一种上肢训练机器人自适应控制方法技术

本发明专利技术公开了一种上肢训练机器人自适应控制方法，所述方法包括:对上肢训练机器人进行动力学建模，获得动力学模型，并对所述动力学模型进行参数辨识，获得动力学模型的参数；对上肢训练机器人进行被动、助动、主动三种模式设计；对获得的动力学模型的参数进行逆动力学前馈补偿加PD控制器反馈补偿控制策略作为被动模式控制策略；使用可变刚度能量域控制策略作为助动模式控制策略；使用零力控制策略作为主动模式控制策略；根据上肢训练机器人收到的输入信号通过模糊规则进行自适应调整辅助力大小；当所述训练机器人收到的交互信息满足各模式切换准则时，训练机器人可以根据使用者的训练状态自适应地切换控制策略。的训练状态自适应地切换控制策略。的训练状态自适应地切换控制策略。

【技术实现步骤摘要】
一种上肢训练机器人自适应控制方法


[0001]本专利技术涉及机器人控制
，尤其涉及一种上肢训练机器人自适应控制的相关方法。

技术介绍

[0002]最新报告显示，我国需要提高上肢运动功能的人数日益增多，并将是一个长期趋势。一定强度的重复性训练可以增加上肢的运动能力，但是由于专业人士的短缺，机器人上肢训练控制方法被大量研究。机器人辅助上肢训练更为密集，持续时间更长，重复性更强。使用机器人，可以增加训练课程的数量和持续时间，降低人员成本。
[0003]目前已有多种控制策略，例如通过预先设定好的轨迹，使用PID控制器和非线性控制器等等进行轨迹跟踪，从而引导使用者进行训练。然而，这种单一的训练模式不能发挥使用者的主管能动性，从而导致训练效果不好。传统的固定阻抗控制器也不能完全满足不同使用者的需求。同时，手动调整阻抗参数通常会导致耗时和不方便的过程。目前缺少能够自适应调整训练模式并提供不同的辅助力的控制策略，因此开发一种上肢训练机器人自适应控制方法是非常有必要的。

