一种外骨骼机器人的在线控制方法、装置、设备及介质制造方法及图纸

本申请适用于机器人技术领域，提供了一种外骨骼机器人的在线控制方法、装置、设备及介质。该在线控制方法包括：基于模糊规则对外骨骼机器人进行建模，得到TS模糊模型；对TS模糊模型的模糊规则进行融合，并将融合后的TS模糊模型投影到高维空间，得到外骨骼机器人控制模型；根据训练数据，求解外骨骼机器人控制模型的后件参数；根据求解得到的后件参数，确定控制器输出扭矩与关节角度之间的关系表达式；利用关系表达式对T时刻的期望关节角度进行控制器输出扭矩计算，并在T时刻根据计算得到的控制器输出扭矩对外骨骼机器人的控制器进行控制。本申请的在线控制方法能有效提高外骨骼机器人的控制性能。器人的控制性能。器人的控制性能。

【技术实现步骤摘要】
一种外骨骼机器人的在线控制方法、装置、设备及介质


[0001]本申请涉及机器人
，尤其涉及一种外骨骼机器人的在线控制方法、装置、设备及介质。

技术介绍

[0002]近年来，外骨骼机器人在军事、医疗领域得到了广泛的研究与应用，能够为穿戴者提供保护功能、增强穿戴者的能力，比如延展、补充、替代或增强人的身体功能、肢体运动能力和负重能力。外骨骼机器人需要运用一定的控制方法控制外骨骼实现正常人体步态，助力人体运动。其常用的控制方法主要包括比例积分微分(PID，proportional
‑
integral
‑
derivative)控制、模糊控制、重力补偿闭环控制和自适应控制等。这些方法已经得到了许多成功的运用，但由于外骨骼机器人是一个典型的多关节、人机强耦合的复杂非线性系统，且具有复杂的外部环境影响，这常常使得这些过程难以建立准确的模型，导致外骨骼机器人的控制性能欠佳。

