System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于外骨骼控制,尤其涉及一种外骨骼控制方法、装置、终端设备及介质。
技术介绍
1、近年来,各种类型的外骨骼逐渐被应用到医疗康复领域。这些外骨骼可以帮助偏瘫等行动不便的患者进行康复训练,恢复行走能力。
2、外骨骼是一种促进康复的可穿戴机器人。与传统的工业机器人不同,外骨骼表现出高度非线性的运动模式,这主要是由于患者与外骨骼之间错综复杂的耦合以及它们之间强烈的非线性相互作用。这种复杂性给外骨骼的精确控制带来了挑战。
3、针对以上难点,学者们建立了两类主要的方法。
4、第一类是基于模型的控制方法,如动力学建模,反步控制器,滑膜控制器,灵敏度放大控制等。部分学者在动力学建模与辨识基础上,引入神经网络理论、鲁棒控制理论、迭代学习控制理论、干扰观测器等技术手段,提高轨迹跟踪控制的稳定性和准确性。然而,由于下肢外骨骼系统动力学具有非线性强、耦合程度高、交互不确定性强等特点,人机耦合动态建模与辨识较为困难,外骨骼系统中的人机交互作用往往会降低跟踪控制精度甚至影响系统稳定性。
5、第二类无模型的控制方法,这类方法主要包括智能自适应控制、自抗扰控制、数据驱动自适应无模型控制和基于代数估计的无模型控制。不过,值得注意的是,由于外骨骼的系统建模有限,而且患者与外骨骼之间的交互具有复杂性,因此,该方法的控制精度依旧难以满足需求。
技术实现思路
1、本申请提供了一种外骨骼控制方法、装置、终端设备及介质,可以提高外骨骼控制的精度。
2、第一方面,
3、采集空载状态下,外骨骼以正常人体步态轨迹运动时的第一外骨骼关节角度和用于控制外骨骼的第一电机输出力矩;
4、根据第一关节角度和第一电机输出力矩,对预先构建的下肢外骨骼动力学模型对应的第一模型参数进行辨识,得到第一模型参数估计值;
5、采集负载状态下,外骨骼以正常人体步态轨迹运动时的第二外骨骼关节角度、第二电机输出力矩以及受试者关节角度,并根据第一模型参数估计值,计算实际交互力矩;
6、构建受试者关节运动模型,并根据实际交互力矩、受试者关节角度以及预先采集的受试者患侧腿信息,对受试者关节运动模型对应的第二模型参数进行辨识,得到第二模型参数估计值;
7、根据下肢外骨骼动力学模型、第一模型参数估计值以及第二模型参数估计值,建立外骨骼状态空间方程;
8、基于ts模糊理论,获取期望关节角度,根据期望关节角度和外骨骼状态空间方程,获取初始控制律;
9、基于lyapunov理论,计算初始控制律中不确定参数的自适应律;
10、根据初始控制律和自适应律,对外骨骼进行控制。
11、可选的,受试者关节角度包括受试者膝关节角度和受试者髋关节角度
12、受试者关节运动模型的表达式如下:
13、
14、其中,τint表示受试者与外骨骼之间的交互力矩,表示受试者自身的惯性力矩,表示受试者自身的重力力矩,表示受试者的腿部力矩,腿部力矩表示由人体腿部自身力量产生的力矩,表示小腿质量,g表示重力加速度,表示人体小腿质心位置,jh表示人体腿部的虚拟转动惯量,表示受试者膝关节角加速度,表示受试者的患侧腿产生的最大力矩。
15、可选的,第一模型参数估计值包括外骨骼的惯性矩阵估计值外骨骼的科氏矩阵估计值以及外骨骼的重力项估计值
16、第二模型参数估计值包括人体腿部的虚拟转动惯量预测值受试者的患侧腿产生的最大力矩预测值
17、外骨骼状态空间方程的表达式如下:
18、
19、其中,表示外骨骼关节角速度,τact表示电机输出力矩,表示外骨骼与受试者之间的交互力矩预测值,f表示不确定参数,q表示外骨骼关节角度,表示外骨骼关节角加速度,m(q)表示外骨骼的惯性矩阵实际值,c(q)表示外骨骼的科氏矩阵实际值,表示受试者膝关节角加速度,表示受试者膝关节角速度,
20、可选的,基于ts模糊理论,获取期望关节角度,根据期望关节角度和外骨骼状态空间方程,获取初始控制律,包括:
21、建立关节角度模糊规则;关节角度模糊规则如下表示:
22、if x(1)is gp1and x(2)is gp2and...and x(m) is gpm
23、then f(x)=mpx+np,p=1,2,...,r
