CN102306029B

CN102306029B - 一种基于康复训练机器人的阻抗自适应的运动控制方法

Info

Publication number: CN102306029B
Application number: CN 201110225357
Authority: CN
Inventors: 宋爱国; 王楠; 李会军; 柯欣; 吴常铖; 李晓鹏; 崔建伟
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2011-08-08
Filing date: 2011-08-08
Publication date: 2012-12-19
Anticipated expiration: 2031-08-08
Also published as: CN102306029A

Abstract

本发明公开了一种基于康复训练机器人的阻抗自适应的运动控制方法，其特征在于，由在线辨识器根据力传感器和位置传感器采集得到的患肢的作用力

和位置

计算出患肢的等效质量参数M _h、等效阻尼参数B _h和等效刚度参数K _h，再利用这些参数的变化量

、

及

，对比例-微分-积分控制器的比例系数K _P ，积分系数K _I和微分系数K _D进行修正，比例-微分-积分控制器输出的电机功率信号转变成力矩电机的驱动信号，用于控制力矩电机的工作。该控制方法可提高康复训练机器人的控制柔顺性和安全性。

Description

一种基于康复训练机器人的阻抗自适应的运动控制方法

技术领域

本实用新型涉及康复训练机器人自动控制领域，尤其是关于一种基于康复训练机器人的阻抗自适应的运动控制方法。

背景技术

当今社会中，脑中风是严重威胁中老年人身体健康的疾病，发病率有逐年上升的趋势。这种疾病引发了患者肢体运动功能的丧失及相关并发症。尤其是上肢运动功能的丧失，极大地影响了患者日常生活的能力。而医学实验表明，如果在治疗初期就辅助以康复训练，则肢体机能恢复的可能性是极大的。目前，国内已经有很多研究机构致力于研制一种高效可高的康复训练机构。

因为康复训练机器人的直接作用目标为病人的患肢，后者具有质量、刚度等各种参数的不可预知和可变性，而且及其容易因为康复训练不当，造成二次伤害。所以研制一种阻抗自适应机制，使其能够对其肢体作用力进行感知，适应和跟随，实现人机系统力和位置动态关系的柔顺性控制就变的尤为重要。

发明内容

本发明为了解决在康复训练机器人的控制中如何能够对患肢力学特性进行感知、适应和跟随，实现人机系统力和位置动态关系的柔顺性控制而提出一种康复训练机器人的使用安全性的基于康复训练机器人的阻抗自适应的运动控制方法。

一种基于康复训练机器人的阻抗自适应的运动控制方法，包括如下步骤：

步骤1采用力传感器得到患肢的作用力f_h，采用位置传感器得到患肢的位置θ_h，再由在线辨识器根据患肢的作用力f_h和位置θ_h计算出患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h，计算患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h的方法是：

利用力传感器和位置传感器对患肢的作用力f_h和位置θ_h进行采样，采样次数为N次，且N＞3，再根据患肢的动力学模型，采用最小二乘法就获得患肢阻抗参数M_h、B_h和K_h的在线评估值，患肢的动力学模型为：

f_{h} = M_{h} {\overset{\cdot \cdot}{θ}}_{h} + B_{h} {\overset{\cdot}{θ}}_{h} + K_{h} θ_{h}

M_h、B_h、K_h分别为患肢的等效质量、阻尼和刚度，θ_h，分别表示患肢的角度、角速度以及角加速度，为θ_h的一阶导数，

为θ_h的二阶导数，

步骤2利用患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h的变化量ΔM_h、ΔB_h及ΔK_h，对比例-微分-积分控制器进行修正并计算得到u(t)，所述的比例-微分-积分控制器为：

u (t) = K_{p} \cdot e (t) + K_{I} &Integral; e (t) dt + K_{D} \frac{de (t)}{dt}

其中，

为机械臂的速度设定值，K_P，K_I和K_D分别为比例系数、积分系数、微分系数，

对比例-微分-积分控制器进行修正的方法是：

令：

\{\begin{matrix} K_{P} = K_{P} + Δ K_{P}, Δ K_{P} = \frac{1}{C} Δ B_{h} \\ K_{D} = K_{D} + Δ K_{D}, Δ K_{D} = \frac{1}{C} Δ M_{h} \\ K_{I} = K_{I} + Δ K_{I}, Δ K_{I} = \frac{1}{C} Δ K_{h} \end{matrix},

