;其次设计非线性干扰观测器,对下肢系统的不确定性和外部干扰进行观测;在此基础上,为保证系统轨迹跟踪误差的收敛性和减弱抖振,设计了低通滤波的滑模控制器,根据李雅普诺夫稳定性理论证明了下肢系统的稳定性;最后通过仿真与实验验证,该控制策略能够有效克服多种因素引起的干扰,改善系统的控制性能,提高系统的稳定性。     

一种改进的机械手快速跟踪控制

针对机械手快速跟踪控制需要具有高精度和强鲁棒性等特点,基于改进趋近律的滑模控制方法提出了实现机械手快速跟踪控制的滑模控制器,算法设计在双幂次趋近律的基础上采用非奇异滑模面利用饱和函数将符号函数替代的方法,通过调整主要参数p、q、α、β和γ的值有效提高了机械手关节的趋近速度、快速跟踪期望轨迹、缩短响应时间;所提出的控制算法应用于仿真机械手轨迹跟踪,通过与传统PID控制算法和双幂次趋近律滑模控制算法的对比实验,表明基于改进控制算法的机械手得到了良好的控制且抖振小,因此对机械手的快速跟踪控制取得了一定的成效。     

下肢外骨骼机器人动态建模与步态跟踪LQR控制

针对下肢外骨骼机器人步态轨迹与参考轨迹存在较大跟踪误差的问题,提出一种线性二次型调节器(LQR)控制方法来取代常规PD控制.根据牛顿-欧拉方程和系统参数辨识,建立人机一体化的下肢外骨骼机器人系统的动态模型,并进行LQR控制参数设计和稳定性分析.仿真和实验结果表明,基于LQR控制的下肢外骨骼机器人能很好地跟踪步态参考轨迹,误差比PD控制更小.上述建模方法和控制策略有效,为下肢外骨骼机器人的研究和设计提供参考.     

下肢助行外骨骼步态规划与仿真研究

针对目前大多数下肢助行外骨骼自身不能维持稳定行走与步态规划方法存在缺陷的现状，设计一种10自由度主动驱动下肢外骨骼；其步态规划基于静稳定性判据，采用重心投影法，利用构造函数规划重心及踝关节轨迹，进一步通过运动学计算获得完整步态周期内所有关节的运动轨迹；运用ADAMS构建人-外骨骼耦合运动虚拟样机模型，进行平地步行仿真，仿真得到关键点的空间轨迹与动力学参数，通过与规划的重心和踝关节轨迹对比，外骨骼能够实现预期运动并稳定行走，仿真结果表明所设计的步态规划方法合理有效。     

3 DoF模块化机械臂轨迹跟踪策略

针对具有外部扰动和系统参数不确定的机械臂轨迹跟踪控制问题,提出了一种改进的自适应神经网络滑模跟踪控制方法.首先建立了三自由度(DoF)机械臂动力学模型,分别采用计算力矩法和基于改进趋近律的神经滑模控制法控制其名义部分和非名义部分.所提方法结合了径向基函数(RBF)神经网络与基于趋近律的滑模控制,使控制系统自适应地补偿机...     

下肢外骨骼机器人变步长步态规划方法

为了解决下肢外骨骼机器人连续步态规划问题,基于倒立摆模型提出了一种步态规划算法,并针对传统倒立摆模型无法变步长连续行走的问题提出了新的改进方法。将外骨骼机器人分成支撑腿和摆动腿两部分,分别采用D-H法进行运动学分析;利用倒立摆模型和固定函数法,进行等效质心与摆动腿末端轨迹规划;在相邻单脚支撑期之间插入双脚支撑期,使下肢外骨骼机器人在不断改变步行时,利用双脚支撑期进行位置和速度的切换,实现实时步态规划;将规划算法在SIMULINK中实现,并与ADAMS模型进行联合仿真,下肢外骨骼机器人在仿真环境下行走稳定,证明了算法的有效性。     

机械臂轨迹跟踪滑模控制中的抖振抑制法研究

研究机械臂轨迹跟踪优化控制问题,针对机械臂轨迹跟踪滑模控制中存在的抖振问题,采用趋近律的方法来进行有效改善。用传统滑模控制趋近律的基础上,将饱和函数引入到了趋近律的设计中,提出一种改进的趋近律,并根据改进的趋近律设计了相应的滑模控制策略。将新的滑模控制策略应用到机械臂的轨迹跟踪控制中,对系统控制效果进行了验证。仿真结果表明,控制策略不仅有效地抑制了机械臂滑模控制中的抖振问题,而且保证了机械臂系统对期望轨迹的快速跟踪性,具有更好的趋近特性和收敛特性。     

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.     

