CN107831667B - 康复步行训练机器人的补偿人机互作用力的跟踪控制方法 - Google Patents

康复步行训练机器人的补偿人机互作用力的跟踪控制方法 Download PDF

Info

Publication number
CN107831667B
CN107831667B CN201711121836.7A CN201711121836A CN107831667B CN 107831667 B CN107831667 B CN 107831667B CN 201711121836 A CN201711121836 A CN 201711121836A CN 107831667 B CN107831667 B CN 107831667B
Authority
CN
China
Prior art keywords
interaction force
human
computer interaction
robot
tracking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711121836.7A
Other languages
English (en)
Other versions
CN107831667A (zh
Inventor
孙平
孙桐
孟奇
张帅
单芮
刘佳斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN201711121836.7A priority Critical patent/CN107831667B/zh
Publication of CN107831667A publication Critical patent/CN107831667A/zh
Application granted granted Critical
Publication of CN107831667B publication Critical patent/CN107831667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了一种康复步行训练机器人的补偿人机互作用力的跟踪控制方法。针对康复步行训练机器人动力学模型中的广义控制输入力，将其分解为跟踪控制力和人机互作用力，得到具有人机互作用力的系统动力学模型；把人机互作用力作为系统的扩展状态，利用机器人的实时位置输出，设计定常增益和时变增益相结合的系统观测器，估计人机互作用力；基于状态观测误差以及轨迹跟踪误差和速度跟踪误差设计Lyapunov函数，使观测误差系统及跟踪误差系统实现渐近稳定。该控制方法通过设计新颖的系统扩展状态观测器，获得了人机互作用力，并利用补偿控制，消除了人机互作用力对跟踪性能的影响，提高了康复步行训练机器人的跟踪精度和系统的安全性。