24、,x(1),...,x(m)均表示关节角度,m表示采集的关节角度的总数量,gp1,...,gpm均表示模糊集,r表示聚类数量,mp,np表示模糊系数;
25、根据关节角度模糊规则,获取期望关节角度xd;
26、通过计算公式
27、
28、得到初始控制律tact;其中,ε表示等速趋近律,ε>0,s表示滑模面方程,g表示重力加速度,sgn(s)表示符号函数,k表示指数趋近律,k>0,c表示滑模面斜率,c>0。
29、可选的,自适应律的计算公式为其中,γ1表示正则化因子,ξ1(x)表示ts模糊模型中与角度相关的向量。
30、第二方面,本申请提供了一种外骨骼控制装置,包括:
31、空载数据采集模块,用于采集空载状态下,外骨骼以正常人体步态轨迹运动时的第一外骨骼关节角度和用于控制外骨骼的第一电机输出力矩;
32、第一参数辨识模块,用于根据第一关节角度和第一电机输出力矩,对预先构建的下肢外骨骼动力学模型对应的第一模型参数进行辨识,得到第一模型参数估计值;
33、负载数据采集模块,用于采集负载状态下,外骨骼以正常人体步态轨迹运动时的第二外骨骼关节角度、第二电机输出力矩以及受试者关节角度,并根据第一模型参数估计值,计算实际交互力矩;
34、第二参数估计模块,用于构建受试者关节运动模型,并根据实际交互力矩、受试者关节角度以及预先采集的受试者患侧腿信息,对受试者关节运动模型对应的第二模型参数进行辨识,得到第二模型参数估计值;
35、状态空间方程模块,用于根据下肢外骨骼动力学模型、第一模型参数估计值以及第二模型参数估计值,建立外骨骼状态空间方程;
36、控制律获取模块,用于基于ts模糊理论,获取期望关节角度,根据期望关节角度和外骨骼状态空间方程,获取初始控制律;
37、自适应律获取模块,用于基于lyapunov理论,计算初始控制律中不确定参数的自适应律;
38、外骨骼控制模块,用于根据初始控制律和自适应律,对外骨骼进行控制。
39、第三方面,本申请提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的外骨骼控制方法。
40、第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的外骨骼控本文档来自技高网...
【技术保护点】
1.一种外骨骼控制方法,其特征在于,包括:
2.根据权利要求1所述的外骨骼控制方法,其特征在于,所述受试者关节角度包括受试者膝关节角度和受试者髋关节角度
3.根据权利要求2所述的外骨骼控制方法,其特征在于,所述第一模型参数估计值包括外骨骼的惯性矩阵估计值外骨骼的科氏矩阵估计值以及外骨骼的重力项估计值
4.根据权利要求3所述的外骨骼控制方法,其特征在于,所述基于TS模糊理论,获取期望关节角度,根据所述期望关节角度和所述外骨骼状态空间方程,获取初始控制律,包括:
5.根据权利要求3所述的外骨骼控制方法,其特征在于,所述自适应律的计算公式为其中,γ1表示正则化因子,ξ1x表示TS模糊模型中与角度相关的向量。
6.一种外骨骼控制装置,其特征在于,包括:
7.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的外骨骼控制方法。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其
...【技术特征摘要】
1.一种外骨骼控制方法,其特征在于,包括:
2.根据权利要求1所述的外骨骼控制方法,其特征在于,所述受试者关节角度包括受试者膝关节角度和受试者髋关节角度
3.根据权利要求2所述的外骨骼控制方法,其特征在于,所述第一模型参数估计值包括外骨骼的惯性矩阵估计值外骨骼的科氏矩阵估计值以及外骨骼的重力项估计值
4.根据权利要求3所述的外骨骼控制方法,其特征在于,所述基于ts模糊理论,获取期望关节角度,根据所述期望关节角度和所述外骨骼状态空间方程,获取初始控制律,包括:
5.根据权利要求3所述的外骨...
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。