一种基于数据驱动模型的软镜扭转运动安全控制方法技术

一种基于数据驱动模型的软镜扭转运动安全控制方法，包含以下步骤：步骤1、基于Koopman算子，设计得到软镜扭转迟滞系统驱动模型；步骤2、设计控制器，即设计基于时滞估计的控制律，对于软镜扭转迟滞系统驱动模型而言，控制目标是操作软镜的末端扭转角度跟踪期望的目标轨迹，并使得跟踪误差能够收敛到零，输出不应超过软镜操作时的安全约束，设计控制律，可行区间边界的数值通过集元滤波器模型求得。本发明专利技术控制方法具有良好的跟踪控制性能和快速的瞬态响应，安全稳定。安全稳定。安全稳定。

【技术实现步骤摘要】
一种基于数据驱动模型的软镜扭转运动安全控制方法


[0001]本专利技术属于医疗机器人控制
，具体地涉及一种基于数据驱动模型的软镜扭转运动安全控制方法。

技术介绍

[0002]基于软镜操作技术实现的经人体自然腔道内镜手术，作为一种典型的微创甚至无创手术在最近几年受到了广泛的关注并应用于多种疾病诊查与外科手术中。对于软镜的扭转运动而言，由于引导鞘内存在不连续的复杂摩擦力，会使得软镜手柄端和软镜末端的扭转状态不一致，导致软镜镜体在引导鞘内的扭转形变累加、扭力增加，当镜体形变产生的扭力大于静摩擦力时，软镜末端扭转角才会随手柄扭转而运动。
[0003]当前对软镜扭转运动的研究，通过对软镜扭转运动的真实运动机理进行分析，使用具有相似动态特性的机构与之拟合，建立可解释性强的物理模型，在模型中添加不确定性因素，但是机理模型多维结构和复杂的数学表达式难以设计基于模型的控制器，并且无法实时补偿模型误差。使用数据驱动模型可以高精度描述动力系统的非线性特性，但实际应用中基于有限维的Koopman算子的数据驱动模型存在明显的模型误差，降低了软镜扭转运动控制的安全性。

