基于无模型自适应的外骨骼式上肢康复机器人主动交互训练控制方法

设计了一种基于无模型自适应的外骨骼式上肢康复机器人主动交互训练控制方法.在机器人与人体上肢接触面安装力传感器采集人机交互力矩信息作为量化的主动运动意图,设计了一种无模型自适应滤波算法使交互力矩变得平滑而连贯;以人机交互力矩为输入,综合考虑机器人末端点与参考轨迹的相对位置和补偿力的信息,设计了人机交互阻抗控制器,用于调节各关节的给定目标速度;设计了将无模型自适应与离散滑模趋近律相结合的速度控制器完成机器人各关节对目标速度的跟踪.仿真结果表明,该控制方法可以实现外骨骼式上肢康复机器人辅助患者完成主动交互训练的功能.通过调节人机交互阻抗控制器的相应参数,机器人可以按照患者的运动意图完成不同的主动交互训练任务,并在运动出现偏差时予以矫正.控制器在设计实现过程中不要求复杂准确的动力学建模和参数识别,并有一定的抗干扰性和通用性.     

基于变阻抗补偿的上肢康复机器人人机交互方法研究

针对偏瘫患者在进行康复训练过程中不能很好地主动参入并且康复任务表现能力低的问题，提出了一种基于变阻抗补偿的上肢康复机器人人机交互方法。该方法可以提高康复过程中的柔顺性和任务表现。首先介绍了上肢康复机器人的基本结构，并对其进行运动学分析；再介绍了导纳控制和阻抗补偿控制系统框架；之后通过受试者的交互力和交互力变化速率建立出受试者的运动意图，在根据运动意图来实时调整阻抗补偿参数改变系统的柔顺性；最后通过三种不同的模式进行轨迹跟踪和到达目标点的实验比较，结果表明所提出的控制算法可以适应受试者的运动意图，提高任务表现。     

基于模糊逻辑的上肢康复机器人阻抗控制实验研究

针对机器人辅助患肢主动康复训练过程中辅助力／阻力不能随患肢病情实时调整的问题,提出了一种 新的模糊自适应阻抗力控制方法．该方法实时检测患肢与机器人之间的相互作用力,并进一步运用辨识算法实时估 计出患肢的病情状态;然后运用模糊阻抗控制器对两者之间的相互作用力进行实时调整,使得在患肢主动能力不 足时提供一定的辅助,而在其有能力完成动作时,实时调整阻力实现肌力训练．实验结果表明了该控制方法的有效 性．     

五自由度上肢康复机器人动力学建模及仿真

分析了五自由度上肢康复机器人的系统结构,构建出新的系统简化模型,并利用拉格朗日动力学法建立康复机器人简化动力学方程,提出了一类机器人简化建模的新方法.在Matlab中用V-realm Builder工具建立5-DOF上肢康复机器人三维虚拟仿真模型并进行虚拟仿真.仿真结果表明,简化的动力学模型在康复机器人控制中应用效果良好,理论响应曲线与实际响应曲线误差较小.该方法建模过程简单、快捷、有效,适合现代计算技术的发展,为康复机器人系统的优化设计及运动控制提供了理论依据.     

康复机器人的同步主动交互控制与实现

提出了一种适用于康复机器人的人机交互控制方法. 结合一款具有平面并联结构的上肢康复机器人, 实现了与用户(患者)运动意图同步的、柔顺的主动康复训练. 在训练中, 利用自适应频率振荡器, 从表面肌电信号(Surface electromyography, sEMG)中获取运动模式信息, 然后结合运动模式和期望的正常运动轨迹, 生成与主动运动意图同步的参考训练轨迹. 本文通过仿真和实际实验对所提出的方法进行了验证, 振荡器可以在2~5s内快速实现与用户主动运动意图的同步, 然后利用阻抗控制器给予柔顺的辅助. 通过调节阻抗参数, 可以为患者的运动训练提供不同程度的辅助.     

