下肢外骨骼机器人控制的脑电感知方法研究

将外骨骼机器人技术与BCI系统结合起来,使人体具有了外骨骼机器人的一系列优良特性,同时使外骨骼机器人具备了人体的智能;首先,对外骨骼机器人技术与BCI技术的融合进行了可行性分析,说明了该方法的可行性;其次,通过实验采集了6种想象运动的脑电信号,选取了C3、C4通道的脑电信号,并对其进行了去噪处理;然后,对经过预处理的六种想象运动的脑电信号通过小波变换进行了分解,提取了包括小波分解系数和能量系数的脑电信号小波特征;最后,针对所提取的小波特征,采用了最小二乘支持向量机对这6种想象运动模式进行分类处理。     

基于模糊多核学习的改进支持向量机算法研究

针对传统SVM对噪声点和孤立点敏感的问题,以及不能解决样本特征规模大、含有异构信息、在特征空间中分布不平坦的问题,将模糊隶属度融入多核学习中,提出了一种模糊多核学习的方法;通过实验验证了模糊多核学习比传统SVM、模糊支持向量机以及多核学习具有更好的分类效果,从而验证了所提方法能够有效的克服传统SVM对噪声点敏感以及数据分布不平坦的问题。     

骨骼服灵敏度放大控制方法研究

为了减少操作者和骨骼服之间的传感器,并在减小操作者施加力矩、提高操作者舒适度的情况下,实现骨骼服跟踪操作者的运动,研究了一种骨骼服灵敏度放大控制方法。利用Matlab的SimMechanics工具箱建立了骨骼服的摆动腿的单自由度和三自由度模型,作为控制对象,根据骨骼服的数学模型设计了灵敏度放大控制器,以PID控制器仿真实现人机之间的交互模型。仿真结果表明：骨骼服运动过程中,在驱动器施加较大力矩的情况下,操作者只需很小的力矩就可以摆动骨骼服,能够有效降低操作者的能量消耗,是一种行之有效的控制方法。     

基于在线支持向量机的非线性内模控制

为了提高传统内模控制的鲁棒性和抗干扰能力,采用在线支持向量机回归（Online Support Vector Machine Regression,OSVMR ）理论建立系统的正向模型和设计逆模控制器。首先简要介绍了OSVMR的原理和算法,然后将其应用于内模控制问题,并建立了OSVMR模型。其次,在控制过程可逆的条件下设计了OSVMR控制器,最后将该控制方法应用于可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与RBF神经网络IMC相比,具有较简单的模型和较好的控制性能。     

基于支持向量机的高速公路入口匝道控制

针对高速公路入口匝道控制问题所存在的非线性、复杂性和不确定性,在入口匝道控制原理的基础上,设计了一种基于支持向量机的高速公路入口匝道控制器;结合某高速公路交通调研数据,对这一控制器进行了仿真;仿真结果表明了支持向量机可以用于高速公路入口匝道的控制,并能取得较良好的控制效果.     

基于支持向量机的一类混沌系统自适应逆控制

本文研究了基于支持向量机回归自适应逆控制的混沌控制方法,用支持向量机建立系统的辨识器,同时在控制过程可逆的条件下设计基于支持向量回归的系统逆控制器.将该自适应逆控制的方法应用于Lorenz混沌系统的控制,仿真结果表明在系统带有不确定性和测量噪声的情况下,该方法可以有效的将混沌系统的状态控制到给定状态.     

支持向量机研究进展

基于统计学习理论的支持向量机((Support vector machines, SVM)以其优秀的学习能力受到广泛的关注。但传统支持向量机在处理大规模二次规划问题时会出现训练时间长、效率低下等问题。对SVM训练算法的最新研究成果进行了综述,对主要算法进行了比较深入的分析和比较,指出了各自的优点及其存在的问题,并且着重介绍了目前研究的新进展—模糊SVM和粒度SVM。接着论述了SVM主要的两方面应用—分类和回归。最后给出了今后SVM研究方向的预见。     

基于支持向量机的非线性系统模型预测控制

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则．使它较好的解决了小样本情况下的学习问题。又由于其采用了核函数思想．使它把非线性问题转化为线性问题来解决,降低了算法的难度．具有全局最优、良好泛化能力等优越性能．得到广泛的研究。基于上述特性提出了一种基于支持向量机的非线性模型预测控制结构．其中使用遗传算法来求解预测控制律．随后用计算机仿真证明了此控制算法的正确性和有效性。     

基于支持向量机的控制图模式识别

为了提高控制图模式识别效果，提出混合核函数支持向量机的模式识别方法。在模型构造中采用一对一多类分类支持向量机，并利用遗传算法优化混合核函数支持向量机参数。仿真和应用结果表明，混合核函数支持向量机对各种模式控制图的总体识别率，I型错判均优于单独核函数、概率神经网络和小波概率神经网络，且具有良好的泛化能力，适合生产现场实时在线工序质量控制。     

一种基于支持向量机的内模控制方法

在基于数据的基础上,采用SVM回归理论建立系统的正向模型和设计逆模控制器.首先简要介绍了SVMR的原理,然后将其应用于内模控制问题,并建立了SVMR模型.其次,在控制过程可逆的条件下设计了SVMR控制器.最后将该控制方法应用于一可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与神经网络IMC相比,具有较简单的模型和较好的控制性能.     