技术实现思路

[0004]本专利技术提供了一种基于任务表现/冲量评估的上肢训练机器人自适应控制方法，控制器能够准确的评估使用者的运动能力，在训练过程中提供最小的干预，以最大限度地提高使用者的参与度。
[0005]一种上肢训练机器人自适应控制方法，包括以下步骤：
[0006]对上肢训练机器人进行动力学建模，获得动力学模型，并对所述动力学模型进行参数辨识，获得动力学模型的参数；
[0007]对上肢训练机器人进行被动、助动、主动三种模式设计；
[0008]对获得的动力学模型的参数进行逆动力学前馈补偿加PD控制器反馈补偿控制策略作为被动模式控制策略；
[0009]使用可变刚度能量域控制策略作为助动模式控制策略；
[0010]使用零力控制策略作为主动模式控制策略；
[0011]根据上肢训练机器人收到的输入信号进行自适应模式切换；
[0012]所述对上肢训练机器人进行被动、助动、主动三种模式设计：
[0013]被动模式：
[0014]被动模式采用机器人逆动力学前馈补偿加PD控制器反馈补偿进行期望轨迹的跟踪，此模式下由机器人主导控制运动；
[0015]助动模式：
[0016]助动模式下关节空间中机器人的动力学方程描述如下公式：
[0017][0018]式中，q∈R
n
×1是关节角度，表示对q的微分，表示对q的二次微分，M∈R
n
×
n
表示惯性矩阵,C∈R
n
×
n
表示向心力和科里奥利矩阵，G∈R
n
表示重力矩阵，f∈R
n
表示摩擦力矩阵，τ∈R
n
表示执行器输出力矩中，J表示雅可比矩阵，T表示矩阵转置，表示所设计能量域的梯度，表示阻尼力，F
ext
∈R
n
表示被试施在机械臂末端产生的接触力；
[0019]主动模式：
[0020]主动模式下机器人采用提供重力补偿和摩擦力补偿的零力控制策略；
[0021]所述对助动模式进行能量域设计，模型表示为：
[0022][0023]式中φ
i
(p)表示能量元，是一个常数标量，表示采样点的位置，p表示当前位置，T表示矩阵转置，K表示能量域刚度系数，N表示采样点个数。
[0024]利用高斯核函数计算p点能量的N个采样点的权重值:
[0025][0026]式中，σ
i
是控制每个能量元素影响区域的平滑参数。
[0027]定义归一化权重
[0028][0029]点p的总能量:
[0030][0031]能量域梯度:
[0032][0033]所述根据模糊规则自适应改变能量域刚度：
[0034]机器人将收到的输入信号作为模糊推理系统的输入，模糊集的隶属度函数由5个三角形函数定义，将每个输入的模糊集命名为极小(VS)、小(S)、中(M)、大(B)和极大(VB)，将输出语言变量的模糊集命名为零(ZO)、正小(PS)、正中(PM)和正大(PB)。模糊推理系统主要包括模糊化、基于规则库的模糊推理和去模糊化三个阶段，经过这三个阶段后，通过使用缩放因子，将输出的能量域刚度K缩放到[0,12]。
[0035]当所述训练机器人收到的输入信号被动模式向助动模式切换准则时，从所述逆动力学前馈补偿加PD控制器反馈补偿控制策略切换至所述可变刚度能量域控制控制策略包括：
[0036]获取机械臂末端力传感器的数值，根据力传感器数值计算一定时间内的冲量，当冲量大于所设定的阈值时，从所述逆动力学前馈补偿加PD控制器反馈补偿控制策略切换至
所述可变刚度能量域控制控制策略。
[0037]所述训练机器人受到的输入信号助动模式向被动模式切换准则时，从所述可变刚度能量域控制控制策略切换至所述逆动力学前馈补偿加PD控制器反馈补偿控制策略包括：
[0038]获取机械臂末端点在一定时间内的位置信息数据集，计算数据集中的中心点和偏离中心点最远的点，当所述偏离中心点最远的点和所述中心点的距离小于所设定的阈值时，从所述可变刚度能量域控制控制策略切换至所述逆动力学前馈补偿加PD控制器反馈补偿控制策略。
[0039]与现有技术相比，本专利技术具有如下优点：
[0040]本专利技术对机器人动力学进行参数辨识后，一定程度上克服了机器人的非线性时变特性，有效提高机器人的动态控制品质。采用了模糊规则计算能量域刚度系数K，可以使机器人自适应的调整辅助力大小。设计了被动、助动、主动三种训练模式，并且可以根据机器人获取到的信号进行不同模式的切换，以实现训练机器人控制策略的自适应切换。
附图说明
[0041]图1为机器人被动模式控制框图；
[0042]图2为机器人助动模式控制框图；
[0043]图3为模糊推理流程图；
[0044]图4为模糊集输入和输出的隶属函数；
[0045]图5为模糊规则的输入/输出曲面图；
[0046]图6为模式切换准则流程图。
具体实施方式
[0047]一种上肢训练机器人自适应控制方法，包括：
[0048]对上肢训练机器人进行动力学建模，获得动力学模型，并对所述动力学模型进行参数辨识，获得动力学模型的参数；
[0049]对上肢训练机器人进行被动、助动、主动三种模式设计；
[0050]对获得的动力学模型的参数进行逆动力学前馈补偿加PD控制器反馈补偿控制策略作为被动模式控制策略；
[0051]使用可变刚度能量域控制策略作为助动模式控制策略；
[0052]使用零力控制策略作为主动模式控制策略；
[0053]根据上肢训练机器人收到的输入信号进行自适应模式切换；
[0054](1)对上肢训练机器人进行动力学建模，获得动力学模型，并对所述动力学模型进行参数辨识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种上肢训练机器人自适应控制方法，其特征在于，包括以下步骤：对上肢训练机器人进行动力学建模，获得动力学模型，并对所述动力学模型进行参数辨识，获得动力学模型的参数；对上肢训练机器人进行被动、助动、主动三种模式设计；对获得的动力学模型的参数进行逆动力学前馈补偿加PD控制器反馈补偿控制策略作为被动模式控制策略；使用可变刚度能量域控制策略作为助动模式控制策略；使用零力控制策略作为主动模式控制策略；根据上肢训练机器人收到的输入信号进行自适应模式切换。2.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，所述被动模式采用机器人逆动力学前馈补偿加PD控制器反馈补偿进行期望轨迹的跟踪，此模式下由机器人主导控制运动。3.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，所述的助动模式下关节空间中机器人的动力学方程描述如下公式：式中，q∈R
n
×1是关节角度，表示对q的微分，表示对q的二次微分，M∈R
n
×
n
表示惯性矩阵,C∈R
n
×
n
表示向心力和科里奥利矩阵，G∈R
n
表示重力矩阵，f∈R
n
表示摩擦力矩阵，τ∈R
n
表示执行器输出力矩，J表示雅可比矩阵，T表示矩阵转置，表示所设计能量域的梯度，表示阻尼力，F
ext
∈R
n
表示被试施在机械臂末端产生的接触力。4.根据权利要求1所述的上肢训练机器人自适应控制方法，其特征在于，所述的零力控制策略包括重力补偿和摩擦力补偿。5.根据权利要求3所述的上肢训练机器人自适应控制方法，其特征在于，设计能量域的梯度采用的模型表示为：式中φ
i
(p)表示能量元，是一个常数标量，表示采样点的位置，p表示当前位置，T表示矩阵转置，K表示能量域刚度系数，N表示采样点个数；利用高斯核函数计算p点能量的N个采样点的权重值:式中，σ
i
是控制每个能量元素影响区域的平滑参数；定义归一化权重定义归一化...

【专利技术属性】
技术研发人员：胡阳，刘云峰，孟京艳，赵大正，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：