基于摇杆滑块机构的外骨骼肘关节优化设计

针对当前上肢外骨骼肘关节活动范围受限和助力效果不佳的问题,设计了一种基于摇杆滑块机构的上肢外骨骼。通过D-H参数建立上肢体外骨骼机构的运动学模型,对其工作空间进行了分析。基于摇杆滑块机构进行上肢体外骨骼的结构设计,并对其进行力学分析,为气缸选型提供依据。基于ADAMS软件建立的参数化模型进行上肢体外骨骼肘关节尺寸优化,优化后的肘关节运动范围提升显著。通过ANSYS软件对关键部件进行了强度校核,搭建物理样机采集上肢肌电信号进行助力性能评估,验证了上肢体外骨骼机构具有较好的助力效果。     

基于虚拟样机的外骨骼关节力矩驱动特性分析

针对需要与人体高度偕行的外骨骼,采用基于运动生物力学分析方法,对外骨骼进行运动仿真。对人体运动分析,采用连续体离散化-离散体连续化的思路。连续体离散化利用高速摄像机与光学动作捕捉系统测试人体关节在人体运动时的空间三维坐标。离散体连续化采用最小二乘法对测试数据进行拟合分析得到可以应用于外骨骼人体运动模型。建立外骨骼虚拟样机,将人体运动模型应用于外骨骼虚拟样机中仿真,得到运动时外骨骼各关节处受力曲线,分析关节力矩驱动特性,其中最大受力和力矩都在左膝关节处,分别为450 N和68 N·m,对外骨骼设计制造时材料选择、结构设计有着重要作用。     

基于振荡器的助行外骨骼跟随助力控制研究

针对外骨骼机器人在辅助人体步行过程中存在的人机交互不协调问题,对人体运动意图识别方法以及外骨骼关节助力矩柔顺性控制进行了研究。通过分析人体正常步行过程中步态特征,提出了基于振荡器相角的运动意图识别方法;分别利用仿真计算和实验平台试验,对基于振荡器相角的外骨骼步行跟随助力控制原理及性能进行了验证,同时在实验平台验证了解决初始零位自动补偿和静止状态防抖的相应算法;进行了5名实验对象参与的助行外骨骼样机10 m步行试验。研究结果表明:穿戴助行外骨骼步行相比自由步行,平均步行速度提高了20.16%,且实验对象反馈外骨骼助力无突然的跳变或抖动;基于相角振荡器的助行外骨骼跟随助力控制,不但能准确适应人体行走步幅步速,而且能有效提供柔顺的髋关节助力矩,实现顺畅的自然步行。     

相邻交叉路口神经网络模糊协调控制的研究

以城市相邻交叉路口为研究对象,提出了一种相邻交叉路口的神经网络模糊控制的方法.将相邻交叉路口看作一个大系统,第1级控制各个单交叉路口,调整各方向的绿信比;第2级协调单元利用各路口测得的交通流数据,确定相邻交叉路口的周期和相位差.应用MATLAB编写了仿真程序,仿真结果表明,该方法可以有效减少相邻交叉路口车辆的平均延误.     

面向脑卒中恢复期患者的上肢外骨骼主动式力量训练器的设计

针对脑卒中恢复期患者的上肢力量训练及神经性训练对促进脑卒中患者完全康复意义重大。开发了一台上肢外骨骼主动式力量训练器,用于恢复患者的上肢肌力训练及运动控制能力训练。基于人体上肢运动规律及国人上肢尺寸,设计训练器结构。通过实验对阻力训练等级进行标定,通过均方根误差与标准偏差对训练器运动跟随能力和数据采集能力进行评估。实验验证了训练器的可行性,为恢复期患者上肢力量训练、控制能力训练提供辅助,为康复师制定训练计划提供参考。     

基于运动意图识别的上肢助力外骨骼复合控制方法研究

针对上肢助力外骨骼助力时响应延时问题,提出一种基于人机交互力信号、位姿信号数据融合的运动意图识别算法,使用支持向量机(Support vector machine, SVM)分类器对人体运动信号进行分类,确定穿戴者运动意图,对控制参数做出适应性调节,改变人机协同控制系统响应速度。采用果蝇优化算法(Fruit fly optimization algorithm, FOA)优化支持向量机,提高分类准确率;引入有限状态机(Finite state machine, FSM),处理非合理运动意图。为降低外骨骼控制系统跟踪误差,设计一种模糊控制与阻抗控制结合的复合控制方法,提高控制参数更新速度,实时调整轨迹。开展运动意图识别实验,结果表明,识别准确率可达97.93%,可快速检测出非合理运动意图,与使用肌电信号作为运动数据相比,降低信号处理难度的同时,保持了较高的准确率;通过控制系统性能仿真与外骨骼助力性能测试实验证明了控制方法的可行性。     