Description

康复步行训练机器人的补偿人机互作用力的跟踪控制方法
技术领域
本发明属于轮式康复机器人的控制领域，尤其涉及一种康复步行训练机器人的补偿人机互作用力的跟踪控制方法。
背景技术
随着全球进入老龄化，高龄人口逐年增加，由于老年人腿部肌肉力量的减弱，导致步行功能逐渐下降，如果不及时加强老年人步行训练，会导致步行功能的丧失，从而无法实现自立生活。因此，发展康复步行训练机器人，使其精确跟踪医生指定的训练轨迹，帮助老年人安全地步行锻炼具有重要意义。
近年来，关于康复步行训练机器人轨迹跟踪控制方法已有许多研究成果，然而这些成果都没有考虑人机之间的互作用力。康复步行训练机器人直接与康复者接触，康复者对支撑身体重量机构的压力、腿部的主动步行力，这些人机之间的互作用力会导致机器人严重偏离医生指定的训练轨迹，不仅使机器人可能碰撞周围物体，而且会使机器人与康复者的运动不协调，从而威胁康复者的安全。因此，不考虑人机互作用力的跟踪控制方法在实际应用中均具有一定的局限性。由于人机互作用力是时变量，在实际应用中很难直接获得，这样给康复步行训练机器人跟踪控制器的设计带来了难度。本发明研究人机互作用力的观测方法和补偿人机互作用力的控制方法，对提高康复步行训练机器人的跟踪精度和安全性具有重要意义。
发明内容
为了解决上述问题，本发明提供了一种具有定常增益和时变增益相结合的人机互作用力观测方法，以及对人机互作用力进行补偿的跟踪控制方法，从而提高康复步行训练机器人的跟踪精度和安全性。
为实现上述目的，本发明采用如下技术方案，本发明包括以下步骤：
步骤1)基于康复步行训练机器人系统动力学模型，将广义输入力分解为跟踪控制力和人机互作用力，得到具有人机互作用力的机器人系统动力学模型；系统动力学模型描述如下
Figure GDA0002597155970000011
其中
Figure GDA0002597155970000012
Figure GDA0002597155970000013
X(t)为康复步行训练机器人的实际行走轨迹，u(t)表示广义控制输入力，M表示康复步行训练机器人的质量，m表示康复者的质量，I0表示转动惯量，M0,K(θ),
Figure GDA0002597155970000014
B(θ)为系数矩阵；θ表示水平轴和机器人中心与第一个轮子中心连线间的夹角，即θ＝θ1，由康复步行机器人结构可知，
Figure GDA0002597155970000021
θ3＝θ+π，
Figure GDA0002597155970000022
li表示系统重心到每个轮子中心的距离，r0表示中心到重心的距离，φi表示x′轴和每个轮子对应的li之间的夹角，Di表示重心到每个轮子的距离，i＝1,2,3,4；符号
Figure GDA0002597155970000023
将u(t)分解为u0(t)和u1(t)并代入模型(1)，得
Figure GDA0002597155970000024
其中u0(t)表示待设计的跟踪控制力，用于驱动康复步行训练机器人跟踪医生指定的训练轨迹；u1(t)表示待观测的人机互作用力；令X(t)＝x1(t)表示机器人的运动位置，
Figure GDA0002597155970000025
表示机器人的运动速度，
Figure GDA0002597155970000026
表示系统的扩展状态，于是得到具有人机互作用力的机器人系统动力学模型如下
Figure GDA0002597155970000027
其中h为有界常数，表示机器人系统扩展状态的变化量；
步骤2)基于人机互作用力的康复步行训练机器人系统动力学模型，利用机器人的实时位置输出，设计定常增益和时变增益相结合的系统观测器，估计人机互作用力；康复步行训练机器人的实时位置输出y(t)＝X(t)＝x1(t)，设
Figure GDA0002597155970000028
表示xj(t)(j＝1,2,3)的观测值，
