一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略技术方案

本发明专利技术公开了一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，该控制策略利用多变量迭代学习项来估计上肢外骨骼模型中的时变参数，无需建立精确的数学模型。此外，为提高跟踪精度和获得较强的鲁棒性，在迭代学习方案中引入了滑模控制，利用滑模控制器处理非周期的集总扰动，并且在该控制策略中设计了自适应律，用于补偿控制器中的不确定，从而减弱由切换项引起的抖振现象，减小人机之间的跟踪误差，可达到在有限迭代次数内各关节跟踪误差收敛到零附近。本发明专利技术控制策略解决了五自由度上肢外骨骼系统机器人在模型参数未知及非周期扰动下的跟踪控制问题，其算法鲁棒性强，控制抖振小，跟踪性能好。

【技术实现步骤摘要】
一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略
本专利技术涉及外骨骼控制
，具体是一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，可应用于可穿戴的上肢康复机器人，有助于上肢外骨骼助力运动领域的发展。
技术介绍
上肢外骨骼系统是一种可穿戴的机械装置，作为力量支撑可协助人类完成繁重的体力工作，作为医疗康复设置可辅助残疾人员进行康复训练，在军事、医疗等领域具有重要的实用价值。上肢外骨骼系统的基本工作原理是通过感知穿戴者运动意图，为其特定关节提供一定的力矩，实时调整外骨骼机器人各个关节的位置和角度，实现对手臂运动的快速准确跟踪。外骨骼与穿戴者构成典型的人机共融系统，具有多变量、非线性和不确定性等特点，易受机械误差、传感误差及外界干扰等因素的影响。为保证人体和机器人同步运动，外骨骼的设计不仅要符合人体力学，还要具备人机交互能力和自适应能力，以确保穿戴者的舒适与安全。迭代学习控制算法可处理周期信号，适用于机械臂执行重复任务。然而，传统的迭代学习控制方法在处理系统不确定性和外部干扰等非周期信号方面有一定的局限性，严重影响了系统的动态特性。
技术实现思路
为克服五自由度上肢外骨骼系统迭代学习现有控制技术的不足，提出一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略。该控制策略利用多变量迭代学习项来估计上肢外骨骼模型中的时变参数，无需建立精确的数学模型。此外，为提高跟踪精度和获得较强的鲁棒性，在迭代学习方案中引入了滑模控制方法，利用滑模控制器处理非周期的集总扰动，并且在该控制策略中设计了自适应律，用于补偿控制器中的不确定，从而减弱由切换项引起的抖振现象，减小人机之间的跟踪误差。本专利技术解决所述技术问题的技术方案是，设计一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，操作步骤如下：步骤1：建立包含未知参数和不确定项的五自由度上肢外骨骼系统动力学模型。步骤2：利用VICON运动捕捉系统采集健康人体上肢运动数据，并通过拟合函数得到五自由度上肢外骨骼系统各关节的期望运动轨迹。步骤3：根据步骤1中的五自由度上肢外骨骼系统动力学模型和步骤2所得的五自由度上肢外骨骼系统各关节的期望运动轨迹，采用迭代学习方法估计动力学模型中的未知参数，在此基础上设计自适应滑模控制器，得到自适应迭代学习滑模控制器。步骤4：通过Lyapunov综合能量函数方法证明步骤3所设计的自适应迭代学习滑模控制器的稳定性和迭代收敛性。步骤5：在SolidWorks软件中构建五自由度上肢外骨骼系统的虚拟样机，并通过MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真验证该控制策略的有效性。与现有技术相比，本专利技术的有益效果为：本专利技术控制策略利用多变量迭代学习项来估计上肢外骨骼模型中的时变参数，无需建立精确的数学模型。