技术实现思路

[0003]本专利技术实施例提供了一种外骨骼机器人的在线控制方法、装置、设备及介质，可以解决外骨骼机器人的控制性能欠佳的问题。
[0004]第一方面，本专利技术实施例提供了一种外骨骼机器人的在线控制方法，该控制方法包括：
[0005]基于模糊规则对外骨骼机器人进行建模，得到TS模糊模型；
[0006]对TS模糊模型中的模糊规则进行融合，并将融合后的TS模糊模型投影到高维空间，得到外骨骼机器人控制模型；
[0007]根据外骨骼机器人的训练数据，求解外骨骼机器人控制模型的后件参数；
[0008]根据求解得到的后件参数，确定控制器输出扭矩与关节角度之间的关系表达式；
[0009]利用控制器输出扭矩与关节角度之间的关系表达式对T时刻的期望关节角度进行控制器输出扭矩计算，并在T时刻根据计算得到的控制器输出扭矩对外骨骼机器人的控制器进行控制。
[0010]可选的，融合后的TS模糊模型为：
[0011][0012]其中，y(T)表示外骨骼机器人的关节角度，k＝1,2,...,R，R表示融合后的TS模糊模型的模糊规则总数，U为与关节角度和控制器输出扭矩相关的向量，Φ
k
(U)表示U对第k条模糊规则的隶属度，y
k
(T)为融合后的TS模糊模型的第k条模糊规则。
[0013]可选的，外骨骼机器人控制模型为：
[0014][0015]其中，a
k
(T)和b
k
(T)均表示外骨骼机器人控制模型的后件参数，表示投影函数，ω
k
(U)表示U对第k条模糊规则中所有模糊集的总隶属度，x表示每条模糊规则中的模糊集总数，表示U对第k条模糊规则中第q个模糊集的隶属度。
[0016]可选的，外骨骼机器人的训练数据包括N个训练样本及每个训练样本对应的外骨骼机器人在T时刻的关节角度，训练样本包括：外骨骼机器人在T时刻前n个时刻的关节角度，以及外骨骼机器人在T时刻的控制器输出扭矩；
[0017]根据外骨骼机器人的训练数据，求解外骨骼机器人控制模型的后件参数，包括：
[0018]构建目标函数：
[0019][0020]其中，表示目标函数，a
k
(T)和b
k
(T)表示外骨骼机器人控制模型的后件参数，k＝1,2,...,R，R表示融合后的TS模糊模型的模糊规则总数，U
i
表示N个训练样本中第i个训练样本，U
i
＝[y(T
‑
1)
i
,...,y(T
‑
n)
i
,u(T)
i
]，y(T)
i
表示第i个的训练样本对应的外骨骼机器人在T时刻的关节角度，y(T
‑
1)
i
表示第i个的训练样本中外骨骼机器人在T
‑
1时刻的关节角度，y(T
‑
n)
i
表示第i个的训练样本中外骨骼机器人在T
‑
n时刻的关节角度，u(T)
i
表示第i个的训练样本中外骨骼机器人在T时刻的控制器输出扭矩，n为U
i
中关节角度的总数，e(U
i
,T)表示建模误差，ξ表示正则化因子，Φ
k
(U
i
)表示U
i
对第k条模糊规则的隶属度，表示投影函数；
[0021]利用拉格朗日乘子法对目标函数进行求解；
[0022]利用核函数对目标函数的求解结果进行矩阵转换，并对转换得到的矩阵进行求解，得到外骨骼机器人控制模型的后件参数b
k
(T)、a
k
(T)。
[0023]可选的，根据求解得到的后件参数，确定控制器输出扭矩与关节角度之间的关系表达式，包括：
[0024]根据求解后得到的后件参数，得到外骨骼机器人控制模型的第k条模糊规则；
[0025]根据外骨骼机器人控制模型的第k条模糊规则，得到控制器输出扭矩与关节角度之间的关系表达式。
[0026]可选的，外骨骼机器人控制模型的第k条模糊规则y
k
(T)为：
[0027][0028]其中，γ
i
表示拉格朗日乘子，K(U
i
,U)为核函数，N表示训练样本的总个数，Φ
k
(U
i
)
表示U
i
对第k条模糊规则的隶属度，b
k
(T)表示外骨骼机器人控制模型的后件参数。
[0029]可选的，根据外骨骼机器人控制模型的第k条模糊规则，得到控制器输出扭矩与关节角度之间的关系表达式，包括：
[0030]对外骨骼机器人控制模型的第k条模糊规则进行一阶泰勒展开并求导，得到外骨骼机器人控制模型的第k条模糊规则y
k
(T)为：
[0031][0032]其中，y
k
(T
‑
1)表示第k条模糊规则下外骨骼机器人在T
‑
1时刻的关节角度，Φ
k
(U
i
)表示U
i
对第k条模糊规则的隶属度，γ
i
表示拉格朗日乘子，N表示训练样本的总个数，σ为高斯函数的宽度，u
k
(T
‑
1)表示第k条模糊规则下外骨骼机器人在T
‑
1时刻的输出扭矩，u
k
(T
‑
1)
i
表示在第k条模糊规则下第i个训练样本中外骨骼机器人在T
‑
1时刻的输出扭矩，Δu
k
(T)＝(u
k
(T)
‑
u
k
(T
‑
1))，Δu
k
(T
‑...

