【技术实现步骤摘要】
基于阻抗控制的变力跟踪控制方法及装置
本专利技术属于计算机
，涉及一种基于阻抗控制的变力跟踪控制方法及装置。
技术介绍
偏瘫常和急性脑血管病共同发生，患者会在患病之后出现一些肌肉运动障碍，上肢、下肢表现尤为明显。而产生此类病情最重要的原因为大脑半球皮层运动中枢受损。根据患病程度可分为轻瘫、不完全性瘫痪和全瘫。轻瘫具体表现为肌力减弱，肌力在四到五级，一般并不会影响日常生活；不完全性瘫痪则表现为范围大，肌力为二到四级；而全瘫的肌力为零级，患者的瘫痪肢体完全不能进行自主活动。在临床上可分为更加具体的四种表现形式，分别为：轻偏瘫、弛缓性偏瘫、痉挛性偏瘫还有意识障碍性偏瘫由于在患者则康复过程中，人体与康复设备相互耦合，传统的刚性康复易对患者造成二次伤害。因此，康复机器人控制器应用的控制方法通常采用柔顺控制。传统的柔顺控制通常采用阻抗控制策略，通过建立惯量-弹簧-阻尼虚拟系统，将刚性关节等效为一个柔性关节。但是传统的阻抗由于系统特性，无法实现对高阶变化力的无差跟踪，亦不能提高对未知的复杂环境如环境位置与环境刚度的鲁棒性。<...
【技术保护点】
1.一种基于阻抗控制的变力跟踪控制方法，其特征在于，所述方法包括：/n获取感应到的作用于机器人末端的接触力；/n将所述接触力输入至经训练优化的目标阻抗模型中，所述目标阻抗模型的阻抗参数使得接触力和期望力的力误差为0；/n将所述目标阻抗模型输出的期望力输入至机器人运动学模型中；/n利用所述机器人运动学模型输出的运动控制量控制所述机器人末端的运动；/n所述目标阻抗模型为：
【技术特征摘要】
1.一种基于阻抗控制的变力跟踪控制方法，其特征在于，所述方法包括：
获取感应到的作用于机器人末端的接触力；
将所述接触力输入至经训练优化的目标阻抗模型中，所述目标阻抗模型的阻抗参数使得接触力和期望力的力误差为0；
将所述目标阻抗模型输出的期望力输入至机器人运动学模型中；
利用所述机器人运动学模型输出的运动控制量控制所述机器人末端的运动；
所述目标阻抗模型为：其中：M、B、K分别表示目标阻抗方程的惯性矩阵、阻尼矩阵以及刚度矩阵，xdc为期望轨迹和顺从轨迹的轨迹差，Fd为期望力，Fe为接触力，tp与td为实数，表示对实际接触力与期望接触力之差求微分。
2.根据权利要求1所述的方法，其特征在于，在将所述接触力输入至经学习优化的目标阻抗模型中之前，所述方法还包括：
利用初始的预定阻抗参数建立目标阻抗模型；
获取训练过程中感应到的作用于机器人末端的训练接触力；
将所述训练接触力输入至所述目标阻抗模型；
利用所述目标阻抗模型确定所述训练接触力和对应的期望力的力误差；
当所述力误差为非0值时，调整所述目标阻抗模型的阻抗参数，利用调整后的阻抗参数更新所述目标阻抗模型，直至确定的力误差为0。
3.根据权利要求1所述的方法，其特征在于，在所述利用所述目标阻抗模型确定所述训练接触力和对应的期望力的力误差之后，所述方法还包括：
当所述力误差为0时，将力误差为0时的目标阻抗模型作为所述经训练优化的目标阻抗模型。
4.根据权利要求1所述的方法，其特征在于，
kp,ki,kd分别为力误差积分值的比例、积分、微分增益，K0表示为常数；
力误差二重积分表示为：Ef＝∫∫ef；
期望轨迹为：η1、η2均为可变常数；
其中xc为顺从轨迹；
xdc的一阶微分和二阶微分分别为：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对所述目标阻抗模型对误差力的无差跟踪进行验证；
验证操作如下：
将和带入所述目标阻抗模型，得到：
对xc求二阶微分和一阶微分分别得到：
将与带入目标阻抗模型，得到：
合并移项得：
取继续化简可得：
等式两边乘以ke可得：
由关系式ef＝Fref-Fe，将Fe＝Fref-ef带入后进行拉普拉斯变换：
L(Fe)＝Fref(s)-ef(s)
L(Ef)＝s2ef(s)
化简可得：
令：
Λ(s)＝(keη1M+keη2M)s5+[ke(η1B+kd)+keη2B-ketd]s4+[ke(η1K0+kp)+ke(η2K0+tp)(Ms2+Bs+K0)]s3+keki
则拉式变换化简方程式为：
由中值定理可得：
Fref(s)为期望力的拉式变换后的值，s为拉式变换后的参数。
6.一种基于阻抗控制的变力跟踪控制装置，其特征在于，所述装置包括：
第一获取模块，被配置为获取感应到的作用于...
【专利技术属性】
技术研发人员：李冠呈，李候，王子龙，
申请(专利权)人：北京机械设备研究所，
类型：发明
国别省市：北京;11
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。