通常C为1，

步骤3将比例-微分-积分控制器输出的电机功率信号转变成力矩电机的驱动信号，用于控制力矩电机的工作。

本发明由于采用以上技术方案，具有以下优点：

1.本发明通过阻抗自适应机制，能够对肢体的阻抗变化进行感知，适应和跟随，实现柔顺性控制。

2.阻抗自适应可以使康复训练机器人应对一些突发状况，比如病人的突然痉挛等，避免了2次伤害，从而提高康复训练机器人的使用安全性。

附图说明

图1是本发明的系统结构方框图。

图2是本发明所依据的康复训练机器人的示意图。

具体实施方式

步骤1采用力传感器150得到患肢的作用力f_h，采用位置传感器160得到患肢的位置θ_h，再由在线辨识器140根据患肢的作用力f_h和位置θ_h计算出患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h，计算患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h的方法是：

利用力传感器150和位置传感器160对患肢的作用力f_h和位置θ_h进行采样，采样次数为N次，且N＞3，再根据患肢的动力学模型，采用最小二乘法就获得患肢阻抗参数M_h、B_h和K_h的在线评估值，患肢的动力学模型为：

f_{h} = M_{h} {\overset{\cdot \cdot}{θ}}_{h} + B_{h} {\overset{\cdot}{θ}}_{h} + K_{h} θ_{h}

M_h、B_h、K_h分别为患肢的等效质量、阻尼和刚度，θ_h，

分别表示患肢的角度、角速度以及角加速度，

为θ_h的一阶导数，

为θ_h的二阶导数，

步骤2利用患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h的变化量ΔM_h、ΔB_h及ΔK_h，对比例-微分-积分控制器120进行修正并计算得到u(t)，所述的比例-微分-积分控制器120为：

u (t) = K_{p} \cdot e (t) + K_{I} &Integral; e (t) dt + K_{D} \frac{de (t)}{dt}

其中，

对比例-微分-积分控制器(120)进行修正的方法是：

令：

\{\begin{matrix} K_{P} = K_{P} + Δ K_{P}, Δ K_{P} = \frac{1}{C} Δ B_{h} \\ K_{D} = K_{D} + Δ K_{D}, Δ K_{D} = \frac{1}{C} Δ M_{h} \\ K_{I} = K_{I} + Δ K_{I}, Δ K_{I} = \frac{1}{C} Δ K_{h} \end{matrix},

通常C为1，

步骤3将比例-微分-积分控制器120输出的电机功率信号转变成力矩电机131的驱动信号，用于控制力矩电机131的工作。

下面结合附图和实施例对本发明进行详细的描述。

一种基于康复训练机器人的阻抗自适应的运动控制方法。如图1所示，其结构包括：比较器110，比例-微分-积分控制器120，被控对象130、力传感器150、位置传感器160和在线辨识器140。其中比例-微分-积分控制器120包括比例器121、积分器122、微分器123和加法器124；被控对象130为具有力矩电机131和机械臂132的康复训练机器人，比较器110接收目标速度与实际速度，比较器的输出端接比例器121、积分器122和微分器123的输入端，比例器121、积分器122和微分器123的输出端接加法器124的输入端，加法器124的输出端接力矩电机131的输入端，力矩电机131的输出端接机械臂132的输入端，机械臂132的输出端接位置传感器160和力传感器150的输入端，位置传感器160的输出端接比较器110的输入端，同时，位置传感器160和力传感器150的输出端还接到在线辨识器140的输入端，在线辨识器140的输出端接比例-微分-积分控制器120的输入端。

图2所示为本发明的实施实例：单自由度上肢康复机器人，其具有两种康复训练模式：主动模式和被动模式。在主动模式下，可带动放置在机械臂132上面的患肢进行等速运动。力矩电机131下面安放位置传感器160，以测量实时位置；机器臂上安装力传感器150，以测量患肢和机械臂的相对力度。