技术实现思路

[0004]本专利技术为克服现有技术的不足，提供一种基于数据驱动模型的软镜扭转运动安全控制方法。该方法克服了有限维Koopman算子的数据驱动模型存在的模型误差缺陷产生的抖振和失稳对软镜末端扭转安全的影响。
[0005]一种基于数据驱动模型的软镜扭转运动安全控制方法包含：
[0006]步骤一、基于Koopman算子原理，设计得到软镜扭转迟滞系统驱动模型：
[0007]g(β
k+1
,τ
k+1
)＝K
T
g(β
k
,τ
k
)+ε
k
[0008]其中，A＝K
T
∈R
n
×
n
表示有限维的Koopman矩阵，g(β
k
,τ
k
)和g(β
k+1
,τ
k+1
)为一个固定的观测函数，ε
k
∈R9×1表示软镜扭转迟滞系统驱动模型的有限维近似误差；
[0009]步骤二、设计控制器，即设计基于时滞估计的控制律
[0010]对于软镜扭转迟滞系统驱动模型而言，控制目标是操作软镜的末端扭转角度跟踪期望的目标轨迹β
d
，并使得跟踪误差能够收敛到零，输出不应超过软镜操作时的安全约束，即满足β(t)∈(0,ξ),设计控制律为：
[0011][0012][0013]其中，τ是软镜扭转迟滞系统的输入量，ξ是预设的安全边界，β表示软镜末端扭转角度，β
d
是软镜末端跟踪期望的目标轨迹，e是表示跟踪误差，k
p
表示控制器的控制增益，sgn
是符号函数，z是始终为正的辅助信号，||η(d,t)||表示可行区间的边界；
[0014][0015]该边界的数值通过集元滤波器模型求得。
[0016]本专利技术相比现有技术的有益效果是：
[0017]1、本专利技术所提控制策略具有良好的跟踪控制性能和快速的瞬态响应，且在软镜扭转迟滞系统驱动模型边界约束安全性强化的同时，提高了系统的鲁棒性。
[0018]2、本专利技术克服了有限维Koopman算子的数据驱动模型存在的模型误差缺陷产生的抖振和失稳对软镜末端扭转安全的影响。
[0019]下面结合附图和实施例对本专利技术的技术方案作进一步地说明：
附图说明
[0020]图1为本专利技术结合的软镜操作机器人姿态状态图；
[0021]图2为本专利技术结合的软镜操作机器人的刚性关节和软镜末端的相互作用关系图；
[0022]图3为本专利技术软镜扭转迟滞系统驱动模型的输出值与扭转角度的真实测量值在不同输入区间内变频输入信号下的多重对比结果图；
[0023]图4为动态数据驱动模型的估计值，Koopman算子模型的输出值和扭转角度的真实测量值在不同输入区间内变频输入信号下的多重对比结果图；
[0024]图5为实施例中第一种实验下的本申请控制方法、对比EMC方法和对比SMC方法下的软镜末端扭转角、跟踪误差和输入量的关系图；
[0025]图6为实施例中第二种实验下的本申请控制方法、对比EMC方法和对比SMC方法下的软镜末端扭转角、跟踪误差和输入量的关系图；
[0026]图7为实施例中第三种实验下的本申请控制方法、对比EMC方法和对比SMC方法下的软镜末端扭转角、跟踪误差和输入量的关系图。
具体实施方式
[0027]下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。
[0028]需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。
[0029]为了更清晰地说明本专利技术的实现过程，现将本专利技术的具体实施方式介绍如下。
[0030]如图1
‑
图2所示，本实施方式的一种基于数据驱动模型的软镜扭转运动安全控制方法，包含以下步骤：为设计驱动模型，
[0031]首先，设计改进的集元滤波器模型：
[0032]将动力学系统使用Koopman算子表示：
[0033][0034]其中g(x
k
,τ
k
)∈R
n
表示所设计的候选观测函数g(
·
)在k时刻的取值，A＝K
T
∈R
n
×
n
表示有限维近似的Koopman矩阵，x
k
,τ
k
∈R
r
分别表示系统在k时刻的状态量和输入量，z
k+1
∈R
m
表示该系统在k+1时刻的观测值，C是一个参数矩阵，而v
k
∈R
n
,w
k
∈R
m
分别表示Koopman算子的有限维近似误差和测量误差；
[0035]不失一般性，这里假设所有的系统噪声都是未知但有界的，且可用可行集来表示误差的界限，即表示为v
k
∈E(0,Q
k
),w
k
∈E(0,R
k
)，Q
k
和R
k
表示误差界限，包络椭圆E(
·
,
·
)的定义如下：
[0036]E(c,L)＝{x∈R
n
|(x
‑
c)L
‑1(x
‑
c)≤1}
ꢀꢀ
(2)
[0037]其中c表示椭圆可行集的中心状态，包络矩阵L为正定对称矩阵并决定了对应椭圆可行集E(c,L)的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动模型的软镜扭转运动安全控制方法，其特征在于：包含：步骤一、基于Koopman算子，设计得到软镜扭转迟滞系统驱动模型：g(β
k+1
,τ
k+1
)＝K
T
g(β
k
,τ
k
)+ε
k
其中，A＝K
T
∈R
n
×
n
表示有限维的Koopman矩阵，g(β
k
,τ
k
)和g(β
k+1
,τ
k+1
)为一个固定的观测函数，ε
k
∈R9×1表示软镜扭转迟滞系统驱动模型的有限维近似误差；步骤二、设计控制器，即设计基于时滞估计的控制律对于软镜扭转迟滞系统驱动模型而言，控制目标是操作软镜的末端扭转角度跟踪期望的目标轨迹β
d
，并使得跟踪误差能够收敛到零，输出不应超过软镜操作时的安全约束，即满足设计控制律为：设计控制律为：其中，τ是软镜扭转迟滞系统的输入量，ξ是预设的安全边界，β表示软镜末端扭转角度，β
d
是软镜末端跟踪期望的目标轨迹，e是表示跟踪误差，k
p
表示控制器的控制增益，sgn是符号函数，z是始终为正的辅助信号，||η(d,t)||表示可行区间的边界；该边界的数值通过集元滤波器模型求得。2.根据权利要求1所述一种基于数据驱动模型的软镜扭转运动安全控制方法，其特征在于：步骤一中的软镜扭转迟滞系统的动态驱动模型由以下过程获得：首先，设计集元滤波器模型：将动力学系统使用Koopman算子表示：其中g(x
k
,τ
k
)∈R
n
表示所设计的候选观测函数g(
·
)在k时刻的取值，A＝K
T
∈R
n
×
n
表示有限维近似的Koopman矩阵，x
k
,τ
k
∈R
r
分别表示系统在k时刻的状态量和输入量，z
k+1
∈R
m
表示该系统在k+1时刻的观测值，C是一个参数矩阵，而v
k
∈R
n
,w
k
∈R
m
分别表示Koopman算子的有限维近似误差和测量误差；假设系统噪声是未知但有界的，且可用可行集来表示误差的界限，即表示为v
k
∈E(0,Q
k
),w
k
∈E(0,R
k
)，Q
k
和R
k
表示误差界限，包络椭圆E(
·
,
·
)的定义如下：E(c,L)＝{x∈R
n
|(x
‑
c)L
‑1(x
‑
c)≤1}
ꢀꢀꢀꢀꢀꢀꢀ
(2)其中c表示椭圆可行集的中心状态，包络矩阵L为正定对称矩阵并决定了对应椭圆可行集E(c,L)的大小，于是，基于观测函数g(
·
)的集元滤波算法可写为：
其中，表示不同时刻的集元滤波可行集椭球形状矩阵，η表示椭球形状的参数变量；而更新过程为：其中，ρ表示椭圆形状的参数变量，G
k
表示更新增益，W
k
是推导中间变...

【专利技术属性】
技术研发人员：王翔宇，韩建达，任帆，
申请(专利权)人：南开大学，
类型：发明
国别省市：