基于模糊控制的上肢康复机器人变导纳控制

传统固定参数的导纳模型无法对上肢康复机器人的柔顺性实时调节,而现有变参数导纳模型需要结合实际康复需求进行改善。为此,以自主研发的串并混联的末端牵引式上肢康复机器人为研究对象,结合模糊控制与导纳控制,提出了一种面向实际康复需求的新型变导纳控制策略,制定了4条有利于康复效率与安全的模糊规则。该策略利用交互力误差及其变化率作为模糊控制输入,实时改变导纳模型的参数,实现柔顺性自主调节。仿真和实验结果验证了所提出的变导纳模型控制策略可行性和所制定的4条模糊规则的有效性。在患者可适应训练强度的场景中,相较于固定导纳模型,变导纳模型追踪给定路径时产生的冗余路径最多可降低56.13%,提高了康复训练效率;当康复运动超出患者可承受范围时,变导纳模型可提前0.5 s改变追踪路径,提高了康复的安全性。     

基于阻抗模型的卧式康复机器人柔顺控制

为满足脑卒中患者早期卧床康复需求,结合临床康复手法与人机工程学,设计了一款卧式康复机器人。该卧式康复机器人可以提供单腿屈髋屈膝运动、卧式步态运动、桥式运动等多种有效的康复动作。为确保训练的安全性以及改善在训练过程中由人机交互作用带来的舒适度和柔顺性差等问题,采用一种基于阻抗模型的柔顺控制方法。将人与机器人之间的交互视为一种虚拟的阻抗模型,即二阶质量-弹簧-阻尼模型,并基于该阻抗模型进行康复机器人的柔顺控制研究。该柔顺控制策略由外环阻抗控制器和内环PID控制器组成,外环的阻抗控制器通过将人机交互力作用在阻抗模型上,实现根据人体意图对运动轨迹进行改变,而内环的PID控制器主要实现对生成的期望轨迹进行稳定跟踪。通过实验证明了基于阻抗模型的卧式康复机器人柔顺控制的有效性。     

六自由度装配机器人的动态柔顺性控制

为了提升工业机器人装配的精确性与柔顺性,提出适合工业六自由度装配机器人的动态柔顺性控制策略,使之不仅能够实现快速高精度的参考轨迹跟踪,而且能够动态地切换到工件装配时的接触力控制,并能够保持良好的柔顺性接触力.构建机器人关节空间的标准动力学模型,并变换到末端执行器操作空间,获得操作空间的动态特性.给出该控制策略,主要包含参考轨迹给定模块、内环的轨迹跟踪控制器以及动力学参数辨识模块等.采用滑模算法设计轨迹跟踪控制器;采用阻抗滤波器,生成装配作业时末端执行器的期望运动轨迹;采用sigmoid函数设计轨迹跟踪与接触力控制的判别模块;采用最小二乘算法,设计动力学参数辨识模块.采用Lyapunov函数证明了该控制策略的大范围渐进稳定性和收敛性.基于装配实验台上进行现场装配和动态轨迹跟踪的对比性仿真实验研究.仿真实验结果表明：与典型的比例微分（PD）控制相比,动态柔顺性控制能够在较宽广的范围内实现更精确的空间轨迹跟踪和接触力柔性控制,平均相对误差可以有效地控制在-4%到+4%之内.     

基于模仿学习的变刚度人机协作搬运控制

针对人-机器人协作搬运,现有的控制策略难以同时保证搬运过程的柔顺性和搬运终点位置的精确性,而且对不同搬运任务适应性不够. 基于模仿学习提出变刚度协作搬运控制策略. 使用任务参数化的高斯混合模型(TP-GMM)对多次搬运示教数据进行编码,学习不同搬运工况下的搬运轨迹概率模型;结合导纳控制建立机械臂末端变刚度交互模型,实现柔性搬运操作,并基于交互力阈值实现不同搬运任务的切换;搭建协作搬运平台进行实验验证. 实验结果表明,提出的策略在实现柔性协作搬运的同时将特定搬运任务的终点位置精度提高到1.9 mm,且保证了特定搬运任务中机械臂末端在期望区域内运动以及搬运任务的切换.     

无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法

为了解决工业机器人打磨的作业柔顺性不足问题，设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题，提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工具与工件的接触状态预测曲面法线方向，以有向进给平面与曲面切平面的截交线作为进给导向，自适应在线预测机器人打磨系统末端执行器的位姿，使末端执行器主轴轴线实时主动跟踪曲面法线，实现对无先验模型曲面工件的机器人打磨轨迹的主动自适应在线预测.通过仿真分析和实验验证了所提出方法的有效性，最大综合位置预测误差与曲面法线跟踪误差分别为0.506 mm和4.912°.所提出方法可以为无先验模型曲面工件的机器人打磨提供在线轨迹预测.     