系统的工作流程为：比较器110将输入的预定速度与从位置传感器160处取导得到的实际速度进行比较，产生误差信号。比例-微分-积分控制器120对误差信号进行相应的乘法、积分和求导，产生控制信号，控制力矩电机131带动机械臂132以一定的速度运动。机械臂132带动患肢运动。力传感器150将带到的患肢与机械臂的作用力信号输入到在线辨识器，同时位置传感器160将位置信号，以及由位置信号取导得到的速度和加速度信号输入到在线辨识器140，在线辨识器140通过辨识算法取得患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h，并将其输入到比例-微分-积分控制器120，更好的修正比例-微分-积分控制器120的比例参数K_P，积分参数K_I和微分参数K_D。

系统的工作原理为：

(1)将力传感器和位置传感器的信息输入到在线辨识器识别患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h。

其中所述的在线辨识器的算法，详细分为以下步骤：

运用质量-弹簧-阻尼模型来表示患肢的动力学特性，分析患肢的受力可知：

f_{h} = M_{h} {\overset{\cdot \cdot}{θ}}_{h} + B_{h} {\overset{\cdot}{θ}}_{h} + K_{h} θ_{h}

θ_h，

分别表示患肢的角度、角速度以及角加速度，在训练过程中这些值可认为与机械臂的等同。f_h表示患肢和机械臂的相对作用力。M_h、B_h、K_h分别为患肢的等效质量、阻尼和刚度。在康复训练过程中，由于患肢姿态变化，肌肉痉挛等原因，M_h、B_h和K_h会发生变化。

假设

为患肢阻抗参数的相应估计值，则有：

由安装在机器人上的力传感器和位置传感器可得到f_h和θ_h的测量值，进而得到

假设采样N次(N＞3)，采用最小二乘法就可得到患肢阻抗参数M_h、B_h和K_h的在线评估，所述的最小二乘法的公式为：

[\begin{matrix} {\hat{M}}_{h} \\ {\hat{B}}_{h} \\ {\hat{K}}_{h} \end{matrix}] = {[\begin{matrix} Σ_{i = 1}^{N} {\overset{\cdot \cdot}{θ}}_{h}^{2} (i) & Σ_{i = 1}^{N} {\overset{\cdot \cdot}{θ}}_{h} (i) {\overset{\cdot}{θ}}_{h} (i) & Σ_{i = 1}^{N} {\overset{\cdot \cdot}{θ}}_{h} (i) θ_{h} (i) \\ Σ_{i = 1}^{N} {\overset{\cdot}{θ}}_{h} (i) {\overset{\cdot \cdot}{θ}}_{h} (i) & Σ_{i = 1}^{N} {\overset{\cdot}{θ}}_{h}^{2} (i) & Σ_{i = 1}^{N} {\overset{\cdot}{θ}}_{h} (i) θ_{h} (i) \\ Σ_{i = 1}^{N} θ_{h} (i) {\overset{\cdot \cdot}{θ}}_{h} (i) & Σ_{i = 1}^{N} θ_{h} (i) {\overset{\cdot}{θ}}_{h} (i) & Σ_{i = 1}^{N} θ_{h}^{2} (i) \end{matrix}]}^{- 1} [\begin{matrix} Σ_{i = 1}^{N} {\overset{\cdot \cdot}{θ}}_{h} (i) f_{h} (i) \\ Σ_{i = 1}^{N} {\overset{\cdot}{θ}}_{h} (i)) f_{h} (i) \\ Σ_{i = 1}^{N} θ_{h} (i) f_{h} (i) \end{matrix}]

(2)调整比例-微分-积分控制器的比例控制参数K_P、微分控制参数K_D和积分控制参数K_I，具体步骤如下：

比例-微分-积分控制器的经典公式：

u (t) = K_{p} \cdot e (t) + K_{I} &Integral; e (t) dt + K_{D} \frac{de (t)}{dt}

其中，

为想要得到的机械臂的速度。K_P，K_I和K_D分别为比例系数、积分系数、微分系数。

将上述公式用频域表示。

u_{f} = K_{D} [{SV}_{d} (s) - {SV}_{h} (s)] + K_{P} [V_{d} (s) - V_{h} (s)] + K_{I} [\frac{1}{S} V_{d} (s) - \frac{1}{S} V_{h} (s)]