【技术保护点】

【技术特征摘要】
1.一种外骨骼机器人的在线控制方法，其特征在于，包括：基于模糊规则对外骨骼机器人进行建模，得到TS模糊模型；对所述TS模糊模型中的模糊规则进行融合，并将融合后的TS模糊模型投影到高维空间，得到外骨骼机器人控制模型；根据所述外骨骼机器人的训练数据，求解所述外骨骼机器人控制模型的后件参数；根据求解得到的后件参数，确定控制器输出扭矩与关节角度之间的关系表达式；利用所述关系表达式对T时刻的期望关节角度进行控制器输出扭矩计算，并在所述T时刻根据计算得到的控制器输出扭矩对所述外骨骼机器人的控制器进行控制。2.根据权利要求1所述的在线控制方法，其特征在于，融合后的TS模糊模型为：其中，y(T)表示所述外骨骼机器人的关节角度，k＝1,2,...,R，R表示融合后的TS模糊模型的模糊规则总数，U为与关节角度和控制器输出扭矩相关的向量，Φ
k
(U)表示U对第k条模糊规则的隶属度，y
k
(T)为融合后的TS模糊模型的第k条模糊规则。3.根据权利要求2所述的在线控制方法，其特征在于，所述外骨骼机器人控制模型为：其中，a
k
(T)和b
k
(T)均表示所述外骨骼机器人控制模型的后件参数，表示投影函数，ω
k
(U)表示U对第k条模糊规则中所有模糊集的总隶属度，x表示每条模糊规则中的模糊集总数，表示U对第k条模糊规则中第q个模糊集的隶属度。4.根据权利要求3所述的在线控制方法，其特征在于，所述外骨骼机器人的训练数据包括N个训练样本及每个训练样本对应的外骨骼机器人在T时刻的关节角度，所述训练样本包括：所述外骨骼机器人T时刻前n个时刻的关节角度，以及所述外骨骼机器人在T时刻的控制器输出扭矩；所述根据所述外骨骼机器人的训练数据，求解所述外骨骼机器人控制模型的后件参数，包括：构建目标函数：构建目标函数：其中，表示所述目标函数，a
k
(T)和b
k
(T)表示所述外骨骼机器人
控制模型的后件参数，k＝1,2,...,R，R表示融合后的TS模糊模型的模糊规则总数，U
i
表示N个训练样本中第i个训练样本，U
i
＝[y(T
‑
1)
i
,...,y(T
‑
n)
i
,u(T)
i
]，y(T)
i
表示第i个的训练样本对应的所述外骨骼机器人在T时刻的关节角度，y(T
‑
1)
i
表示第i个的训练样本中所述外骨骼机器人在T
‑
1时刻的关节角度，y(T
‑
n)
i
表示第i个的训练样本中所述外骨骼机器人在T
‑
n时刻的关节角度，u(T)
i
表示第i个的训练样本中所述外骨骼机器人在T时刻的控制器输出扭矩，n为U
i
中关节角度的总数，e(U
i
,T)表示建模误差，ξ表示正则化因子，Φ
k
(U
i
)表示U
i
对第k条模糊规则的隶属度，表示投影函数；利用拉格朗日乘子法对所述目标函数进行求解；利用核函数对所述目标函数的求解结果进行矩阵转换，并对转换得到的矩阵进行求解，得到所述外骨骼机器人控制模型的后件参数b
k
(T)、a
k
(T)。5.根据权利要求4所述的在线控制方法，其特征在于，所述根据求解得到的后件参数，确定控制器输出扭矩与关节角度之间的关系表达式，包括：根据求解后得到的后件参数，得到所述外骨骼机器人控制模型的第k条模糊规则；根据所述外骨骼机器人控制模型的第k条模糊规则，得到控制器输出扭矩与关节角度之间的关系表达式。6.根据权利要求5所述的在线控制方法，其特征在于，所述外骨骼机器人控制模型的第k条模糊规则y
k
(T)为：其中，γ
i
表示拉格朗日乘子，K(U
i
,U)为核函数，N表示训练样本的总个数，Φ
k
(U
i
)表示U
i
对第k条模糊规则的隶属度，b
k
(T)表示所述外骨骼机器人控制模型的后件参数。7.根据权利要求6所述的在线控制方法，其特征在于，所述根据所述外骨骼机器人控制模型的第k条模糊规则，得到控制器输出扭矩与关节角度之间的关系表达式，包括：对所述外骨骼机器人控制模型的第k条模糊规则进行一阶泰勒展开并求导，得到所述外骨骼机器人控制模型的第k条模糊规则y
k
(T)为：其中，y
k
(T
‑
1)表示第k条模糊规则下所述外骨骼机器人在T
‑
1时刻的关节角度，Φ
k
(...

【专利技术属性】
技术研发人员：陆新江，刘睿廷，柏昀旭，
申请(专利权)人：中南大学，
类型：发明
国别省市：