Figure GDA0002597155970000029
表示观测误差，设计观测器如下：
Figure GDA00025971559700000210
其中λ0，λ2为待设计的观测器定常增益，λ1(t)为待设计的观测器时变增益；根据模型(3)和观测器(4)，得到观测误差系统为
Figure GDA00025971559700000211
步骤3)基于状态观测误差以及轨迹跟踪误差和速度跟踪误差设计Lyapunov函数，使观测误差系统及跟踪误差系统实现渐近稳定；康复步行训练机器人实际行走轨迹X(t)，医生指定训练轨迹Xd(t)，设轨迹跟踪误差e1(t)和速度跟踪误差e2(t)分别为
e1(t)＝X(t)-Xd(t) (6)
Figure GDA0002597155970000031
进一步，由式(6)、(7)及模型(3)得到跟踪误差系统为
Figure GDA0002597155970000032
根据观测误差和跟踪误差设计Lyapunov函数如下：
Figure GDA0002597155970000033
步骤4)使观测误差系统及跟踪误差系统达到渐近稳定时，获得观测器增益和人机互作用力的求解方法，并根据获得的人机互作用力，设计补偿跟踪控制器；沿观测误差系统(5)和跟踪误差系统(8)对式(9)求导，调整观测器增益为
Figure GDA0002597155970000034
Figure GDA0002597155970000035
Figure GDA0002597155970000036
可使观测误差系统(5)渐近稳定，其中εσ(σ＝1,2,3)表示指定的小正数，于是得
Figure GDA0002597155970000037
进一步，由系统扩展状态x3(t)得人机互作用力为
Figure GDA0002597155970000038
获得人机互作用力后，设计补偿跟踪控制器u0(t)为
Figure GDA0002597155970000039
可使跟踪误差系统(8)渐近稳定；其中
Figure GDA00025971559700000310
表示B(θ)的伪逆矩阵。
作为一种优选方案，本发明基于ARM Cortex-M4的STM32F411系列单片机将输出PWM信号提供给电机驱动模块，使康复步行训练机器人补偿人机互作用力，并精确跟踪医生指定的训练轨迹；以STM32F411系列单片机为主控制器，主控制器的输入接MPU9250传感器模块、输出接电机驱动模块；电机驱动模块与直流电机相连；电源系统给各单元模块供电；主控制器控制方法为读取传感器模块的反馈信号X(t)与主控制器给定的控制命令信号Xd(t)，计算得出误差信号，并利用反馈信号X(t)获得人机互作用力；根据误差信号及人机互作用力，主控制器按照预定的控制算法计算出电机的控制量，送给电机驱动模块，电机转动带动轮子维持自身平衡及按指定方式运动。
作为另一种优选方案，本发明所述单片机采用STM32F411CEU6芯片，STM32F411CEU6芯片的5脚接8MHz晶振一端，8MHz晶振另一端接STM32F411CEU6芯片的6脚，STM32F411CEU6芯片的7脚通过电容C1接地，STM32F411CEU6芯片的14脚与MPU9250传感器模块的12脚相连；
STM32F411CEU6芯片的15脚通过电阻R12分别与电阻R16一端、NMOS管MOS4的栅极相连，NMOS管MOS4的源极分别与电阻R16另一端、地线相连，NMOS管MOS4的漏极分别与二极管D4阳极、第四个轮子的驱动电机的电源负极相连，第四个轮子的驱动电机的电源正极分别与电池正极、二极管D4阴极相连；
STM32F411CEU6芯片的20脚通过电阻R4接地；
STM32F411CEU6芯片的21脚通过电阻R11分别与电阻R15一端、NMOS管MOS3的栅极相连，NMOS管MOS3的源极分别与电阻R15另一端、地线相连，NMOS管MOS3的漏极分别与二极管D3阳极、第三个轮子的驱动电机的电源负极相连，第三个轮子的驱动电机的电源正极分别与电池正极、二极管D3阴极相连；
