康复机器人具有速度决策的每步限时学习控制方法

为了提高康复步行训练器人的智能性和安全性,提出一种运动速度决策的康复训练机器人限时学习迭代控制方法,目的是抑制训练者位姿不确定性和人机速度不协调对系统安全性能的影响.建立具有系统不确定偏移量的康复步行训练机器人动力学模型,通过比较康复训练机器人当前的运动速度和训练者的实际步行速度,提出机器人运动速度的决策方法,从而使康复者在主动训练模式下实现人机速度协调运动;进一步,利用机器人决策的运动速度和动力学模型建立跟踪误差系统,提出有限学习时间的迭代控制方法,并基于Lyapunov理论验证跟踪误差系统的有限时间稳定性.仿真对比分析和实验结果表明,所提出的速度决策方法和跟踪控制方法能使人机系统协调地进行主动模式的康复训练.     

康复机器人辅助步行训练对不完全性脊髓损伤患者步行能力的影响

为探讨康复机器人辅助步行训练（Robot-assisted gait training,RAGT）对不完全性脊髓损伤（Incomplete spinal cord injury,ISCI）患者步行能力的影响,将16例ISCI患者随机分配至对照组（常规康复治疗+地面步行训练）及试验组（常规康复治疗+RAGT）.治疗前及治疗4周、8周、12周后,分别进行下肢运动功能评分（Low extremity motor score,LEMS）及脊髓损伤步行指数II（Walking index for spinal cord injury II,WISCI II）评定.治疗后,两组患者LEMS均有提高（P < 0.05）,但试验组LEMS与对照组比较差异无统计学意义（P>0.05）.对照组治疗后各时间点WISCI II均较治疗前改善（P < 0.05）,试验组在治疗8周及12周后WISCI II较治疗前改善（P < 0.05）,但试验组WISCI II在训练12周后较对照组有明显提高（P < 0.05）.RAGT与地面步行训练在提高肌力上比较无明显差异,但在改善步行能力上RAGT优于地面步行训练.     

基于边界层的不确定机器人自适应迭代学习控制

针对不确定的多连杆机械手的跟踪控制问题,提出一种基于边界层的自适应迭代学习控制方法.自适应控制用来估计系统的未知参数的上界,本文主要特征是基于边界层设计自适应迭代学习控制器,避免了传统方法设计控制器的不连续性,削弱抖振现象的同时也提高系统的鲁棒性.理论证明系统所有信号有界,系统误差渐进收敛到边界层邻域内.仿真表明了算法的有效性.     

基于低通滤波器的不确定机器人迭代学习控制

针对不确定机器人系统轨迹跟踪问题,并更好地消除系统不确定性对控制性能的影响,提出一种基于低通滤波器的迭代学习控制方法。采用滑模变结构控制(SMC)以提高控制器对系统干扰和摄动的鲁棒性,并在控制器输出端引入低通滤波器(LPF)来消除滑模控制中出现的抖振现象。将系统的不确定项描述为周期性和非周期性两部分,通过采用迭代学习算法对周期性不确定部分进行迭代学习,采用RBF神经网络对非周期性不确定部分的未知上界进行自适应学习。该控制方法不仅对系统的不确定性和有界外部扰动具有鲁棒性,而且使得整个系统在迭代域中是全局渐近稳定的。严格的理论推导和仿真结果表明了该控制策略的有效性。     

速度受限的全方向康复步行训练机器人Backstepping补偿跟踪控制

全方向康复步行训练机器人需要跟踪医生指定的训练轨迹、针对运动过程中速度过快而影响康复者安全性问题,提出一种基于Backstepping补偿方法的速度受限型控制器设计方案,目的是保证康复者的安全训练.通过限制实际运动速度的幅值,并根据所提出轨迹跟踪误差和速度跟踪误差的实时补偿方法,实现了全方向康复步行训练机器人在安全速度下的轨迹跟踪.基于李亚普诺夫稳定性理论和LaSalle不变性原理,证明了补偿误差系统和跟踪误差系统的渐近稳定性.通过仿真结果对比分析,表明了所提控制器设计方法的有效性和可行性.     

不确定性机器人系统自适应鲁棒迭代学习控制

利用Lyapunov方法, 提出了一种不确定性机器人系统的自适应鲁棒迭代学习控制策略, 整个系统在迭代域里是全局渐近稳定的. 所考虑的机器人系统同时包含了结构和非结构不确定性. 在设计时, 系统的不确定性被分解成可重复性和非重复性两部分, 并考虑了系统的标称模型. 在所提出的控制策略中, 自适应策略用来估算做法确定性的界, 界的修正与迭代学习控制量一样的迭代域得以实现的. 计算机仿真表明本文提出的控制策略是有效的.     

存在环境约束的机器人自适应迭代学习控制

针对存在不确定性和外界干扰的受限机器人系统提出一种自适应迭代学习控制律.不确定性参数被估计在时间域内,同时重复性外界干扰在迭代域内得到补偿.通过引入饱和学习函数,保证了闭环系统所有信号有界.借助Lyapunov复合能量函数法,证明了系统渐进收敛到期望轨迹的同时,能够保证力跟踪误差有界可调.     