基于滑模控制器的双臂机器人控制仿真

针对工业机械臂运动控制中由于建模误差和未知干扰导致的控制误差问题,基于机器人力矩控制方法,采用滑模控制理论,利用关节角运动误差,设计并搭建机器人控制系统。以安川Motoman-SDA20机器人为例,对该机器人进行了运动学与动力学分析,搭建相关数学模型,并针对该机器人系统设计了滑模运动控制器。在机器人仿真环境VERP与Simulink中搭建联合仿真平台,对虚拟环境中的机械臂进行运动控制仿真试验,验证了算法的有效性。试验对比了逆运动学控制与滑模控制算法效果,同时对滑模控制算法在机械臂定点运动与轨迹跟踪中的控制效果进行了验证与分析。该控制算法计算过程简明、便于设计。利用VERP仿真平台,获得了更加直观的效果,实现了存在较大建模误差与较小控制频率下的机械臂位置控制,角度误差在0. 3 rad以内。该研究对于机器人控制算法的研究与仿真环境的搭建具有借鉴意义。     

自适应阻抗控制算法的仿真实验研究

本文针对传统阻抗控制算法的弊端,详细研究了Seul提出的自适应阻抗控制算法.选取平面机器人参数,使用以上两种控制方法对其加以控制,详细分析比较了两种算法的性能优劣.从最终的分析和仿真结果中可以看出,自适应阻抗控制算法具有很好的鲁棒性,即使对于不精确的机器人模型和较恶劣的工作环境仍能表现出优良的控制性能.     

上肢康复外骨骼机器人的模糊滑模导纳控制

为了辅助上肢运动功能障碍患者进行不同模式的康复训练,基于上肢康复外骨骼机器人系统,提出了一种模糊滑模导纳控制策略,实现训练过程的人机协调控制.首先,介绍了康复外骨骼的整体结构和实时控制平台.然后,分析了模糊滑模导纳控制算法的推导过程,并根据李亚普诺夫稳定性判据证明系统的稳定性.最后,在不同系统导纳参数条件下,分别进行被动训练模式和主动训练模式实验,并对比分析了实验过程中运动偏差、人机交互力以及肱二头肌表面肌电信号的变化特点.实验结果表明,选择合适的目标导纳模型可以优化康复训练强度与难度,提高人机交互柔顺性与患者参与度,满足不同瘫痪程度和康复进度患者的训练需求.     

空间站载荷转移机构机器人的力加载控制方法

针对机器人在空间站载荷转移机构力加载过程中,由于展开完成后的载荷转移机构在力的方向上发生变形,导致机器人力控制系统难以保持稳定、加载精度不足或调节时间过长的问题,提出了自适应调整导纳控制器参数的策略．首先,根据导纳控制理论建立力与位移的关系,初步提出了基于直角坐标系的力跟随/力加载控制器;然后,根据加载实验数据,采用最小二乘法对载荷转移机构模型进行参数辨识,建立机器人特定工作空间的力与位置关系;最后,通过自适应调整导纳控制器参数使机器人动力学模型与载荷转移机构的动力学模型近似匹配,实现机器人对展开完成后的载荷转移机构末端的空间力实时加载．实验得出机器人对载荷转移机构位置跟随偏差不超过0.1 mm,加载力误差不超过1%．仿真结果表明,该机器人满足精度要求,为载荷转移机构提供了较为真实的等效空间载荷．     

上肢康复机器人实时安全控制

针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性.     

Direct adaptive impedance control of robot manipulators

This article presents an adaptive scheme for controlling the end-effector impedance of robot manipulators. The proposed control system consists of three subsystems: a simple “filter” that characterizes the desired dynamic relationship between the end-effector position error and the end-effector/environment contact force, an adaptive controller that produces the Cartesian-space control input required to provide this desired dynamic relationship, and an algorithm for mapping the Cartesian-space control input to a physically realizable joint-space control torque. The controller does not require knowledge of either the structure or the parameter values of the robot dynamics and is implemented without calculation of the robot inverse kinematic transformation. As a result, the scheme represents a general and computationally efficient approach to controlling the impedance of both nonredundant and redundant manipulators. Furthermore, the method can be applied directly to trajectory tracking in free-space motion by removing the impedance filter. Computer simulation results are given for a planar four degree-of-freedom redundant robot under adaptive impedance control. These results demonstrate that accurate end-effector impedance control and effective redundancy utilization can be achieved simultaneously by using the proposed controller.     