STM32F411CEU6芯片的22脚通过电容C2接地；
STM32F411CEU6芯片的42脚通过电阻R10分别与电阻R14一端、NMOS管MOS2的栅极相连，NMOS管MOS2的源极分别与电阻R14另一端、地线相连，NMOS管MOS2的漏极分别与二极管D2阳极、第二个轮子的驱动电机的电源负极相连，第二个轮子的驱动电机的电源正极分别与电池正极、二极管D2阴极相连；
STM32F411CEU6芯片的43脚通过电阻R9分别与电阻R13一端、NMOS管MOS1的栅极相连，NMOS管MOS1的源极分别与电阻R13另一端、地线相连，NMOS管MOS1的漏极分别与二极管D1阳极、第一个轮子的驱动电机的电源负极相连，第一个轮子的驱动电机的电源正极分别与电池正极、二极管D1阴极相连；
STM32F411CEU6芯片的44脚通过R1接地；
STM32F411CEU6芯片的45脚与MPU9250传感器模块的23脚相连，STM32F411CEU6芯片的46脚与MPU9250传感器模块的24脚相连。
另外，本发明所述电源系统包括TP4059芯片、第一XC6204芯片和第二XC6204芯片，TP4059芯片的3脚分别与电池正极、电阻R8一端、电容C12一端、第二XC6204芯片的1脚相连，电阻R8另一端分别与第一XC6204芯片的1脚和3脚相连，电容C12另一端接地；第二XC6204芯片的5脚通过电感L1与MPU9250传感器模块的1脚相连；
TP4059芯片的4脚分别与电容C8一端、电阻R6一端相连，电阻R6另一端通过电阻R7分别与地线、电容C8另一端相连。
本发明有益效果。
本发明结合动力学模型，将广义控制输入力进行分解，并将人机互作用力作为系统扩展状态，建立具有人机互作用力的系统动力学方程；根据康复步行训练机器人的实时位置输出，设计定常增益和时变增益相结合的人机互作用力观测器，并利用获得的人机互作用力设计补偿跟踪控制器，从而消除人机互作用力对康复步行训练机器人跟踪精度的影响。本发明人机互作用力观测方法新颖，且控制器直接对人机互作用力进行补偿，易于实现，该控制方法能提高康复步行训练机器人的跟踪精度和安全性。
本发明解决了康复步行训练机器人的补偿人机互作用力的跟踪控制问题，通过构建Lyapunov函数使观测误差系统和跟踪误差系统渐近稳定，求解观测器增益和人机互作用力。
附图说明
下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。
图1为本发明控制器工作框图；
图2为本发明系统坐标图；
图3为本发明STM32F411单片机最小系统图；
图4为本发明MPU9250外围电路图；
图5为本发明电机驱动模块外围电路图；
图6为本发明电源系统电路原理图。
具体实施方式
本发明是通过以下技术方案来实现的：
1)针对康复步行训练机器人动力学模型中的广义控制输入力，将其分解为跟踪控制力和人机互作用力，得到具有人机互作用力的机器人系统动力学模型；
2)把人机互作用力作为系统的扩展状态，利用机器人的实时位置输出，设计定常增益和时变增益相结合的系统观测器，估计人机互作用力；
3)基于状态观测误差以及轨迹跟踪误差和速度跟踪误差设计Lyapunov函数，使观测误差系统及跟踪误差系统实现渐近稳定；同时，获得观测器增益和人机互作用力的求解方法，并根据获得的人机互作用力，设计补偿跟踪控制器，使康复步行训练机器人精确跟踪医生指定的训练轨迹。
如图所示，本发明具体包括以下步骤：
步骤1)基于康复步行训练机器人系统动力学模型，将广义输入力分解为跟踪控制力和人机互作用力，得到具有人机互作用力的机器人系统动力学模型；系统动力学模型描述如下
Figure GDA0002597155970000051
其中