基于Kinect的机器人辅助上肢被动康复训练控制方法

现有基于Kinect构建的康复训练系统,大多以患者自行开展主动康复训练为主,未能充分利用康复医师的临床经验且很少用于机器人辅助康复训练系统,具有一定的局限.针对此问题,提出一种基于Kinect的机器人辅助上肢被动康复训练方法.首先,开展基于Kinect的上肢骨骼点跟踪与逆运动学计算;其次,基于Linux/QT及Kinect设计三维虚拟康复训练环境;再次,在康复医师示教训练任务并通过Kinect获取示教任务参考轨迹基础上,根据训练过程中Kinect实时捕获的患肢运动位置反馈,设计基于模糊推理的机器人辅助被动康复训练控制器;最后,基于Kinect及Barrett公司4自由度WAM~(TM)康复机器人构建试验统平台,对方法有效性进行试验验证.实验结果表明,所提方法能有效利用医师的临床康复经验,并使机器人较平稳地牵引受试者上肢沿示教任务轨迹进行训练,较好地实现了"医师—机器人—患者"之间的人机协同康复训练.     

工业机器人CP运动指令的设计与实现

在工业机器人运动控制中,加速度影响机器人运动轨迹的柔顺度,优化加速度可以减少轨迹跟踪误差,减少执行器和机械结构的负担.采用六自由度关节型机器人,设计基于加速度优化的直线插补运动和圆弧插补运动CP指令算法,再设计工业机器人直线与直线间以及直线与圆弧间具有光滑过渡的CP指令算法,最后基于设计的算法开发工业机器人控制仿真系统并进行验证.结果表明:所设计的CP指令满足工业机器人的运动控制要求,提高工业机器人运动控制的柔顺性.     

基于集成概率模型的变阻抗机器人打磨力控制

工业机器人对工件柔顺打磨作业的适应性差，为此设计机器人柔顺浮动力控末端执行器，基于集成贝叶斯神经网络模型的强化学习，提出主动自适应变阻抗的机器人打磨力控制方法.所提方法根据打磨作业的接触环境信息，利用自助法获取小量数据的多次采样样本，训练集成贝叶斯神经网络模型以描述机器人打磨系统与工况环境交互作用，采用协方差矩阵自适应进化策略（CMA-ES）求解最优阻抗参数.构建机器人打磨系统虚拟样机平台，开展叶片工件的打磨仿真实验，验证所提方法的有效性.实验结果表明，所提方法在十几次训练后，能够将打磨力的绝对跟踪误差减小至较小值，较好地实现了机器人打磨系统的主动自适应变阻抗打磨力控制，提高了机器人打磨力控制的柔顺性和鲁棒性.     

基于切换增益调节的神经滑模控制的机器人位置跟踪

针对机器人的位置轨迹跟踪问题,提出一种基于切换增益调节的神经网络滑模控制方法。首先设计基于机器人位置的滑模控制器模块,然后通过神经网络来调节滑模控制器中的切换增益,使得切换增益能随着外界干扰作用等不确定项的改变而改变,从而能实时地估计切换增益,解决传统滑模控制中的抖振问题,最后,以双臂机器人为对象,采用MATLAB仿真软件对该控制算法进行了验证。结果表明,与传统的滑模控制相比较,该方法能使机器人更好地跟踪期望的位置轨迹,并有效地减轻了抖振。     

基于柔顺控制的机器人装配技术

针对复杂接触环境下机器人柔顺装配困难的问题,提出了一种基于受力信息精准获取与改进力/位混合控制算法的柔顺装配方法.在对机器人末端力传感器进行零点补偿及负载重力补偿后,通过矩阵变换实时计算出装配接触点处机器人末端执行器的真实受力,并在力控制过程中让机器人的运动遵循双曲正切速度-力关系.实验结果表明,机器人在装配过程中并未发生明显的抖动,所提算法具有良好的柔顺装配效果.     

WAM机器人辅助上肢康复训练技术应用研究

运用WAM机器人辅助偏瘫上肢进行康复训练,从机器人运动参数和传统医学评估方法两方面分析验证康复训练的有效性.基于WAM机器人搭建实验平台,设计"十"字和"米"字康复训练方式,添加趣味性游戏,招募上肢偏瘫患者跟踪进行康复训练与评估.采集WAM机器人的轨迹和转矩信息,分析康复训练前后轨迹跟踪误差和转矩变化,评价患肢的运动功...     

上肢康复外骨骼机器人控制方法进展研究

上肢康复外骨骼机器人主要用于为上肢运动功能障碍患者提供科学有效的康复训练,以实现患肢运动功能恢复及日常生活自理。该文从控制策略的角度综述了近年来上肢康复外骨骼机器人的研究进展。首先,从不同时期的康复治疗需求的角度出发,对已有的控制策略进行主动、被动控制分类,并对不同的控制方法进行概述,分析了各控制方法的当前研究现状。最后,对上肢康复外骨骼机器人发展中一些关键的挑战进行讨论并展望了未来的研究方向。     

知识继承型迭代学习控制的研究与应用

针对一类具有同质特征的多维轨迹群,提出基于知识继承的迭代学习控制（ILC）策略. 该策略以一类工业机器人系统为控制对象,在跟踪具有渐变幅值的同质轨迹群（HTG）时,应用迭代学习控制方法,从起始源轨迹中获得基准控制知识. 将基准控制知识预设为下一新轨迹迭代学习的首次运行知识. 通过增益变换和偏移变换实现迭代学习控制的知识继承,使得该类工业机器人系统加快对新轨迹的学习速度,以此降低跟踪同质轨迹群的整体学习次数,实现跟踪效率的较大提升. 理论分析和仿真结果证明了所提控制策略的优越性.     