基于实时优化遗传算法的磨削机器人阻抗控制方法研究

针对机械臂与环境接触时恒力跟踪动态响应速度慢的问题,提出了基于实时优化遗传算法的阻抗控制方法。在研究过程中,依据机械臂恒力跟踪的响应速度和控制精度的综合性能指标,改进了离线优化中遗传算法的交叉、变异和计算适应度值等操作算子的处理方式,实现了阻抗控制方法中的控制参数的实时优化。仿真结果表明：与传统控制方法相比,该方法可以在保证控制精度的前提下,提高了机械臂与环境接触力的动态响应速度,降低了控制过程超调量,获得了较好的调节品质。     

Position-based force tracking adaptive impedance control strategy for robot grinding complex surfaces system

As a key technology of robot grinding, force control has great influence on grinding effects. Based on the traditional impedance control, a position-based force tracking adaptive impedance control strategy is proposed to improve the grinding quality of aeroengine complex curved parts, which considers the stiffness damping environmental interaction model, modifies the reference trajectory by a Lyapunov-based approach to realize the adaptive grinding process. In addition, forgotten Kalman filter based on six-dimensional force sensor is used to denoise the force information and a three-step gravity compensation process including static base value calculation, dynamic zero update and contact force real-time calculation is proposed to obtain the accurate contact force between tool and workpiece in this method. Then, to verify the effectiveness of the proposed method, a simulation experiment which including five different working conditions is conducted in MATLAB, and the experiment studying the deviation between the reference trajectory and the actual position is carried out on the robot grinding system. The results indicate that the position-based force tracking adaptive impedance control strategy can quickly respond to the changes of environmental position, reduce the fluctuation range of contact force in time by modifying the reference trajectory, compensate for the defect of the steady-state error of the traditional impedance control strategy and improve the surface consistency of machined parts.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

GAFSA优化SVR的网络流量预测模型研究

现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题, 研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法, 寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优, 可以得到使预测效果最佳的训练参数; 使用这组最优参数训练SVR, 建立网络流量预测模型, 可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题, 使预测结果趋于稳定, 同时也可以提高预测精准度。仿真结果表明, GAFSA-SVR网络流量预测模型与其他模型相比, 预测结果基本稳定, 精准度提高到89%以上, 对于指导网络控制行为、分析网络安全态势有重要意义。     

面向未知环境基于智能预测的模糊控制器研究

提出了一种新的面向未知环境的智能预测算法，并将此算法应用于机器人力跟踪控制中．该方法利用机械手末端与未知受限环境产生的接触轨迹，通过模糊推理智能地预测阻抗控制模型中的参考轨迹，并根据力误差变化用参考比例因子对其进行调节，以适应未知环境刚度的变化．通过对阻抗模型参数进行模糊调节减少受限运动中的力误差，提高了全局的力控制效果．仿真结果证明了此算法的有效性．     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

受约束空间机器人降阶自适应神经网络滑模控制

为了实现受约束空间机器人的高精度控制,提出了一种基于U-K(Udwadia-Kalaba)方程的降阶自适应神经网络滑模控制算法;基于U-K方程,同时考虑受约束空间机器人各个关节的理想约束力与非理想约束力,推导得到详细的动力学方程;考虑到非理想约束力具有不确定性且单独采用滑模控制会出现抖振现象,提出了自适应神经网络滑模控制算法,实现各关节角度、角速度以及非理想约束力的高精度跟踪;针对系统受约束模型,对动力学方程和滑模控制器进行了降阶求解,减少了变量并简化了计算过程;为了验证所提算法的正确性与合理性,以2自由度受约束空间机器人为例进行了仿真验证;仿真结果表明：受约束空间机器人的各关节角度、角速度以及非理想约束力的跟踪误差均低于10^-4量级。     

欠驱动AUV模糊神经网络L2增益鲁棒跟踪控制

提出基于模糊神经网络欠驱动水下自主机器人(AUV)的L2增益鲁棒跟踪控制方法,该方法通过在线学习逼近动力学模型的不确定项.控制器克服了由于缺少横向推力对跟踪误差的影响,在考虑未知海流干扰情况下,实现了系统对模糊神经网络逼近误差的L2增益小于γ.利用Lyapunov稳定性理论证明了闭环控制系统误差信号一致最终有界.最后,通过精确模型参数和参数扰动仿真实验验证了该控制方法具有很好的跟踪效果和较强的鲁棒性.