Figure GDA0002597155970000052
Figure GDA0002597155970000061
X(t)为康复步行训练机器人的实际行走轨迹，u(t)表示广义控制输入力，M表示康复步行训练机器人的质量，m表示康复者的质量，I0表示转动惯量，M0,K(θ),
Figure GDA0002597155970000062
B(θ)为系数矩阵；θ表示水平轴和机器人中心与第一个轮子中心连线间的夹角，即θ＝θ1，由康复步行机器人结构可知，
Figure GDA0002597155970000063
θ3＝θ+π，
Figure GDA0002597155970000064
li表示系统重心到每个轮子中心的距离，r0表示中心到重心的距离，φi表示x′轴和每个轮子对应的li之间的夹角，Di表示重心到每个轮子的距离，i＝1,2,3,4；符号
Figure GDA0002597155970000065
将u(t)分解为u0(t)和u1(t)并代入模型(1)，得
Figure GDA0002597155970000066
其中u0(t)表示待设计的跟踪控制力，用于驱动康复步行训练机器人跟踪医生指定的训练轨迹；u1(t)表示待观测的人机互作用力；令X(t)＝x1(t)表示机器人的运动位置，
Figure GDA0002597155970000067
表示机器人的运动速度，
Figure GDA0002597155970000068
表示系统的扩展状态，于是得到具有人机互作用力的机器人系统动力学模型如下
Figure GDA0002597155970000069
其中h为有界常数，表示机器人系统扩展状态的变化量；
步骤2)基于人机互作用力的康复步行训练机器人系统动力学模型，利用机器人的实时位置输出，设计定常增益和时变增益相结合的系统观测器，估计人机互作用力；康复步行训练机器人的实时位置输出y(t)＝X(t)＝x1(t)，设
Figure GDA00025971559700000610
表示xj(t)(j＝1,2,3)的观测值，
Figure GDA00025971559700000611
表示观测误差，设计观测器如下：
Figure GDA00025971559700000612
其中λ0，λ2为待设计的观测器定常增益，λ1(t)为待设计的观测器时变增益；根据模型(3)和观测器(4)，得到观测误差系统为
Figure GDA0002597155970000071
步骤3)基于状态观测误差以及轨迹跟踪误差和速度跟踪误差设计Lyapunov函数，使观测误差系统及跟踪误差系统实现渐近稳定；康复步行训练机器人实际行走轨迹X(t)，医生指定训练轨迹Xd(t)，设轨迹跟踪误差e1(t)和速度跟踪误差e2(t)分别为
e1(t)＝X(t)-Xd(t) (6)
Figure GDA0002597155970000072
进一步，由式(6)、(7)及模型(3)得到跟踪误差系统为
Figure GDA0002597155970000073
根据观测误差和跟踪误差设计Lyapunov函数如下：
Figure GDA0002597155970000074
步骤4)使观测误差系统及跟踪误差系统达到渐近稳定时，获得观测器增益和人机互作用力的求解方法，并根据获得的人机互作用力，设计补偿跟踪控制器；沿观测误差系统(5)和跟踪误差系统(8)对式(9)求导，调整观测器增益为
Figure GDA0002597155970000075
Figure GDA0002597155970000076
Figure GDA0002597155970000077
可使观测误差系统(5)渐近稳定，其中εσ(σ＝1,2,3)表示指定的小正数，于是得
Figure GDA0002597155970000078
进一步，由系统扩展状态x3(t)得人机互作用力为
Figure GDA0002597155970000079