轮式移动机器人快速轨迹跟踪

为了克服轮式移动机器人响应能力的有限性、保证轮式移动机器人快速跟踪给定的参考轨迹,本文充分利用预演信息(即提前获取的将来参考信息),设计预演控制策略、调节轮式移动机器人的驱动电压来控制机器人,使其快速跟踪给定的参考轨迹.首先,针对运动学模型设计虚拟控制器以保证轮式移动机器人能够渐近跟踪给定的参考轨迹.其次,建立了虚拟控制器的离散时间线性状态空间模型.再次,基于轮式移动机器人的动力学模型和虚拟控制器的线性模型,将轨迹跟踪控制问题等价转化成一个具有已知输入的线性二次调节问题.最后,基于Riccati方程的解,给出了最优预演控制策略的反馈增益.事实上,本文所提出的为虚拟控制器建立线性状态空间模型的方法适用于任意离散信息,这极大地方便了信息的处理与提前使用;另一方面,由于提前使用了参考信息,本文所提的预演控制策略能够快速地跟踪给定的参考轨迹.仿真实验以类正弦曲线为参考轨迹进行跟踪,结果表明:所提控制策略能使轮式移动机器人的速度与轨迹跟踪误差快速地趋于零,验证了所提预演控制算法的有效性.     

基于自适应终端滑模控制器的机械手跟踪控制

针对具有不确定性的机械手轨迹跟踪控制问题,提出一种自适应二阶终端滑模控制器设计方法。设计一类非线性不确定系统的自适应二阶终端滑模算法,使得不连续符号函数包含在控制微分项,实际控制作用连续;采用自适应律克服不确定性上界未知问题,基于Lyapunov方法证明系统稳定性;针对机械手轨迹跟踪问题,基于所提出控制方法设计机械手自适应终端滑模控制方案;通过对双关节机械手轨迹跟踪仿真研究,验证所提出控制策略的有效性。     

基于下肢病情估计的康复机器人自适应阻抗控制

针对康复患肢的病情变化,提出了一种自适应阻抗控制方法。在患肢康复过程中,患肢的病情是进行康复训练的基础。首先采用周期参数来估计患肢病情,然后建立以符合生理学特征的标准函数为基础的轨迹参数,采用超代遗传算法,对下肢轨迹参数和阻抗参数优化,接着设计了自适应阻抗控制器,最后进行仿真实验,通过与传统方法比较,结果验证了超代遗传算法的有效性。     

全方向康复步行训练机器人的跟踪控制

针对全方向康复步行训练机器人在跟踪运动过程中x轴、y轴和方向角各轨迹之间存在强耦合的问题,提出了速度跟踪控制器设计方法,从而使全方向康复步行训练机器人能同时实现各个方向理想的跟踪效果.在全方向康复步行训练机器人动力学模型和运动学模型的基础上,采用输入-输出线性化方法,通过模型解析推导出四轮转速与其驱动力间的解耦状态方程,设计速度跟踪控制器,实现速度的解耦控制.将速度控制器与非线性反馈控制律相结合,可以实现对运动轨迹的跟踪.仿真实验表明,本文方法具有一定的有效性,解决了传统跟踪过程中不能同时实现运动速度和运动轨迹跟踪的问题.     

图卷积神经网络行人轨迹预测算法

针对行人轨迹预测任务中行人间的交互模式难以被有效构建的问题,提出了一种基于图卷积神经网络的算法TP-GCN来建立行人交互模型并进行轨迹预测.首先对行人的轨迹序列使用长短期记忆网络提取轨迹运动特征;随后将行人视为图结构中的顶点,创建表示相互关系的邻接矩阵,并根据视觉盲区范围筛除无关顶点间的连接权重;然后对于轨迹运动特征,...     

GA优化的RBF神经网络外骨骼灵敏度放大控制

为改善外骨骼机器人灵敏度放大控制(SAC)性能,结合遗传算法(GA)与径向基函数(RBF)神经网络建立在线计算外骨骼机器人的精确动力学模型.用GA优化RBF神经网络的中心矢量与基宽度,并对RBF网络的权值实时更新,在线学习外骨骼机器人动力学模型中的参数矩阵,进一步推导出SAC控制律.仿真结果表明:GA优化后的RBF网络,可以在线学习外骨骼的动力学模型,基于该模型的SAC能够实现精确的人体轨迹跟踪,相比于优化前,人体轨迹跟踪误差以及人机交互信息会快速减小并收敛到0的微小邻域内,可实现人机协调运动.