基于模糊逻辑的上肢康复机器人阻抗控制实验研究

针对机器人辅助患肢主动康复训练过程中辅助力／阻力不能随患肢病情实时调整的问题,提出了一种新的模糊自适应阻抗力控制方法．该方法实时检测患肢与机器人之间的相互作用力,并进一步运用辨识算法实时估计出患肢的病情状态;然后运用模糊阻抗控制器对两者之间的相互作用力进行实时调整,使得在患肢主动能力不足时提供一定的辅助,而在其有能力完成动作时,实时调整阻力实现肌力训练．实验结果表明了该控制方法的有效性．     

康复机器人患肢参数的在线辨识

根据患肢训练时力和位置等信息反馈,提出用解超定方程组的方法在线辨识患肢的动力学参数,实现患肢动力学模型的在线辨识,为远程康复训练机器人系统的实时控制提供较为准确的依据.仿真实验验证,该方法能较好地改善系统的动态性能,使系统具有较好的稳定性和鲁棒性.     

基于指尖力传感器的HIT 机器人灵巧手笛卡尔阻抗控制

介绍了基于5维指尖力／力矩传感器的HIT机器人灵巧手的笛卡尔阻抗控制．当手指与障碍物接触时，呈现出2阶机械阻抗特性．在阻抗控制算法中，不需直接计算加速度，从而避免了因大加速度误差给控制带来的不利因素．结合期望轨迹和实际位置及速度，产生一个参考轨迹，手指跟踪此参考轨迹即可自动获得期望阻抗特性．     

工业机器人负载动力学参数辨识方法

为了解决负载变化导致的机器人控制性能降低的问题,本文在分析负载动力学参数对各关节力矩的影响的基础上,提出了一种仅驱动机器人的第3、4、5、6轴运行激励轨迹的辨识方法.首先,基于最小惯性参数集线性化工业机器人动力学模型;其次,在分析负载参数对各关节力矩的影响的基础上,选取相应的运动关节轴,设计适用于负载辨识的有限项傅里叶级数的优化激励轨迹;然后,在空载和带3种不用负载情况下运行激励轨迹,采集关节角度和关节力矩数据,并将数据通过低通滤波器处理;最后,基于动力学线性模型使用加权最小二乘法辨识负载动力学参数.机器人运行验证轨迹,通过计算负载力矩计算值和测量值的差的均方根(RMS)来评价负载辨识结果.同时将该方法与CAD (computer aided design)方法对比,结果显示前者最多可以将后者RMS值降为原来的16%,且该方法对不同负载辨识结果稳定有效.该方法避免了驱动所有关节轴运动的方式,减小了机器人耦合带来的误差,同时缩短了激励轨迹参数优化时间,有效提高负载动力学参数的辨识效率和效果.     

一种机器人鲁棒自适应控制法

针对具有参数不确定性的机器人轨迹跟踪问题，本文提出了一种自适应鲁棒控制策略。该控制器的设计由非线性PD控制和自适应反馈控制构成，避免了单纯性性PD控制导致的初始输出力矩过大问题，并针对有界扰动的上确界为已知和未知两种情况分别设计了控制器。理论推导和计算机仿真均说明该方法的有效性。     

基于力阻抗模型的上肢康复机器人交互控制系统设计

传统上肢康复机器人交互控制系统受到奇异位形影响,导致系统控制精准度较低,为此提出基于力阻抗模型的上肢康复机器人交互控制系统;设计上肢康复机器人交互控制系统结构,选取双串口12CSA60S2系列单片机作为下位机控制核心模块,利用椎齿轮改变驱动力方向,设计机械臂肘部结构,通过同步带传动,将器件隐藏于空手柄中;设计机械臂腕部结构,满足临床康复时上肢患者站姿与坐姿训练需求;选择箔式应变片BF350力传感器,设计电阻应变片桥接电路,处理传输信号;构建机器人目标阻抗模型,设计基于力阻抗控制策略,调节位置、速度和关节;为改善奇异位形情况,在奇异位形附近关节角速度指令直接由各个关节力矩阻尼控制得到,实现角速度精准输出,完成系统控制;由实验结果可知,该系统直线运动位置、旋转关节位置和伸缩关节位置跟踪结果与标准值基本一致,满足系统设计需求。     

上肢康复机器人实时安全控制

针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性.     

机器人动力学参数辨识新法

本文以尽可能地消除多关节运动量对动力学参数的重复耦合为基本思想,提出了重复运动量的概念,得出了一种新的机器人动力学参数辨识方法——单、多关节运动相结合的特殊关节运动递推法.     

六轴工业机器人的参数辨识方法

机器人末端位姿的精度依赖于各关节几何参数的精度。为了提高机器人的位姿精度,提出了一种简单实用的机器人参数辨识方法。利用D-H 算法建立的机器人运动学方程,得到了末端位姿与各关节参数的关系。为了解决辨识过程中的复杂计算问题,设计了一种采用拆分参数的迭代方法和相应的实验方法,运用激光跟踪仪对位姿进行精确测量,求得实际几何结构参数。实验结果验证了所提出方法的有效性。     

Voltage-based adaptive impedance force control for a lower-limb rehabilitation robot

This paper presents a novel voltage-based adaptive impedance force control for a lower limb rehabilitation robot. The impedance parameters are adaptively regulated by a gradient descent algorithm for adjusting the human force in performing therapeutic exercises. Although the proposed control is based on voltage control strategy, it differs from the common torque control strategy. One of the advantages is that it is free from the dynamical models of the robot and patient. Compared with a torque control scheme, it is simpler, less computational, and more efficient while it considers the actuators. The control approach is verified by stability analysis. Simulation results show the efficiency of the control approach applied on a lower limb rehabilitation robot driven by an electric motor. A comparison on performing isometric exercise shows that the voltage-based adaptive impedance force control is superior to both voltage-based impedance control and torque-based impedance control.     