改进幂次趋近律的机械臂滑模控制律设计

针对机械臂滑模控制中存在的抖振问题,采用趋近律的方法来进行改善,在对机械臂的控制特点和常用的滑模趋近律进行分析的基础上,针对幂次趋近律的缺点,提出了一种改进的幂次趋近律,并对其趋近性能进行了分析;根据机械臂动力学模型和改进的幂次趋近律设计了相应的滑模控制策略,对其控制策略的位置跟踪特性和抖振消除能力等进行了验证;仿真结果表明,该控制策略不仅有效地抑制了机械臂滑模控制中的抖振问题,而且保证了机械臂系统对期望轨迹的快速跟踪性,具有更好的趋近特性和收敛特性。     

SCARA机器人模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出了一种基于非奇异终端滑模面和改进的快速趋近律的滑模控制策略。设计了一种非奇异的快速终端滑模面,可在任意初始状态下收敛到平衡点;改进滑模控制的趋近律,在保证快速趋近的同时可有效抑制抖振,并采用双曲正切函数代替传统的符号函数,有效地消除了高频抖振。采用模糊控制调节趋近律参数,改善初始状态误差过大时引起的力矩冲击问题;基于SCARA机器人模型仿真实验表明,实验结果跟踪性能良好,输出力矩平滑。     

动力学模型不确定的上肢外骨骼自适应滑模控制

为了解决上肢外骨骼系统中动力学模型不确定情况下的轨迹跟踪问题,提出了一种自适应滑模控制策略。该控制策略采用径向基函数(radial basis function, RBF)神经网络对动力学模型进行估计,并根据估计值设计自适应滑模控制律。利用李雅普诺夫稳定性判据证明控制系统的稳定性。为验证控制策略的有效性,使用Kinect传感器获取人体上肢动作关节角度变化曲线,并使用SolidWorks建立人体和上肢外骨骼模型,同时将其导入Adams中,进行Adams和MATLAB联合仿真。最后,仿真结果表明,实际关节角度与期望关节角度的误差在收敛后小于0.01,即使在动态模型不确定的情况下,所提控制策略也能获得优异的控制效果。     

改进QPSO算法的移动机器人轨迹跟踪控制方法

分析了智能群体的决策机制,发现在智能群体决策过程中,个体粒子参与决策的权利根据个体的优劣程度是不同的,提出了在量子粒子群优化（QPSO）算法中引入线性权重算子进一步提高QPSO算法的搜索效率及优化性能。分析了移动机器人轨迹跟踪控制的滑模变结构控制器设计方法,并采用指数趋近律和幂次趋近律相结合的方法,设计了新的滑模跟踪控制律,使用PSO算法、QPSO算法和改进算法优化了滑模跟踪控制器中的参数,通过两个实例验证了优化后的跟踪控制器的设计效果;设计效果的分析和比较表明了设计的跟踪控制器能够控制机器人实现对既定轨迹的跟踪,仿真结果显示改进QPSO算法能够在轨迹跟踪控制器的参数优化中取得更好的优化效果。     

基于干扰观测器的机械臂改进趋近律的滑模控制

针对机械臂滑模控制中存在抖振的问题以及对外界干扰较为敏感的特性,设计了一种基于干扰观测器的机械臂改进趋近律的滑模控制策略。该策略在指数趋近律中引入饱和函数,提出了一种改进趋近律;根据系统动力学模型,对系统的不确定性和外部干扰采用干扰观测器进行观测;在此基础上设计系统滑模控制律,控制律对未观测的干扰进行补偿。仿真结果表明,控制策略能有效地抑制轨迹跟踪中的抖振问题,较好地克服外界干扰,保证系统的控制性能。     

复式套索人工肌肉驱动的下肢外骨骼的运动控制

设计了复式套索人工肌肉驱动的下肢外骨骼系统,并研究了外骨骼关节精密运动控制问题.首先,介绍了复式套索人工肌肉驱动的下肢外骨骼系统.其次,建立了复式套索人工肌肉的传递模型,并基于拉格朗日法建立了下肢外骨骼动力学模型.然后,基于该动力学模型提出了一种滑模控制方法.进行了滑模控制与比例-微分(PD)控制外骨骼膝关节运动的对比实验,证明了该滑模控制算法具有更高的运动控制精度.最后,完成了下肢外骨骼的被动训练实验,其关节角度跟踪误差低于3.78?.     

开架水下机器人生物启发离散轨迹跟踪控制

针对水下机器人常规反步跟踪控制的速度跳变问题,提出了基于生物启发模型的反步滑模混合控制方法.应用生物启发模型的平滑、有界输出特性,产生渐变的参考跟踪速度,克服了速度跳变问题,也满足了推进器推力约束.同时自适应滑模控制算法产生跟踪控制律,对于水下干扰及模型不确定影响具有鲁棒性,能够实现水下机器人稳定、准确的轨迹跟踪控制.所提方法的稳定性通过Lyapunov理论进行了证明,并将该方法对FALCON开架水下机器人进行水平面离散轨迹跟踪控制的仿真研究,实验结果表明了提出控制方法的有效性.     

基于BP神经网络补偿的下肢外骨骼位置控制

坐卧式康复外骨骼机器人可以帮助下肢功能障碍患者进行康复训练,为实现康复训练的位置控制目标,通过深入分析人机耦合关系,建立包括穿戴者、外骨骼在内的耦合运动学/动力学模型,提出了基于人机混合系统动力学模型的带前馈补偿项的PD控制算法,然而为了实现良好的运动轨迹跟踪性能,必须在位置控制算法中加入对不确定项的补偿,因此提出一种基于BP神经网络补偿的位置控制算法并通过仿真验证算法的高效性。     

基于指数趋近律的机械臂神经网络滑模控制

为解决机械臂轨迹跟踪控制中存在建模不确定性以及外界干扰及摩擦造成的控制效果不理想等问题。利用神经网络对建模的不确定项进行逼近,本文提出一种基于指数趋近律的神经网络滑模控制对机械臂完成轨迹跟踪控制。采用二自由度的刚性机械臂为控制对象进行实验,仿真结果表明,该控制方法能缓解外部干扰对控制系统的影响,保证系统的稳定性,有效地提高系统的控制性能。