Hybrid Control Scheme of a Hydraulically Actuated Lower Extremity Exoskeleton for Load-Carrying

In this paper, a lower extremity exoskeleton is developed to help human beings walk and carry heavy loads. The exoskeleton is actuated by a pump-based hydraulic actuation system. The hydraulic actuation system has a high speed on/off valve and a unidirectional cylinder with embedded springs on the cylinder rod. The hybrid control scheme, including two modes, i.e., position control and following control, is proposed to drive the exoskeleton system. The position control mode is employed to support the carrying load in the stance phase. The following control mode is used to shut down the DC motor to disable the pump and open the relief valve in the swing phase. In the position control, an online Gaussian process regression algorithm is proposed to estimate the human gait trajectory using the human robot interaction signals. A general position control strategy, i.e., proportion integration differentiation (PID), is utilized to control the exoskeleton to shadow the estimated human gait trajectory. In the following control, the operator can lead the mechanical legs with the help of embedded springs on the cylinder rod. Experiments are performed on the healthy human subject, who walks on the level ground at natural speed. The experimental results demonstrate that the proposed hybrid control strategy is suitable for the pump-based hydraulically actuated lower extremity exoskeleton.     

一种下肢外骨骼机器人随动控制算法的研究

随动控制算法对下肢外骨骼机器人的助力效果起着决定性的作用。根据零力控制算法及下肢外骨骼机器人的运动特点,提出了一种末端随动控制算法,并给出了算法推导过程。最后通过Matlab仿真验证了该算法的有效性。     

基于嵌入式系统的下肢负荷外骨骼设计

为了提高人体的负重能力,展开了下肢负荷外骨骼系统的研究;系统主要由ARM控制器、仿生下肢、电机及其控制器组成;髋关节与膝关节安装气弹簧,并得到关节角度与气弹簧长度的关系;根据EPOS的数据帧格式,计算串口控制指令的循环校验码,得到串口控制指令,提高了控制器与EPOS之间的通信速率;针对板载A/D接口,编写了接口函数,数据误差率与测量信号成反比,工作范围内保持最大为5%。     

下肢骨骼服全过程运动控制研究

为了实现下肢骨骼服的全过程运动控制,提出了对下肢骨骼服进行分阶段控制的策略.根据人体运动数据将下肢骨骼服的运动划分为摆动阶段和支撑阶段;根据这2个阶段的特点,摆动阶段采用灵敏度放大控制方法,支撑阶段采用位置控制方法,利用脚底压力传感器信号实现两种状态下控制器的切换.分阶段控制策略既利用了灵敏度放大控制的优点,避免了在使...     

基于支持向量机的非线性系统预测控制

针对离散非线性系统, 提出一种可用于非线性过程的支持向量机预测控制方法, 并给出了控制律的收敛性分析. 该方法将复杂的非线性预测方程转化成直观而有效的线性形式, 同时利用线性预测控制方法求得解析的控制律, 避免了复杂的非线性优化求解, 对非线性工业焦化装置温度控制的仿真结果表明了算法的有效性.     

基于支持向量机的非线性预测控制技术

探讨了利用支持向量机进行非线性系统辨识的方法,并将支持向量机模型应用到非线性预测控制,提出了基于支持向量机模型的非线性预测控制算法.对一个CSTR反应器的仿真表明,支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力.基于支持向量机的预测控制具有很好的控制性能,为通用非线性控制提供了一种新的控制思路.􀁽     

基于支持向量机的预测函数控制

针对化工过程存在的强非线性生产过程，提出了基于支持向量机技术预测模型的预测函数控制方法。利用支持向量回归的方法对非线性过程进行建模，采用预测函数控制方法进行控制。针对具有强非线性连续搅拌反应釜过程进行仿真，仿真结果表明：支持向量机的建模方法可以有效地解决强非线性的化工过程的建模问题，并且具有较好的泛化能力，基于这种预测模型的预测函数控制具有较好的控制性能和良好的跟踪能力及抗干扰能力。