获得人机互作用力后，设计补偿跟踪控制器u0(t)为
Figure GDA00025971559700000710
可使跟踪误差系统(8)渐近稳定；其中
Figure GDA00025971559700000711
表示B(θ)的伪逆矩阵。
基于ARM Cortex-M4的STM32F411系列单片机将输出PWM信号提供给电机驱动模块，使康复步行训练机器人补偿人机互作用力，并精确跟踪医生指定的训练轨迹；以STM32F411系列单片机为主控制器，主控制器的输入接MPU9250传感器模块、输出接电机驱动模块；电机驱动模块与直流电机相连；电源系统给各单元模块供电；主控制器控制方法为读取传感器模块的反馈信号X(t)与主控制器给定的控制命令信号Xd(t)，计算得出误差信号，并利用反馈信号X(t)获得人机互作用力；根据误差信号及人机互作用力，主控制器按照预定的控制算法计算出电机的控制量，送给电机驱动模块，电机转动带动轮子维持自身平衡及按指定方式运动。
所述单片机采用STM32F411CEU6芯片，STM32F411CEU6芯片的5脚接8MHz晶振一端，8MHz晶振另一端接STM32F411CEU6芯片的6脚，STM32F411CEU6芯片的7脚通过电容C1接地，STM32F411CEU6芯片的14脚与MPU9250传感器模块的12脚相连；
STM32F411CEU6芯片的15脚通过电阻R12分别与电阻R16一端、NMOS管MOS4的栅极相连，NMOS管MOS4的源极分别与电阻R16另一端、地线相连，NMOS管MOS4的漏极分别与二极管D4阳极、第四个轮子的驱动电机的电源负极相连，第四个轮子的驱动电机的电源正极分别与电池正极、二极管D4阴极相连；
STM32F411CEU6芯片的20脚通过电阻R4接地；
STM32F411CEU6芯片的21脚通过电阻R11分别与电阻R15一端、NMOS管MOS3的栅极相连，NMOS管MOS3的源极分别与电阻R15另一端、地线相连，NMOS管MOS3的漏极分别与二极管D3阳极、第三个轮子的驱动电机的电源负极相连，第三个轮子的驱动电机的电源正极分别与电池正极、二极管D3阴极相连；
STM32F411CEU6芯片的22脚通过电容C2接地；
STM32F411CEU6芯片的42脚通过电阻R10分别与电阻R14一端、NMOS管MOS2的栅极相连，NMOS管MOS2的源极分别与电阻R14另一端、地线相连，NMOS管MOS2的漏极分别与二极管D2阳极、第二个轮子的驱动电机的电源负极相连，第二个轮子的驱动电机的电源正极分别与电池正极、二极管D2阴极相连；
STM32F411CEU6芯片的43脚通过电阻R9分别与电阻R13一端、NMOS管MOS1的栅极相连，NMOS管MOS1的源极分别与电阻R13另一端、地线相连，NMOS管MOS1的漏极分别与二极管D1阳极、第一个轮子的驱动电机的电源负极相连，第一个轮子的驱动电机的电源正极分别与电池正极、二极管D1阴极相连；
STM32F411CEU6芯片的44脚通过R1接地；
STM32F411CEU6芯片的45脚与MPU9250传感器模块的23脚相连，STM32F411CEU6芯片的46脚与MPU9250传感器模块的24脚相连。
所述电源系统包括TP4059芯片、第一XC6204芯片和第二XC6204芯片，TP4059芯片的3脚分别与电池正极、电阻R8一端、电容C12一端、第二XC6204芯片的1脚相连，电阻R8另一端分别与第一XC6204芯片的1脚和3脚相连，电容C12另一端接地；第二XC6204芯片的5脚通过电感L1与MPU9250传感器模块的1脚相连；
TP4059芯片的4脚分别与电容C8一端、电阻R6一端相连，电阻R6另一端通过电阻R7分别与地线、电容C8另一端相连。
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (1)

