基于模糊模型参考学习控制的手术机器人人机交互

为了解决机器人辅助手术环境下人机交互运动过程中的不稳定性问题以及医生个人因素难以建模的问题,提出了一种基于模糊模型参考学习的变导纳人机合作控制方法.首先将人体手臂自然运动的特征作为模糊学习控制的参考模型,通过离线学习机构训练出模糊导纳控制器的变阻尼系数调整参数规则.再以医生对机器人的拖拽力以及机器人速度作为输入、机器人期望的速度作为输出,构建基于变阻尼参数调整的变导纳控制方法.离线训练实验结果表明,该方法经过10次离线训练,可以达到柔顺性要求,人机合作速度最大误差低于17 mm/s,且人机合作轨迹最大误差低于15 mm.相比单纯基于固定导纳参数的模糊控制,该方法具有更好的跟踪速度与精度.     

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.     

满足不同交互任务的人机共融系统设计

人与机器人共同协作的灵活生产模式已经成为工业成产的迫切需求,因此,近年来人机共融系统方面的研究受到了越来越多关注.设计并实现了一种满足不同交互任务的人机共融系统,人体动作的估计和机器人的交互控制是其中的关键技术.首先,提出了一种基于多相机和惯性测量单元信息融合的人体姿态解算方法,通过构造优化问题,融合多相机下的2D关节检测信息和所佩戴的惯性测量单元测量信息,对人体运动学姿态进行优化估计,改善了单一传感器下,姿态信息不全面以及对噪声敏感的问题,提升了姿态估计的准确度.其次,结合机器人的运动学特性和人机交互的特点,设计了基于目标点跟踪和模型预测控制的机器人控制策略,使得机器人能够通过调整控制参数,适应动态的环境和不同的交互需求,同时保证机器人和操作人员的安全.最后,进行了动作跟随、物品传递、主动避障等人机交互实验,实验结果表明了所设计的机器人交互系统在人机共融环境下的有效性和可靠性.     

基于导纳控制的社交机器人伴随与避障控制策略

目前社交机器人与目标人体并排行走（人体伴随与避障）时的运动控制策略的研究相对缺乏。为提升陪伴任务中用户的舒适度、机器人的运动柔顺度及其安全避障能力,本文提出了一种基于导纳控制的人体伴随与避障控制策略。首先,基于人机交互空间理论设计了交互力模型以构建人机动态交互关系,避免机器人侵犯目标人的亲密区域以提升目标人的舒适度;其次,将导纳控制模型与交互力模型结合,通过设置合理的导纳参数提升机器人运动控制的柔顺度;最后,引入行为动力学模型模拟人类的避障行为,以保障人体伴随任务的安全性。此外,提出了一组评价指标以验证伴随控制器的性能。根据仿真实验结果,在柔顺度方面,相较于PID法和虚拟弹簧模型（VSM）法,本方法下速度变化量分别降低69.6%和67.1%;在舒适度方面,机器人未给目标人带来不适;在安全性方面,本方法的避障失败率仅为10%,优于人工势场（APF）法和VSM法的40%和50%。实物实验中,机器人的柔顺度和舒适度指标均较好,避障失败率仅为5%,有效实现了安全友好的人体伴随与避障控制。     

空间站载荷转移机构机器人的力加载控制方法

针对机器人在空间站载荷转移机构力加载过程中,由于展开完成后的载荷转移机构在力的方向上发生变形,导致机器人力控制系统难以保持稳定、加载精度不足或调节时间过长的问题,提出了自适应调整导纳控制器参数的策略．首先,根据导纳控制理论建立力与位移的关系,初步提出了基于直角坐标系的力跟随/力加载控制器;然后,根据加载实验数据,采用最小二乘法对载荷转移机构模型进行参数辨识,建立机器人特定工作空间的力与位置关系;最后,通过自适应调整导纳控制器参数使机器人动力学模型与载荷转移机构的动力学模型近似匹配,实现机器人对展开完成后的载荷转移机构末端的空间力实时加载．实验得出机器人对载荷转移机构位置跟随偏差不超过0.1 mm,加载力误差不超过1%．仿真结果表明,该机器人满足精度要求,为载荷转移机构提供了较为真实的等效空间载荷．     

基于特征深度学习的机器人协调操作感知控制

为了在操作者与机器人之间实现更为稳定的负载运动状态,提出一种基于特征深度学习的机器人协调操作感知控制方法,分析机器人的协调操作原理,根据虚拟阻尼、虚拟惯量与虚拟刚度系数,构建人机协调操作模型,利用特征深度学习对模型内的神经网络进行网络信息的交互拓扑,优化机器人协调操作的感知性能.同时,减少内存占比,对人力交互信息滤波去...     