镜像上肢康复机器人研究

近80%脑卒中存活者会发生肢体残疾,其中以上肢问题影响更为剧烈。康复医学与机器人学、生物医学、人工智能等学科高度交叉的镜像康复机器人,是解决患者康复训练问题的前沿技术途径。针对基于镜像机理形成的康复机器人,研究分析了镜像上肢康复机器人的现状以及其中关键技术路线、核心实现方式,阐述了主要功能与技术特点。在此基础上,分析在研究中存在的瓶颈问题,并提出相应的解决策略,以期为今后的镜像机器人研究提供方向。     

超前采样时间迭代学习的下肢康复机器人轨迹跟踪控制

为了实现下肢康复机器人在康复训练过程中高精度的末端轨迹跟踪控制,提出了一种利用超前采样时间的鲁棒自适应迭代学习控制方法。所述超前采样时间迭代算法,是指利用之前运行批次在t+Δ采样时刻的髋膝关节力矩输出,优化调整下一次运行时刻t处的关节力矩给定。仿真结果表明,采用超前采样时间迭代控制,末端轨迹误差具有更快的收敛速度和跟踪精度,并且具有较好的抗干扰性能。     

基于阻抗模型的下肢康复机器人交互控制系统设计

为帮助下肢功能障碍患者进行康复训练,设计了下肢康复机器人。对于该机器人的控制,采用传统系统无法柔顺控制,导致机器人运动轨迹偏离预设轨迹。针对该现象,提出了基于阻抗模型的下肢康复机器人交互控制系统设计。通过分析总体控制方案,设计系统硬件结构框图。采用L型二维力传感器,确定两个方向的人机交互力。使用绝对值编码器安装在各个关节处,其输出值作为髋关节、膝关节、踝关节电机的转动位置,增量编码器安装在电机轴上,测量值用来作为后期控制方法的输入参数。构建阻抗控制模型,能够调节机器人位置和速度,具有消除力误差功能。依据此力矩对参考运动轨迹进行设计,实时获取患者康复训练的跟踪、主动柔顺和接近状态信息。在柔顺训练实验测出人机交互力,通过实验结果知,在检测到人体主动力矩异常时,系统能够重新优化轨迹,具有良好柔顺控制效果。     

非线性迭代学习算法在机器人上肢康复中的应用

针对上肢康复机器人轨迹跟踪控制中存在的患者痉挛扰动非线性及不确定性问题, 结合康复机器人系统执行具有重复性的特点以及迭代学习算法特有的性质, 提出一种非线性迭代学习控制算法, 改进了机器人常用的线性动力学控制系统, 使得在模型信息不精确以及只有角度信息可测的情况下, 也能获得良好的轨迹跟踪性能; 应用Lyapunov 稳定性理论和LaSalle 不变性原理证明了闭环系统的全局渐近稳定性. 仿真结果表明, 所提出的非线性迭代学习控制具有良好的控制性能.

     

具有参数不确定性的轮式移动机器人自适应backstepping控制

针对参数不确定的轮式移动机器人的轨迹跟踪问题,设计自适应跟踪控制器.基于移动机器人的动力学模型,采用backstepping积分方法,通过逐步递推选择适当的Lyapunov函数,设计基于状态反馈的自适应控制器,并进行了相应的稳定性分析.与传统PID控制进行仿真对比,结果表明提出的自适应控制策略能较好地补偿系统参数摄动的影响,提高了移动机器人的轨迹跟踪性能和鲁棒性.     

机器人末端臂轨迹跟踪自适应控制设计

本文提出了新颖的机器人末端臂轨迹跟踪自适应控制方法。该方法与已有的神经网络模型不同之处在于数据首先利用运动学反解求出机器人各关节旋转的角度,然后应用径向基函数自组织进行神经网络学习生成模糊规则,利用监督学习算法(SLA)、最小二乘法(LMS)、反向传播算法(BP)和聚类分析的方法在线优化控制规则以及隶属函数的参数。仿真结果表明,该方法不但规则生成的时间少,有效的防止了规则数爆炸,而且在机器人轨迹跟踪控制的应用中效果好。     

Fuzzy logic based adaptive admittance control of a redundantly actuated ankle rehabilitation robot

Ankle rehabilitation robots have recently attracted great attention since they provide various advantages in terms of rehabilitation process from the viewpoints of patients and therapists. This paper presents development and evaluation of a fuzzy logic based adaptive admittance control scheme for a developed 2-DOF redundantly actuated parallel ankle rehabilitation robot. The proposed adaptive admittance control scheme provides the robot to adapt resistance/assistance level according to patients' disability level. In addition, a fuzzy logic controller (FLC) is developed to improve the trajectory tracking ability of the rehabilitation robot subject to external disturbances which possibly occur due to human-robot interaction. The boundary scales of membership functions of the FLC are tuned using cuckoo search algorithm (CSA). A classical proportional-integral-derivative (PID) controller is also tuned using the CSA to examine the performance of the FLC. The effectiveness of the adaptive admittance control scheme is observed in the experimental results. Furthermore, the experimental results demonstrate that the optimized FLC significantly improves the tracking performance of the ankle rehabilitation robot and decreases the steady-state tracking errors about 50% compared to the optimized PID controller. The performances of the developed controllers are evaluated using common error based performance indices indicating that the FLC has roughly 50% better performance than the PID controller.