1.康复步行训练机器人的补偿人机互作用力的跟踪控制方法，其特征在于包括以下步骤：
步骤1)基于康复步行训练机器人系统动力学模型，将广义输入力分解为跟踪控制力和人机互作用力，得到具有人机互作用力的机器人系统动力学模型；系统动力学模型描述如下
Figure FDA0002597155960000011
其中
Figure FDA0002597155960000012
Figure FDA0002597155960000013
X(t)为康复步行训练机器人的实际行走轨迹，u(t)表示广义控制输入力，M表示康复步行训练机器人的质量，m表示康复者的质量，I0表示转动惯量，M0,K(θ),
Figure FDA0002597155960000014
B(θ)为系数矩阵；θ表示水平轴和机器人中心与第一个轮子中心连线间的夹角，即θ＝θ1，由康复步行机器人结构可知，
Figure FDA0002597155960000015
θ3＝θ+π，
Figure FDA0002597155960000016
li表示系统重心到每个轮子中心的距离，r0表示中心到重心的距离，φi表示x′轴和每个轮子对应的li之间的夹角，Di表示重心到每个轮子的距离，i＝1,2,3,4；符号
Figure FDA0002597155960000017
将u(t)分解为u0(t)和u1(t)并代入模型(1)，得
Figure FDA0002597155960000018
其中u0(t)表示待设计的跟踪控制力，用于驱动康复步行训练机器人跟踪医生指定的训练轨迹；u1(t)表示待观测的人机互作用力；令X(t)＝x1(t)表示机器人的运动位置，
Figure FDA0002597155960000021
表示机器人的运动速度，
Figure FDA0002597155960000022
表示系统的扩展状态，于是得到具有人机互作用力的机器人系统动力学模型如下
Figure FDA0002597155960000023
其中h为有界常数，表示机器人系统扩展状态的变化量；
步骤2)基于人机互作用力的康复步行训练机器人系统动力学模型，利用机器人的实时位置输出，设计定常增益和时变增益相结合的系统观测器，估计人机互作用力；康复步行训练机器人的实时位置输出y(t)＝X(t)＝x1(t)，设
Figure FDA0002597155960000024
表示xj(t)，j＝1，2，3的观测值，
Figure FDA0002597155960000025
表示观测误差，设计观测器如下：
Figure FDA0002597155960000026
其中λ0，λ2为待设计的观测器定常增益，λ1(t)为待设计的观测器时变增益；根据模型(3)和观测器(4)，得到观测误差系统为
Figure FDA0002597155960000027
步骤3)基于状态观测误差以及轨迹跟踪误差和速度跟踪误差设计Lyapunov函数，使观测误差系统及跟踪误差系统实现渐近稳定；康复步行训练机器人实际行走轨迹X(t)，医生指定训练轨迹Xd(t)，设轨迹跟踪误差e1(t)和速度跟踪误差e2(t)分别为
e1(t)＝X(t)-Xd(t) (6)
Figure FDA0002597155960000028
进一步，由式(6)、(7)及模型(3)得到跟踪误差系统为
Figure FDA0002597155960000031
根据观测误差和跟踪误差设计Lyapunov函数如下：
Figure FDA0002597155960000032
步骤4)使观测误差系统及跟踪误差系统达到渐近稳定时，获得观测器增益和人机互作用力的求解方法，并根据获得的人机互作用力，设计补偿跟踪控制器；沿观测误差系统(5)和跟踪误差系统(8)对式(9)求导，调整观测器增益为
Figure FDA0002597155960000033
Figure FDA0002597155960000034
Figure FDA0002597155960000035
可使观测误差系统(5)渐近稳定，其中εσ，σ＝1，2，3表示指定的小正数，于是得
Figure FDA0002597155960000036
进一步，由系统扩展状态x3(t)得人机互作用力为
Figure FDA0002597155960000037
获得人机互作用力后，设计补偿跟踪控制器u0(t)为
Figure FDA0002597155960000038
可使跟踪误差系统(8)渐近稳定；其中
Figure FDA0002597155960000039
表示B(θ)的伪逆矩阵；
基于ARM Cortex-M4的STM32F411系列单片机将输出PWM信号提供给电机驱动模块，使康复步行训练机器人补偿人机互作用力，并精确跟踪医生指定的训练轨迹；以STM32F411系列单片机为主控制器，主控制器的输入接MPU9250传感器模块、输出接电机驱动模块；电机驱动模块与直流电机相连；电源系统给各单元模块供电；主控制器控制方法为读取传感器模块的反馈信号X(t)与主控制器给定的控制命令信号Xd(t)，计算得出误差信号，并利用反馈信号X(t)获得人机互作用力；根据误差信号及人机互作用力，主控制器按照预定的控制算法计算出电机的控制量，送给电机驱动模块，电机转动带动轮子维持自身平衡及按指定方式运动。
CN201711121836.7A 2017-11-14 2017-11-14 康复步行训练机器人的补偿人机互作用力的跟踪控制方法 Active CN107831667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711121836.7A CN107831667B (zh) 2017-11-14 2017-11-14 康复步行训练机器人的补偿人机互作用力的跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711121836.7A CN107831667B (zh) 2017-11-14 2017-11-14 康复步行训练机器人的补偿人机互作用力的跟踪控制方法