= [{SK}_{D} + K_{P} + \frac{1}{S} K_{I}] [V_{d} (s) - V_{h} (s)]

= Z_{c} (s) [V_{d} (s) - V_{h} (s)]

其中，V_d、V_h分别表示想要得到的机械臂的速度和由传感器测得的实际的速度。Z_c为控制阻抗。

同样用质量-弹簧-阻尼模型来表示机械臂的力学特性。公式如下：

f - f_{h} = M_{m} {\overset{\cdot \cdot}{θ}}_{m} + B_{m} {\overset{\cdot}{θ}}_{m} + K_{m} θ_{m}

其中，θ_m，

分别表示机械臂的运动的角度、角速度以及角加速度。f_h表示机械臂与患肢相互作用力，f表示电机输出力，M_m、B_m和K_m分别为机械臂的等效质量、阻尼和刚度。同样用频域表示为：

F - F_{h} = M_{m} {SV}_{m} (s) + b_{m} V_{m} (s) + \frac{1}{s} K_{m} V_{m} (s)

= (M_{m} S + b_{m} + \frac{1}{s} K_{m}) V_{m} (s)

= Z_{m} (s) V_{m} (s)

患肢：

F_{h} = M_{h} {SV}_{h} (s) + b_{h} V_{h} (s) + \frac{1}{s} K_{h} V_{h} (s)

= (M_{h} S + b_{h} + \frac{1}{s} K_{h}) V_{h} (s)

= Z_{h} (s) V_{h} (s)

Z_c、Z_m和Z_h分别称为控制阻抗，机械臂阻抗和患肢阻抗。

在康复训练过程中系统满足：

F＝u_f，V_m(s)＝V_h(s)

∴Z_c(s)[V_d(s)-V_h(s)]-Z_h(s)V_h＝Z_m(s)V_h(s)

Z_c(s)V_d(s)＝(Z_h+Z_m+Z_c)V_h(s)

V_{h} (s) = \frac{Z_{c}}{Z_{h} + Z_{m} + Z_{c}} V_{d} (s)

V_{h} (s) = \frac{1}{1 + \frac{Z_{h} + Z_{m}}{Z_{c}}} V_{d} (s)

运动过程中，Z_h会因为病人在康复训练过程中上肢姿态的变化或肌肉痉挛等原因发生变化，为了保证运动速度V_h不受Z_h变化的影响，我们通过调节Z_c，使得下式成立：

\frac{Z_{h} + Z_{m}}{Z_{c}} = C

C为某一常量(假设为1)。

则：

Z_h+Z_m＝CZ_C

Z_{c} = \frac{1}{C} Z_{h} + \frac{1}{C} Z_{m}

即Z_c应根据Z_h变化及时调整。我们给出的Z_c的调整量如下：

\{\begin{matrix} Δ K_{P} = \frac{1}{C} Δ B_{h} \\ Δ K_{D} = \frac{1}{C} Δ M_{h} \\ Δ K_{I} = \frac{1}{C} Δ K_{h} \end{matrix} .

对比例-微分-积分控制器120进行修正的方法是：

\{\begin{matrix} K_{P} = K_{P} + Δ K_{P}, Δ K_{P} = \frac{1}{C} Δ B_{h} \\ K_{D} = K_{D} + Δ K_{D}, Δ K_{D} = \frac{1}{C} Δ M_{h} \\ K_{I} = K_{I} + Δ K_{I}, Δ K_{I} = \frac{1}{C} Δ K_{h} \end{matrix} .

Claims

1.一种基于康复训练机器人的阻抗自适应的运动控制方法，其特征在于，包括如下步骤：

步骤1采用力传感器（150）得到患肢的作用力f_h，采用位置传感器（160）得到患肢的位置θ_h，再由在线辨识器（140）根据患肢的作用力f_h和位置θ_h计算出患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h，计算患肢的等效质量参数M_h、等效阻尼参数B_h和等效刚度参数K_h的方法是：

利用力传感器（150）和位置传感器（160）对患肢的作用力f_h和位置θ_h进行采样，采样次数为N次，且N>3，再根据患肢的动力学模型，采用最小二乘法获得患肢阻抗参数M_h、B_h和K_h的在线评估值，患肢的动力学模型为：