基于内模的机器人迭代学习控制

本文根据内模控制的概念，设计一个扰动控制器，使机器人系统表现为固定参数的解耦线性化系统．基于此线性系统，提出了一种迭代学习控制律，给出了算法收敛的充分条件．算法的参数选择非常简单，从而易于满足收敛条件．仿真结果表明了算法的有效性．     

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。     

非参数不确定系统约束迭代学习控制

讨论一类非参数不确定系统的约束迭代学习控制问题.构造二次分式型障碍李雅普诺夫函数(Barrier Lyapunov functions),用于学习控制器设计.控制方案采用鲁棒方法与学习机制相结合的手段处理非参数不确定性,鲁棒方法对处理后的不确定性的界予以补偿,学习机制对处理后的不确定性进行估计.可实现系统状态在整个作业区间上完全跟踪参考轨迹,并使得系统误差的二次型在迭代过程中囿于预设的界内,进而在运行过程中实现状态约束.提出的迭代学习算法包括部分限幅与完全限幅学习算法.采用这种BLF约束控制系统有利于提高控制系统中设备安全性.仿真结果用于验证所提出控制方法的有效性.     

Redundant Input Safety Tracking for Omnidirectional Rehabilitative Training Walker with Control Constraints

This study proposes a nonlinear safety tracking method based on redundant degrees of freedom with control constraints to protect against actuator faults that may occur in robotic rehabilitative walkers. A redundant input model with uniform actuator faults is constructed by separating the corresponding columns of the control matrix, and an adaptive robust control method is presented to deal with the separated term that is considered in relation to the extrinsic bounded interference that occurs on robotic walker systems. Based on the backstepping technique, an adjustable control law can be designed to maintain stability in terms of solving linear matrix inequality. The trajectory tracking error performance and the velocity tracking error performance are derived simultaneously. As an application, simulation results confirm the effectiveness of the proposed method and verify that the walker can provide safe sequential motions even when one wheel actuator fails.     

注塑机注射速度的零相位滤波迭代学习控制

针对注射速度控制,设计了一种基于零相位滤波迭代学习的前馈反馈控制方法．该控制算法中的前馈部分采用迭代学习控制,利用以往批次信息实现精确跟踪;反馈部分采用比例控制,用于克服当前批次扰动．为了消除学习算法应用时出现的坏学习瞬态,这里先推导出所提控制算法在频域下的收敛条件,再给出基于零相位滤波的单调递减学习瞬态.经实验验证,这种方法可以使学习控制具有单调递减的学习瞬态曲线,并能很好地满足实际的注射控制要求．     

注塑机注射速度的模型预测迭代学习控制

针对注射过程具有重复运行和非线性的特性,在对预测控制与迭代学习控制进行综合应用并加以改进的基础上,给出一种模型预测迭代学习复合控制新算法,研究了控制器的设计方案.同时,将迭代学习思想引入到预测步长的在线调整,提出了预测步长的迭代学习方法.仿真结果表明,该方法是有效的,其控制性能优于PID迭代学习控制系统.     

基于迭代学习控制的鳗鱼机器人切向速度跟踪控制

鳗鱼机器人的动力学模型非线性强、高度欠驱动,导致多关节鳗鱼机器人的切向速度跟踪控制极具挑战．本文采用P型迭代学习控制与步态生成器相结合的方法对多关节鳗鱼机器人的切向速度进行跟踪控制．首先,采用解析牛顿-欧拉法建立非惯性系下的鳗鱼机器人动力学模型,直接获得切向速度子动力学模型;然后,利用带饱和函数的P型迭代学习控制器控制步态参数,并且利用复合能量函数和切向速度子动力学模型分析该控制器的收敛性,得到切向速度跟踪误差的收敛条件;最后,提出鳗鱼机器人的运动控制框架,并对多模块的鳗鱼机器人进行仿真和实验．实验结果表明,实际的切向速度随着迭代次数的增加而逐渐跟踪上了期望的切向速度,故而验证了鳗鱼机器人切向速度跟踪控制器的有效性．     

Normalized Learning Rule for Iterative Learning Control

International Journal of Control, Automation and Systems - The iterative learning control (ILC) is attractive for its simple structure, easy implementation. So the ILC is applied to various fields....     

Double Iterative Compensation Learning Control for Active Training of Upper Limb Rehabilitation Robot

International Journal of Control, Automation and Systems - In this paper, the problem of non parametric uncertainty in the active training stage of stroke patients is discussed. On the basis of the...     

非参数不确定系统的有限时间迭代学习控制

针对任意初态情形,引入初始修正作用,研究一类非参数不确定时变系统能够达到实际完全跟踪性能的迭代学习控制方法. 采用Lyapunov-like综合,设计迭代学习控制器处理不确定性时变系统非参数化问题,其中含有有限时间控制作用,以实现在预先指定区间上的零误差跟踪. 并且,运用完全限幅学习机制,保证闭环系统中各变量的一致有界性以及跟踪误差的一致收敛性. 仿真结果表明了所提出控制方法的有效性.     

宇航员康复训练机器人自抗扰力控制

为帮助宇航员在失重环境中进行卧推训练,提出了一种基于并联柔索驱动机构的宇航员康复训练机器人.针对系统内部和外部扰动都比较大的问题,在对单个柔索驱动单元进行动力学分析的基础上,提出了基于自抗扰控制技术的宇航员康复训练机器人力控制器.为了验证自抗扰控制器的性能,通过与PID控制对比,进行了仿真实验.实验结果表明:该控制器具有良好的动、静态性能,抗干扰能力强,对内部参数变化具有很强的鲁棒性.