基于人机社会力模型的人群疏散算法

针对公共场合紧急情况下人群疏散困难和效果有限的问题,提出一种基于人机社会力模型的机器人疏散人群的方法。首先,基于原始社会力模型提出了一种新的人机社会力模型,该模型在原始社会力模型的基础上加入了机器人对人作用的人机作用力;然后,基于人机社会力模型提出一种新的利用机器人疏散人群的方法,该方法在人群疏散场景中加入运动机器人,通过机器人自身的运动,利用人机作用力影响周围行人的运动状态,减小行人之间的压力,从而达到加快人群运动速度、提高人群疏散效率的目的。在室内封闭场景人群逃生、两群行人交错这两种典型的疏散场景中分别进行仿真实验,并将实验结果与未加入机器人的人群疏散结果进行对比分析,实验结果表明,基于人机社会力模型的机器人疏散人群的方法能够明显加快人群的运动,提高人群的疏散效率。     

基于变阻抗补偿的上肢康复机器人人机交互方法研究

针对偏瘫患者在进行康复训练过程中不能很好地主动参入并且康复任务表现能力低的问题，提出了一种基于变阻抗补偿的上肢康复机器人人机交互方法。该方法可以提高康复过程中的柔顺性和任务表现。首先介绍了上肢康复机器人的基本结构，并对其进行运动学分析；再介绍了导纳控制和阻抗补偿控制系统框架；之后通过受试者的交互力和交互力变化速率建立出受试者的运动意图，在根据运动意图来实时调整阻抗补偿参数改变系统的柔顺性；最后通过三种不同的模式进行轨迹跟踪和到达目标点的实验比较，结果表明所提出的控制算法可以适应受试者的运动意图，提高任务表现。     

基于GPR和深度强化学习的分层人机协作控制

提出了一种基于高斯过程回归与深度强化学习的分层人机协作控制方法,并以人机协作控制球杆系统为例检验该方法的高效性.主要贡献是:1)在模型未知的情况下,采用深度强化学习算法设计了一种有效的非线性次优控制策略,并将其作为顶层期望控制策略以引导分层人机协作控制过程,解决了传统控制方法无法直接应用于模型未知人机协作场景的问题; 2)针对分层人机协作过程中人未知和随机控制策略带来的不利影响,采用高斯过程回归拟合人体控制策略以建立机器人对人控制行为的认知模型,在减弱该不利影响的同时提升机器人在协作过程中的主动性,从而进一步提升协作效率; 3)利用所得认知模型和期望控制策略设计机器人末端速度的控制律,并通过实验对比验证了所提方法的有效性.     

脊柱手术机器人

针对脊柱手术中的椎弓根钉内固定术,为克服医生操作手术时定位精度难以保证、长时间手术易疲劳等问题,设计了一套脊柱手术机器人系统用于辅助实施椎弓根钉内固定术。机器人为5自由度,充分考虑手术机器人对安全性和工作空间有效覆盖的要求,进行了构型设计,并完成了相应的机器人运动学分析。控制系统是由图像导航下的主动控制和基于力传感器的被动拖拽控制两个模式进行控制。主动控制下,医生通过导航系统提供最优钉道的精确位置信息,机器人根据医生的规划路径自主到达手术点;被动力拖拽控制基于导纳控制原理对医生作用在机器人末端执行器的操作力进行映射,并以此形成跟随拖动动作的机器人运动控制指令。针对力拖拽控制的实验验证了机器人在被动拖拽控制模式下能够柔顺地跟踪医生的操作动作。     

基于强化学习的机器人轴孔装配算法

为了完成非结构化环境中的机器人轴孔装配任务，提出了一种融入模糊奖励机制的深度确定性策略梯度（DDPG）变参数导纳控制算法，来提升未知环境下的装配效率。建立了轴孔装配接触状态力学模型，并开展轴孔装配机理研究，进而指导机器人装配策略的制定。基于导纳控制器实现柔顺轴孔装配，采用DDPG算法在线辨识控制器的最优参数，并在奖励函数中引入模糊规则，避免陷入局部最优装配策略，提高装配操作质量。在5种不同直径的孔上进行装配实验，并与定参数导纳模型装配效果进行比较。实验结果表明，本文算法明显优于固定参数模型，并在算法收敛后10步内可完成装配操作，有望满足非结构环境自主操作需求。     

面向直接示教的机器人负载自适应零力控制

相对于基于末端多维力传感器的直接示教工业机器人,基于关节扭矩传感器信息的机器人可接触范围大,且安全性更好.但在变负载的复杂工况下,加上受到机器人自身摩擦力、重力、惯性力的影响,示教效率受到制约.为此,本文提出了一种零力控制方法.首先,引入柔性关节机械臂的动力学模型作为被控对象,并分析了该模型中电机摩擦力、惯量以及机械臂重力在直接示教过程中的影响.然后,为精确补偿机器人自身的重力,基于QR分解与最小二乘理论进行参数辨识.而且针对机器人更换末端执行器或抓取物品后模型参数发生变化的情况,提出一种变负载自适应零力控制方法.最后,在自主研发的7自由度协作型机器人平台上进行了实验.机械臂自身重力参数辨识后的模型最大计算误差在关节额定力矩的4%以内,单关节力牵引实验中通过调节零力控制参数,牵引力矩可由约13 N·m下降到约2 N·m.变负载下的机器人牵引实验中,控制器能够在10 s内更新参数.实验结果表明,在负载变化的情况下,该控制方法可帮助操作者轻松地拖拽机器人进行精准、高效的直接示教.     