此外，为提高跟踪精度和获得较强的鲁棒性，在迭代学习方案中引入了滑模控制方法，利用滑模控制器来处理非周期的集总扰动，并且在该控制策略中设计了自适应律，用于补偿控制器中的不确定，从而减弱由切换项引起的抖振现象，减小人机之间的跟踪误差，可达到在有限迭代次数内各关节跟踪误差收敛到零附近。本专利技术控制策略解决了五自由度上肢外骨骼系统机器人在模型参数未知及非周期扰动下的跟踪控制问题，其算法鲁棒性强，控制抖振小，跟踪性能好。附图说明图1(a)为五自由度上肢外骨骼系统的各关节位置运动轨迹分析示意图；图1(b)五自由度上肢外骨骼系统结构示意图；图中的标识1、2、3、4、5为5个关节的驱动电机。图2为本专利技术控制策略一种实施例的自适应迭代学习滑模控制器的鲁棒迭代学习算法模型图。图3为本专利技术控制策略一种实施例的自适应滑模控制器的算法模型。图4为本专利技术控制策略一种实施例的迭代学习的控制图。图5为本专利技术控制策略一种实施例的步骤流程图。图6为本专利技术控制策略一种实施例的五自由度上肢外骨骼系统的五个关节的期望运动轨迹，其中，图6(a)为关节1的期望运动轨迹，图6(b)为关节2的期望运动轨迹，图6(c)为关节3的期望运动轨迹，图6(d)为关节4的期望运动轨迹，图6(e)为关节5的期望运动轨迹。图7为采用MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真所得的控制策略迭代过程中第1次、第5次、第10次、第20次5个关节的轨迹跟踪图，其中，图7(a)为关节1的轨迹跟踪图，图7(b)为关节2的轨迹跟踪图，图7(c)为关节3的轨迹跟踪图，图7(d)为关节4的轨迹跟踪图，图7(e)为关节5的轨迹跟踪图。图8为采用MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真所得的控制策略迭代20次的过程中5个关节的位置跟踪误差收敛过程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例当中的技术方案进行清楚、完整地描述。本专利技术提供一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略(简称控制策略)，其特征在于，操作步骤如下：步骤1：建立包含未知参数和不确定项的五自由度上肢外骨骼系统动力学模型。步骤2：利用VICON运动捕捉系统采集健康人体上肢运动数据，并通过拟合函数得到五自由度上肢外骨骼系统各关节的期望运动轨迹。步骤3：根据步骤1中的五自由度上肢外骨骼系统动力学模型和步骤2所得的五自由度上肢外骨骼系统各关节的期望运动轨迹，采用迭代学习方法估计动力学模型中的未知参数，在此基础上设计自适应滑模控制器，得到自适应迭代学习滑模控制器，以保证五自由度上肢外骨骼系统在不确定条件下的跟踪性能。步骤4：通过Lyapunov综合能量函数方法证明步骤3所设计的自适应迭代学习滑模控制器的稳定性和迭代收敛性。步骤5：在SolidWorks软件中构建五自由度上肢外骨骼系统的虚拟样机，并通过MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真验证该控制策略的有效性。所述五自由度上肢外骨骼系统为五自由度刚性机械臂，其标称动力学方程描述为如下模型：式中q∈R5，依次为各关节的位置、速度和加速度；τ∈R5，为执行机构施加的关节输入力矩；M(q)∈R5×5，为正定对称惯性矩阵；为离心力和哥氏力矩阵；G(q)∈R5，为重力矢量；τd∈R5，为外骨骼系统的集总干扰。令x＝[x1,x2]T，x1＝q，将式(1)非线性机器人标称动力学方程转换为如下形式：式中集总干扰τd是由系统参数摄动ΔM(x1)、ΔC(x1,x2)、ΔG(x1)和非周期外部扰动d组成。所述五自由度上肢外骨骼系统的各关节位置参考运动轨迹为：式中xdi为第i个关节的期望运动轨迹，xd∈R5，x0表示初始时刻的常数，wn为傅里叶级数心里频率，ali、bli、cli均为常数，l为正常数，n表示轨迹的最大阶数。为保证五自由度上肢外骨骼系统的控制性能、满足康复者训练舒适度、实现人体合理的运动轨迹，利用VICON运动捕捉系统采集健康人体上肢本文档来自技高网...