基于GSO-RF意图识别算法的全身助力外骨骼控制方法研究

针对现有助力外骨骼结构复杂、功能单一的问题,基于人体工学理论,设计一套上下肢一体化的全身助力外骨骼,提升助力效果。针对助力外骨骼运动意图识别准确率不高的问题,提出一种基于位姿信号、肌电信号的运动意图识别方法,引入有限状态机(Finite state machine, FSM),设定三种穿戴者运动状态;使用随机森林(Random forest, RF)算法对人机交互信号进行分类,确定穿戴者运动意图;采用人工萤火虫优化算法(Glowworm swarm optimization, GSO)优化随机森林,提高分类准确率,减少分类时间。为提高外骨骼控制系统轨迹跟踪精确性,保证外骨骼运动柔顺性,提出一种基于导纳自适应模糊反演算法的运动控制策略。搭建外骨骼实验平台,进行运动意图识别和轨迹跟踪实验,结果表明运动意图识别准确率可达96.6%,且实时性较好,提出的控制策略有效可行,轨迹跟踪效果较好。通过助力效能实验证明外骨骼的助力性能良好。     

下肢外骨骼康复机器人的动力学建模及神经网络辨识仿真

针对下肢外骨骼康复机器人的灵敏度放大控制需要精确逆动力学模型的问题,通过Solidworks软件建立精确的三维实体模型,联合Matlab/SimMechanics建立下肢外骨骼康复机器人的动力学模型,以角度、角速度和角加速度作为输入信号,输出信号为髋、膝关节力矩,进行逆动力学仿真分析。将仿真后的输入输出数据利用BP神经网络进行训练并获得外骨骼逆动力学动态数学模型。仿真结果表明,该方法可以获得下肢外骨骼康复机器人精确的模型,并为进一步的实现外骨骼的灵敏度放大控制提供保证。     

自适应插值BP神经网络的ABS纵向车速估计

ABS作用下的纵向车速估计是实现汽车主动安全控制的基础。根据轮胎特性,确定最佳滑移率与路面附着系数的线性关系,将路面附着系数设为ABS控制的唯一输入,提出基于最佳滑移率的路面自适应ABS控制,仿真结果显示控制方法简单可行。针对传统BP算法的缺陷,给BP神经网络增加输入延时并采用粒子群算法优化BP网络的初始权值,提出了基于路面插值的BP网络车速估计算法,根据实时辨识的路面附着系数,对两个不同路面下网络的输出进行插值获取估计车速,验证不同路面和初始车速共25种工况下的车速估计绝对误差小于1.5m/s,相对误差小于5%。     

基于BP神经网络的覆盖件模具机加工成本估计

在分析常用的模具成本估计方法的基础上,提出了构造模具机械加工成本神经网络计算方法;同时,引入了测差样本方法,用区间估计来为模具机加工成本报价;以铸造整体结构拉延模具为例,利用企业的历史数据组成训练样本集,训练所形成的神经网络;并对前壁板上梁铸造整体结构拉延模具的机加工成本进行了估计.计算结果显示了该方法的可行性.     

Electromagnetic Torque Estimation of a Three-Phase Induction Motor for Setting the Feedrate of a Milling Machine

In this paper, it presents a project of a fuzzy controller and a neural estimator to control a coordinate table powered by three-phase induction motor, aiming to implement an intelligent milling system. The position/speed control is performed using vector techniques of three-phase induction machines. The estimation of the motor electromagnetic torque is used for setting the feedrate of the table. The speed control is developed using TS （Takagi-Sugeno） fuzzy logic model and electromagnetic torque estimation using neural network type LMS （least mean square） algorithm. The induction motor is powered by a frequency inverter driven by a DSP （digital signal processor）. Control strategies are implemented in DSP. Simulation results are presented for evaluating the performance of the system.     

基于屏障 Lyapunov 函数的上肢康复机器人自适应主动交互训练控制

针对上肢运动功能障碍患者进行辅助康复训练,搭建了一套上肢康复外骨骼机器人系统,并提出一种基于屏障Lyapunov函数的增广神经网络自适应导纳控制策略。首先,介绍了上肢康复外骨骼的机械机构及其控制系统。然后,推演了控制器的设计过程并进行了Lyapunov稳定性证明。最后,分别进行了不同控制内环的轨迹跟踪被动训练实验和不同导纳参数下基于人机交互力的主动交互训练实验,同时分析比对了主动训练时的人机交互力与轨迹偏差的变化关系。被动训练实验结果证明了增广神经网络对人机模型动力学的逼近效果,其轨迹跟踪峰值误差为模糊PID控制器的53%。主动交互训练实验证明了通过调整导纳参数可实现在相同训练任务下不同强度的康复训练以匹配不同康复阶段下的患者。     