遥微操作机器人系统滑模变结构控制研究

遥微操作机器人是一种应用于医疗、微生物工程及微机械等领域的特殊遥操作机器人系统,文中主要针对面向微创外科手术系统的遥微操作机器人系统中,操作者及作业环境往往具有时变性而易导致系统不稳定且难以控制的问题,在已有的动力学模型的基础上,设计了一种新型的滑模变结构控制方案,在该方案中主机械手采用阻抗控制而从机械手采用滑模变结构控制策略.仿真实验结果表明了方案的有效性和鲁棒性,系统能较好地实现位置比例跟踪和力比例跟踪.     

手术仿真中基于导纳控制的力触觉形变模型

为了在虚拟手术仿真中获得快速、准确的力触觉形变效果,提出一种基于导纳控制的力触觉形变模型.基于该模型,采用PHANTOM OMNI力触觉交互设备,以3DS MAX 2013,Microsoft Visual C++2012,Open GL函数库为基础搭建了实时柔性体力触觉再现系统,实现了虚拟双手对心脏双点的拉拽交互操作.感知实验和交互效率的结果表明,所提出的模型简单有效,形变效果逼真、视觉反馈流畅、力触觉反馈平稳,操作者对虚拟环境的感知和交互准确可靠,能够满足虚拟手术仿真系统的要求.     

多约束条件下机器人柔性装配技能自学习

机器人的装配策略受装配对象特性、装配工艺和装配控制方法的约束,针对装配过程接触阶段的位姿不确定性问题,提出一种装配姿态调整技能自学习的方法.首先描述多约束条件下的机器人装配技能问题,建立基于力/力矩、位姿、关节角度等多模信息描述的装配系统模型;然后构建融合竞争架构的机器人决策网络和策略优化网络,通过与环境的不断交互,进...     

基于深度时空Q网络的机器人疏散人群算法

针对目前人群疏散方法中机器人灵活性低、场景适应性有限与疏散效率低的问题,提出一种基于深度强化学习的机器人疏散人群算法。利用人机社会力模型模拟突发事件发生时的人群疏散状态,设计一种卷积神经网络结构提取人群疏散场景中复杂的空间特征,将传统的深度Q网络与长短期记忆网络相结合,解决机器人在学习中无法记忆长期时间信息的问题。实验结果表明,与现有基于人机社会力模型的机器人疏散人群方法相比,该算法能够提高在不同仿真场景中机器人疏散人群的效率,从而验证了算法的有效性。     

微创手术导管机器人系统变论域模糊PID控制

在微创血管手术导管机器人系统控制机器人送导管问题的研究中,为克服手动送管的缺陷,要求导管机器人系统能够快速响应、抗干扰能力强以及对目标轨迹的实时跟踪.传统模糊PID控制由于其精度与响应速度之间的矛盾,限制了在微创手术中的应用.提出采用变论域模糊PID控制,引入伸缩因子,在不降低响应速度的前提下改善模糊PID控制精度,进一步改善系统位置跟踪精度以及在主从微创手术中的实用性.仿真结果表明,所提出的变论域模糊PID控制对系统具有快速准确的跟踪性能和较强的鲁棒性能,证实了变论域模糊PID控制在主从微刨手术中的优越性与实用性.     

眼科手术器械操作黏弹性组织的导纳控制方法

基于广义Maxwell黏弹性模型建立手术器械与眼组织之间的黏弹性接触模型,并通过力松弛实验对接触模型的参数进行辨识.进而在此基础上提出一种导纳控制方法,通过控制手术器械的位移实现对接触力的控制.该方法将传统的导纳控制器替换为比例-积分(PI)控制器,从而将黏弹性接触模型中的理想微分环节替换为1阶微分环节.替换后,在低频段,尤其是频率趋近于0时的幅频响应可得到提升并保持稳定,从而避免幅频响应过低导致的接触力衰减.通过对离体猪眼球进行力控制实验验证了该控制方法的有效性.实验结果表明,阶跃力平均误差约为4.6％,响应时间约为2.5 s,无明显超调,并可实现一定频率的正弦力输出.阶跃力输出精度可以满足机器人辅助眼科手术的要求.     

一种基于操作条件反射原理的学习模型

针对认知机器人的自主学习问题,提出一种基于操作条件反射原理的学习模型(OCLM).该模型采用状态空间、操作行为空间、概率分布函数、仿生学习机制、系统熵等进行描述,给出状态的"负理想度"的概念,定义了取向函数的计算方法.运用模型对机器人避障导航问题进行仿真实验,并对参数设置进行了讨论.实验结果表明,基于OCLM模型的机器人能通过与环境的交互获得认知,成功避障到达目的地,具有一定的自学习能力,从而表明了模型的有效性.     

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.