【技术实现步骤摘要】
本专利技术属于机器人系统控制，具体为一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法。
技术介绍
1、外骨骼机器人作为一种可穿戴装置，可为穿戴者提供力量支持与运动辅助，被广泛应用于肢体运动功能康复训练场景，并在智能康复领域发挥重要作用。
2、在穿戴者使用外骨骼进行康复训练中，存在患者与机器人多个关节高度紧耦合，进而产生多点人机物理交互问题，给人机运动协同控制和康复训练效果带来挑战。现有阻抗控制方法研究通常只关注机器人末端执行器的单交互点情况，没有实现对多点人机交互进行建模与相应的协同控制设计。同时，一些传统的外骨骼阻抗控制的阻抗参数通常人为设定，忽略了不同患者运动能力的差异性，无法满足对患者需求的个性化适配。
3、针对上述情况，近年来，一些基于学习的智能控制技术得到广泛研究以提高控制器对环境的自适应性，但神经网络的权重更新策略多采用梯度下降法，该方法依赖于苛刻的持续激励(pe)条件，不利于工程应用中的实现。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，以解决上述现有技术中存在的技术问题。
2、为了解决上述问题，本专利技术采用如下的技术方案：
3、一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，包括以下步骤：
4、步骤1、建立基于动力学模型、针对机器人的单点交互环境动力学模型、以及单点期望阻抗模型；所述动力学模型为基于欧拉-拉格朗日模型建立的柔性外骨骼系统
5、步骤2、基于单点交互环境动力学模型和期望模型，将原机器人系统的最优阻抗参数问题转换为线性二次最优调节器(lqr)问题并求解，得到针对多点人机交互问题的最优阻抗模型；
6、步骤3、基于针步骤2所得的最优阻抗模型和机器人实际运动控制信息定义过程变量，引入过程变量至机器人动力学模型中，将针对原机器人系统的阻抗控制问题转换为非线性系统的最优控制问题；
7、步骤4、设置用于系统性能评估的代价函数，利用hamilton函数和bellman最优性原理对代价函数进行求解，得到用于解决非线性系统最优控制问题的哈密顿-雅可比-贝尔曼方程(hjb)方程；
8、步骤5、设计基于评价(critic)神经网络的智能学习控制器，以动态回归扩展与混合(drem)方法作为评价神经网络的权重收敛策略，求解步骤3中提出的哈密顿-雅可比-贝尔曼方程(hjb)方程，从而完成多点交互外骨骼自适应阻抗控制。
9、进一步的，所述步骤1的实现方法为：
10、步骤1.1、基于动力学模型和针对机器人的单点交互环境动力学模型建立单点期望阻抗模型；
11、所述机器人系统的动力学模型为:
12、
13、其中，q∈rn表示机器人在关节空间中的角度，表示机器人在关节空间中的角速度，机器人在关节空间中角加速度，n表示机器人自由度，m(q)∈rn×n表示惯性矩阵，表示离心科里奥利力矩阵，g(q)∈rn×n表示重力矩阵，τ∈rn是控制输入扭矩，τd∈rn是外界扭矩；
14、所述针对机器人的单点交互环境动力学模型为：
15、
16、在笛卡尔空间中，i表示第i个点：其中，me,i∈rn×n表示环境的惯性，ce,i∈rn×n表示阻尼，ge,i∈rn×n表示刚度阻抗值，xi∈rn为该点的实际位置，为该点的速度，为该点的加速度，而me,i∈rn×n,ce,i∈rn×n,ge,i∈rn×n分别为人机交互环境的惯性、阻尼和刚度阻抗值，fi为该点与环境的相互作用力。
17、建立单点期望阻抗模型为：
18、
19、其中，md,i∈rn×n表示期望的惯性，cd,i∈rn×n表示期望阻尼，gd,i∈rn×n表示期望的刚度阻抗值。
20、进一步的，所述步骤2的实现方法为：
21、步骤2.1、将原机器人系统的最优阻抗参数问题转换为线性二次最优调节器(lqr)问题：
22、假定md,i已经给出，令为包含该点位置和速度信息的状态向量、为ξi的导数、非惯性力则根据单点期望阻抗模型和单点交互环境动力学模型得到如下公式：
23、
24、其中，md,i为人为设定的参数；in其表示n阶单位矩阵；
25、定义需要优化的指标如下：
26、
27、其中，t0为当前时刻，ri、qi为设定的常系数且都为正定矩阵
28、将fi'作为单点交互环境动力学模型的“控制输入”，以将最优阻抗参数问题转换为线性二次最优调节器(lqr)问题。
29、步骤2.2、求解lqr问题：
30、黎卡提方程的简化形式为：
31、采用黎卡提方程求解lqr问题获得最优解如下：
32、
33、其中，pi为方程的解；pi,3与pi,4为pi分块矩阵中的一部分；
34、将代入中，得到：
35、
36、根据非惯性力公式得到单点的每个阻抗阻抗参数的最优解cd,i：
37、
38、至此，获得了机器人与人接触的每个等效点的单点最优阻抗模型。
39、步骤2.3、将每个等效点的单点最优阻抗模型转换到关节空间并解决过耦合问题：
40、采用运动学逆解公式求解出单点在关节空间中的最优阻抗：
41、
42、其中,φi(q)为机器人第i点的运动学解，而ji(q)为雅可比矩阵；
43、为解决关节空间中的多点阻抗过耦合问题，定义多交互点系统优化指标为：
44、
45、其中，j(m)、j(c)、j(g)分别为关节空间解决过耦合问题的惯性、阻尼、刚度值的优化指标；ai为设定的第i点的重要程度，若ai越大，则关节空间的最优阻抗更接近于第i个点在关节空间中的理想阻抗；
46、根据单点在关节空间中的最优阻抗，求解j(m)、j(c)和j(g)，得到其在关节空间中的最优阻抗参数从而得到关于机器人系统关节空间点的理想阻抗模型即针对多点人机交互问题的最优阻抗模型。
47、进一步的，所述步骤3的实现方法为：
48、步骤3.1、机器人系统与理想阻抗模型之间的误差公式为：
49、
50、定义过程变量z和qr；
51、
52、其中，λ、γ均为设定的辅助矩阵，且λ、γ满足条件为τl为滤波扭矩，τl的计算公式为：
53、步骤3.2、将过程变量作为误差引入机器人动力学模型中，得到如下模型公式：
54、
55、其中qr为引入的过程变量，其导数为二阶导为由过量变量z和qr计算得到；
56、步骤3.3、设计控制器τ，该控制器表达如下：
本文档来自技高网...
【技术保护点】
1.一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，包括以下步骤：
2.根据权利要求1一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于：
3.根据权利要求2所述的一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于，所述步骤2的实现方法如下：步骤2.1、将原机器人系统的最优阻抗参数问题转换为线性二次最优调节器问题：
4.根据权利要求3一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于，所述步骤3的实现方法如下：
5.根据权利要求4一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于，所述步骤4的实现方法如下：
6.根据权利要求5所述的一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于，所述步骤5的实现方法如下：
【技术特征摘要】
1.一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，包括以下步骤：
2.根据权利要求1一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于：
3.根据权利要求2所述的一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，其特征在于，所述步骤2的实现方法如下：步骤2.1、将原机器人系统的最优阻抗参数问题转换为线性二次最优调节器问题：<...
【专利技术属性】
技术研发人员：彭知南，张兴宇，况逸群，李文江，程洪，郭新凯，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。