下肢外骨骼助力机器人关节驱动设计及试验分析

针对人体下肢关节特点与助行要求,设计了外骨骼机器人关节结构;通过ADAMS软件仿真,分析了外骨骼机器人水平助行过程中关节功率配置需求,根据关节需求设计了外骨骼电液伺服驱动系统;为满足外骨骼机器人对人体下肢关节助力及柔顺性要求,提出了基于关节误差估计的PID控制方法。详细介绍了外骨骼机器人下肢关节结构的运动形式与技术参数,优化配置了关节结构的运动范围与驱动行程,对该机器人进行了运动学分析并通过外骨骼的典型动作进行验证;划分了外骨骼助行过程中步态与关节驱动映射,给出误差估计与补偿PID控制的具体参数;分别从关节跟踪与助力功率的角度,量化分析、对比了基于关节误差估计与常规PID两种控制方法的助力指标参数。试验结果表明,所设计外骨骼关节与驱动系统可实现穿戴者助力行走;对比常规PID控制,抑制了关节驱动控制输出区间的不连续,改善了关节跟踪误差,提升了助力效果与柔顺性。     

步行康复训练机器人协调控制的研究

为了实现步行康复训练机器人的协调控制,对外骨骼助行腿与跑步机的协调控制以及减重支撑系统与外骨骼助行腿的协调控制,提出了协调控制方法。最后用假人代替真实患者通过实验验证了外骨骼助行腿、跑步机和减重支撑系统之间的协调控制效果。实验结果表明,步行康复训练机器人能够很好的对假人进行减重步行康复训练,外骨骼助行腿、跑步机和减重支撑系统很好地实现了协调控制,同时为进一步对真实患者进行实验研究奠定了很好的基础。     

上肢助力外骨骼研究综述

简述了在当前疫情灾情多发、劳动力资源短缺的情况下开发上肢助力外骨骼的重要意义,介绍了外骨骼的发展历程、分类方式以及上肢助力外骨骼的特点、适用人群、应用场景等。详细介绍了国内外上肢助力外骨骼相关研究成果和产品,包括其基本构造以及评估实验结果,并对其中的关键技术（如驱动和传动、人机交互中所涉及的人体运动意图识别、人机协同运动等）进行了阐述和分析。总结了当前研究中仍存在的问题,并对上肢助力外骨骼未来的发展趋势进行了展望。     

基于计算力矩的助行腿机器人神经网络补偿控制

在建立“机器主动”训练模式时助行腿机器人在跑步机上的步行动力学模型的基础上,设计了基于计算力矩加PD反馈的神经网络控制系统,并采用Lyapunov方法分析了控制系统的稳定性和收敛性。通过虚拟样机协同仿真平台进行了控制系统的仿真实验和样机系统测试验证,结果表明,该控制方法有效地消除了系统建模误差影响,提高了助行腿机器人轨迹跟踪能力。     

纤维缠绕张力的模糊自适应PID控制

设计了一种模糊自适应PID控制器，运用于以运动控制器（PMAC）为核心、直流力矩电机为执行元件的数控纤维缠绕张力控制系统；上位机根据PMA6采集的张力数据进行模糊运算处理、整定后获得优化的PID参数，传送给PMAc实施张力控制。研究表明：与常规PID控制器相比，张力超调量、波动显著减小。在此基础上，提出了这种控制算法的实现方法，为实际的应用奠定了基础。     

压电工作台的神经网络建模与控制

建立了压电工作台的神经网络在线辨识模型并设计了相应的自适应控制器以抑制压电工作台迟滞特性、蠕变特性及动态特性对其微定位精度的影响。采用双Sigmoid激活函数对神经网络激活函数进行了改进,同时分析了改进激活函数的神经网络模型与PI迟滞模型在迟滞建模上的异同。设计了基于改进激活函数的3层BP神经网络作为压电工作台的在线辨识模型,推导了网络权值、阈值及激活函数阈值修正公式。最后,基于神经网络模型设计了压电工作台的自适应控制方案,该控制方案利用另外一个神经网络来完成对PID控制器参数的自适应调整。实验结果表明:提出的神经网络在线辨识模型平均误差为0.095μm,最大误差为0.32μm;自适应控制方案跟踪三角波的平均误差为0.070μm,最大误差为0.100μm;跟踪复频波的平均误差为0.80μm,最大误差为0.105μm。实验数据显示压电工作台的定位精度得到了有效提高。