【技术保护点】
1.一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，操作步骤如下：/n步骤1：建立包含未知参数和不确定项的五自由度上肢外骨骼系统动力学模型；/n步骤2：利用VICON运动捕捉系统采集健康人体上肢运动数据，并通过拟合函数得到五自由度上肢外骨骼系统各关节的期望运动轨迹；/n步骤3：根据步骤1中的五自由度上肢外骨骼系统动力学模型和步骤2所得的五自由度上肢外骨骼系统各关节的期望运动轨迹，采用迭代学习方法估计动力学模型中的未知参数，在此基础上设计自适应滑模控制器，得到自适应迭代学习滑模控制器；/n步骤4：通过Lyapunov综合能量函数方法证明步骤3所设计的自适应迭代学习滑模控制器的稳定性和迭代收敛性；/n步骤5：在SolidWorks软件中构建五自由度上肢外骨骼系统的虚拟样机，并通过MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真验证该控制策略的有效性。/n

【技术特征摘要】
1.一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，操作步骤如下：
步骤1：建立包含未知参数和不确定项的五自由度上肢外骨骼系统动力学模型；
步骤2：利用VICON运动捕捉系统采集健康人体上肢运动数据，并通过拟合函数得到五自由度上肢外骨骼系统各关节的期望运动轨迹；
步骤3：根据步骤1中的五自由度上肢外骨骼系统动力学模型和步骤2所得的五自由度上肢外骨骼系统各关节的期望运动轨迹，采用迭代学习方法估计动力学模型中的未知参数，在此基础上设计自适应滑模控制器，得到自适应迭代学习滑模控制器；
步骤4：通过Lyapunov综合能量函数方法证明步骤3所设计的自适应迭代学习滑模控制器的稳定性和迭代收敛性；
步骤5：在SolidWorks软件中构建五自由度上肢外骨骼系统的虚拟样机，并通过MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真验证该控制策略的有效性。


2.根据权利要求1所述的一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，步骤1中所述的五自由度上肢外骨骼系统为五自由度刚性机械臂，其标称动力学方程描述为如下模型：



式中q∈R5，依次为各关节的位置、速度和加速度；τ∈R5，为执行机构施加的关节输入力矩；M(q)∈R5×5，为正定对称惯性矩阵；为离心力和哥氏力矩阵；G(q)∈R5，为重力矢量；τd∈R5，为外骨骼系统的集总干扰；令x＝[x1,x2]T，x1＝q，将式(1)非线性机器人标称动力学方程转换为如下形式：






式中集总干扰τd是由系统参数摄动ΔM(x1)、ΔC(x1,x2)、ΔG(x1)和非周期外部扰动d组成；
所述五自由度上肢外骨骼系统的各关节位置参考运动轨迹为：



式中xdi为第i个关节的期望运动轨迹，xd∈R5，x0表示初始时刻的常数，wn为傅里叶级数心里频率，ali、bli、cli均为常数，l为正常数，n表示轨迹的最大阶数。


3.根据权利要求1所述的一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，所述步骤2的具体过程为：利用VICON运动捕捉系统采集健康人体上肢运动数据，并通过拟合函数得到健康人体运动轨迹，由MATLAB曲线拟合工具箱得到式(4)中的具体参数值，进而得到五自由度上肢外骨骼系统各关节的期望运动轨迹。


4.根据权利要求1所述的一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，所述自适应迭代学习滑模控制器的具体设计方法为：将五自由度上肢外骨骼系统动力学模型的系数矩阵作为迭代学习的输入，利用步长、滑模面、跟踪误差、期望运动轨迹四个参数作为迭代误差，通过闭环控制器进行迭代学习；将系统集总干扰作为自适应项，进行自适应控制。


5.根据权利要求1或4任一项所述的一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，所述自适应迭代学习滑模控制器的设计过程如下：
根据位置跟踪误差e1＝xd-x1和速度跟踪误差得：



设计滑模面为：
s＝c1e1+e2(6)
对(6)两侧同时求导得：



将式(5)带入式(7)得：



令则故式(8)可写为：



设计自适...

【专利技术属性】
技术研发人员：王婕，李荣利，张高巍，孙建军，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12