Publications (2)

Publication Number Publication Date
CN107831667A CN107831667A (zh) 2018-03-23
CN107831667B true CN107831667B (zh) 2020-09-08

Family

ID=61654327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711121836.7A Active CN107831667B (zh) 2017-11-14 2017-11-14 康复步行训练机器人的补偿人机互作用力的跟踪控制方法

Country Status (1)

Country Link
CN (1) CN107831667B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112068434B (zh) * 2020-09-09 2021-09-21 北京航空航天大学 基于扩展状态观测器的康复机械装置迭代学习控制方法
CN112433474B (zh) * 2020-11-27 2022-05-13 沈阳工业大学 基于scn内干扰力估计的坐垫机器人安全触发控制方法
CN112433475B (zh) * 2020-11-27 2022-05-13 沈阳工业大学 基于scn系统偏移量辨识的坐垫机器人限时学习控制方法
CN112571424B (zh) * 2020-11-27 2024-05-03 沈阳工业大学 基于scn步行力估计的康复机器人各轴速度直接约束控制
CN112506054B (zh) * 2020-11-27 2022-06-03 沈阳工业大学 基于scn观测主动推力的康复机器人随机有限时间稳定控制

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105320138B (zh) * 2015-11-28 2017-11-07 沈阳工业大学 康复训练机器人运动速度和运动轨迹同时跟踪的控制方法
CN105867130B (zh) * 2016-04-15 2018-11-13 沈阳工业大学 康复步行训练机器人的轨迹跟踪误差约束安全控制方法
CN105867136A (zh) * 2016-05-16 2016-08-17 北京理工大学 基于参数辨识的多电机伺服系统同步与跟踪控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"基于柔性外骨骼人机智能系统基础理论及应用技术研究";赵黎丽;《中国博士学位论文全文数据库信息科技辑》;20091115;全文 *
"构造性自适应观测器设计方法研究及其在故障诊断中的应用";张佳帆;《中国博士学位论文全文数据库信息科技辑》;20130815;全文 *
"速度受限的全方向康复步行训练机器人 Backstepping补偿跟踪控制";孙平;《信息与控制》;20151231;第44卷(第3期);全文 *

Also Published As

Publication number Publication date
CN107831667A (zh) 2018-03-23

Similar Documents

Publication Publication Date Title
CN107831667B (zh) 康复步行训练机器人的补偿人机互作用力的跟踪控制方法
CN107703762B (zh) 康复步行训练机器人的人机互作用力辨识及控制方法
CN110315543B (zh) 一种双足机器人步态生成与优化方法
CN105867130B (zh) 康复步行训练机器人的轨迹跟踪误差约束安全控制方法
CN107479381B (zh) 冗余康复步行训练机器人各轴跟踪误差最优预测控制方法
CN112433495B (zh) 基于scn人机不确定模型的康复机器人快速有限时间控制
CN110989589B (zh) 一种不同训练者质量随机变化的康复步行机器人的跟踪控制方法
CN113001540B (zh) 负载机动型外骨骼的人机交互智能控制方法及外骨骼系统
Leng et al. Wheel-legged robotic limb to assist human with load carriage: An application for environmental disinfection during COVID-19
Wang et al. ZMP theory-based gait planning and model-free trajectory tracking control of lower limb carrying exoskeleton system
da Silva et al. A robotic walker based on a two-wheeled inverted pendulum
CN113858201B (zh) 用于柔性驱动机器人的自适应变阻抗控制方法、系统与设备
Zheng et al. Human motion capture system based 3D reconstruction on rehabilitation assistance stability of lower limb exoskeleton robot climbing upstairs posture
Qu et al. Research on fuzzy adaptive impedance control of lower extremity exoskeleton
Ayten et al. Real-time trajectory tracking control for electric-powered wheelchairs using model-based multivariable sliding mode control
CN107485540A (zh) 一种用于智能协步手杖的能量注入系统
CN113359767B (zh) 机器人结构慢变化的有界轨迹跟踪误差安全驱动控制方法
CN112571424B (zh) 基于scn步行力估计的康复机器人各轴速度直接约束控制
Zhang et al. Fuzzy adaptive sliding mode control of lower limb exoskeleton rehabilitation robot
CN112433474A (zh) 基于scn内干扰力估计的坐垫机器人安全触发控制方法
CN112388616B (zh) 欠驱动支撑腿助力外骨骼的自适应鲁棒力控制方法及装置
Xiao et al. Research on Cooperative Control Technology of Lower Extremity Exoskeleton
CN116000917A (zh) 康复步行机器人的运动轨迹安全触发数据驱动控制方法
Wang et al. Gait planning and hybrid model based tracking control of lower extremity exoskeleton
Liang et al. Semi-passive Walking Control of Biped Robot with Muscle Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant