CN110074866B - 一种软组织手术机器人的控制方法、装置及设备 - Google Patents
一种软组织手术机器人的控制方法、装置及设备 Download PDFInfo
- Publication number
- CN110074866B CN110074866B CN201910376134.6A CN201910376134A CN110074866B CN 110074866 B CN110074866 B CN 110074866B CN 201910376134 A CN201910376134 A CN 201910376134A CN 110074866 B CN110074866 B CN 110074866B
- Authority
- CN
- China
- Prior art keywords
- linear
- soft tissue
- model
- force
- contact force
- 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
Links
- 210000004872 soft tissue Anatomy 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001356 surgical procedure Methods 0.000 title claims abstract description 33
- 238000006073 displacement reaction Methods 0.000 claims abstract description 46
- 239000000523 sample Substances 0.000 claims abstract description 42
- 238000013334 tissue model Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 2
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/70—Manipulators specially adapted for use in surgery
- A61B34/77—Manipulators with motion or force scaling
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种软组织手术机器人的控制方法,获取手术机器人的末端探针与软组织之间的实际接触力和位移,将实际接触力和位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力,进而确定线性输出力和非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力,最终根据目标输出力生成控制信号以对手术机器人的机械臂进行控制。可见,该方法设计了线性模型和非线性模型,模型结构简单,计算速度较快,此外该方法通过对两个模型的输出进行比较,择优输出,一定程度上满足了准确性的需求。本申请还提供了一种软组织手术机器人的控制装置、设备、软组织手术机器人及计算机可读存储介质,其作用与上述方法相对应。
Description
技术领域
本申请涉及控制领域,特别涉及一种软组织手术机器人的控制方法、装置、设备、软组织手术机器人、计算机可读存储介质。
背景技术
手术机器人系统是集多项现代高科技手段于一体的综合体,主要用于外科手术,外科医生可以远程操作手术机器人以实现手术过程,手术机器人辅助医疗具有许多优势,例如减少患者的创伤、增加手术的自由度、远程操作等。
在大多数手术机器人辅助医疗的过程中,机器人需要对皮肤等软组织进行接触操作,由于软组织具备弹性,因此手术机器人的输出力与手术机器人和软组织之间的接触力往往不同,需要对手术机器人的输出力进行控制和调整。在控制过程中,需要综合考虑预期接触力、实际接触力、软组织自身的受力特性等因素以确定输出力的大小,控制过程十分复杂。
现有的对手术机器人的控制方法往往基于单个力控制器模型实现,然而,由于软组织的受力特性,控制过程十分复杂,单个模型要么考虑参数较少,输出结果的准确性较差,要么考虑大量参数,无法满足在实际操作中的实时性需求。
发明内容
本申请的目的是提供一种软组织手术机器人的控制方法、装置、设备、软组织手术机器人、计算机可读存储介质,用以解决现有的对手术机器人的控制方法往往基于单个力控制器模型实现,要么考虑参数较少,输出结果的准确性较差,要么考虑大量参数,无法满足在实际操作中的实时性需求的问题。具体方案如下:
第一方面,本申请提供了一种软组织手术机器人的控制方法,包括:
获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
可选的,在所述将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力之前,还包括:
创建线性软组织模型和所述线性力学模型,其中,所述线性软组织模型的已知量包括所述接触力、所述位移、所述接触力的导数、所述位移的导数,所述线性力学模型的已知量包括所述位移的导数、所述位移的二次导数;
确定所述线性软组织模型的模型参数;
根据所述线性软组织模型的模型参数,确定所述线性力学模型的模型参数。
可选的,所述确定所述线性软组织模型的模型参数,包括:
利用最小二乘法确定所述线性软组织模型的模型参数。
可选的,在所述根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制之后,还包括:
在根据所述控制信号对所述机械臂进行控制后,获取所述末端探针与所述软组织之间的当前接触力;
确定所述当前接触力与所述预期接触力之间的差值;
根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
可选的,所述根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整,包括:
根据预设反馈增益、所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
第二方面,本申请还提供了一种软组织手术机器人的控制装置,包括:
获取模块:用于获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
模型输出模块:用于将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
目标输出力确定模块:用于确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
控制模块:用于根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
可选的,还包括:
差值确定模块:用于确定所述当前接触力与所述预期接触力之间的差值;
调整模块:用于根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
第三方面,本申请还提供了一种软组织手术机器人的控制设备,包括:
存储器:用于存储计算机程序;
处理器:用于执行所述计算机程序以实现如上所述的一种软组织手术机器人的控制方法的步骤。
第四方面,本申请还提供了一种软组织手术机器人,包括手术机器人本体、位移传感器、力传感器,还包括如上所述的软组织手术机器人的控制设备。
第五方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时用于实现如上所述的一种软组织手术机器人的控制方法的步骤。
本申请所提供的一种软组织手术机器人的控制方法,获取手术机器人的末端探针与软组织之间的实际接触力和位移,将实际接触力和位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力,进而确定线性输出力和非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力,最终根据目标输出力生成控制信号以对手术机器人的机械臂进行控制。可见,该方法设计了线性模型和非线性模型,模型结构简单,计算速度较快,此外该方法通过对两个模型的输出进行比较,择优输出,一定程度上满足了准确性的需求。
此外,本申请还提供了一种软组织手术机器人的控制装置、设备、软组织手术机器人及计算机可读存储介质,其作用与上述方法相对应,这里不再赘述。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请所提供的一种软组织手术机器人的控制方法实施例一的实现流程图;
图2为本申请所提供的一种软组织手术机器人的控制方法实施例一的逻辑框图;
图3为本申请所提供的一种软组织手术机器人的控制方法实施例二的实现流程图;
图4为本申请所提供的一种软组织手术机器人的控制方法实施例二的力学模型的结构示意图;
图5为本申请所提供的一种软组织手术机器人的控制装置的功能框图;
图6为本申请所提供的一种软组织手术机器人的控制设备的结构示意图。
具体实施方式
本申请的核心是提供一种软组织手术机器人的控制方法、装置、设备、软组织手术机器人及计算机可读存储介质,通过设计线性模型和非线性模型,均衡了计算速度和准确度,实现了快速准确对手术机器人进行控制的目的。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面对本申请提供的一种软组织手术机器人的控制方法实施例一进行介绍,参见图1,实施例一包括:
步骤S101:获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
上述实际接触力是指末端探针与软组织之间的接触力,如图2所示,实际接触力fe具体可以通过设置于手术机器人上的力传感器测得,位移x具体可以通过设置于手术机器人上的位移传感器测得。作为一种具体的实施方式,本实施例主要考虑垂直于软组织的方向上的接触力和位移。
步骤S102:将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
具体的,上述线性力学模型是指基于线性软组织模型的力控制器模型,上述非线性力学模型是指基于非线性软组织模型的力控制器模型。其中,软组织模型是指用于描述软组织的位移情况及受力大小的模型,根据软组织的力学模型,本实施例充分考虑其线性与非线性特征,创建了线性软组织模型和非线性软组织模型,并分别确定线性软组织模型和非线性软组织模型的模型参数,最终根据线性软组织模型的模型参数确定线性力学模型的模型参数,并根据非线性软组织模型的模型参数确定非线性力学模型的模型参数,利用线性力学模型和非线性力学模型对手术机器人的机械臂进行控制,以满足手术机器人系统对稳定性、精确性和实时性的要求。作为一种具体的实施方式,如图2所示,可以选取K.Boltzmann模型作为上述线性软组织模型,可以选取Hunt–Crossley模型作为上述非线性软组织模型,在此基础上,创建基于K.Boltzmann模型的力控制器模型以及基于Hunt–Crossley模型的力控制器模型。
步骤S103:确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
上述预期接触力是指期望达到的末端探针与软组织之间的接触力,其具体大小可以依据在实际应用场景中对手术机器人的需求来确定。由于软组织具备弹性,因此,当手术机器人将预期接触力作为输出时,实际上软组织和手术机器人末端探针的接触力往往小于预期接触力,因此需要通过调整手术机器人的输出,从而使末端探针与软组织之间的接触力接近预期接触力,甚至稳定在预期接触力范围。考虑到实际需求,调整过程最好为渐变的且尽量不要超过预期接触力,因此本实施例选取和预期接触力较接近的输出力,为了方便描述,本实施例将最终选取的输出力称为目标输出力。
作为一种具体的实施方式,如图2所示,可以设置开关控制器,本实施例利用开关控制器对线性从线性输出力y1和非线性输出力y2选择出目标输出力yk。
步骤S104:根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
具体的,根据目标输出力以及机械臂的动力学信息生成最终的控制信号,以实现控制机械臂,其中,机械臂的动力学信息包括惯性矩阵、离心力、动力矩阵等。
本实施例所提供一种软组织手术机器人的控制方法,获取手术机器人的末端探针与软组织之间的实际接触力和位移,将实际接触力和位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力,进而确定线性输出力和非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力,最终根据目标输出力生成控制信号以对手术机器人的机械臂进行控制。可见,该方法设计了线性模型和非线性模型,模型结构简单,计算速度较快,此外该方法通过对两个模型的输出进行比较,择优输出,一定程度上满足了准确性的需求。
下面开始详细介绍本申请提供的一种软组织手术机器人的控制方法实施例二,实施例二基于上述实施例一实现,并在实施例一的基础上进行了一定程度上的拓展。具体的,实施例考虑到实际手术中存在生理运动,如呼吸和心跳等,为控制过程带来一定频率的扰动,因此实施例二设置了主动观测器来弥补力控制器模型误差和生理运动的干扰。
参见图3,实施例二具体包括:
步骤S201:创建线性软组织模型和非线性软组织模型,并分别确定所述线性软组织模型和非线性软组织模型的模型参数。
具体的,可以建立K.Boltzmann模型以作为线性软组织模型,模型的公式如下:
其中,f(t)表示手术机器人的末端探针到软组织的接触力,表示该接触力的一阶导数,由末端探针结构的力传感器获取,x(t)、分别表示末端探针进入软组织的形变位移和形变位移的速度,由末端探针结构的位移传感器获取。需要辨识的模型参数只有β、α、γ,具体的,可以用线性最小二乘法对模型参数进行辨识,利用线性最小二乘法进行参数辨识的方程如下:
其中n为离散域内的时间位,为未知需要辨识的参数,在此包括β、α、γ;Φ(n)为已知输入量,在此Φ(n)包括x(t)、y(n)为期望输出量,在此y(n)包括f(t);e(n)为依据参数辨识精度要求而预先设置的误差值,L(n)为自适应增益量,P(n)为协方差矩阵,λ为遗忘因子。
具体的,可以建立Hunt–Crossley模型以作为非线性软组织模型,如下式表示:
其中,f(t)表示手术机器人的末端探针到软组织的接触力,x(t)、分别表示末端探针进入软组织的形变位移和形变位移的速度。该式需要辨识的模型参数有β、α、γ。由于已知f(t)、x(t)、这三个量,作为一种可选的实施方式,本实施例利用利文贝格-麦夸特(Levenberg–Marquardt)算法对上述模型参数进行离线辨识,确定β、α、γ的具体数值。
步骤S202:创建线性力学模型,并确定线性力学模型的模型参数。
首先,建立n个自由度和关节坐标为q的机械臂力学模型,公式如下:
对上式进行变形,得到下式:
其中,向量U是由每个自由度的控制信号组成,并且U的微分方程为:
其中,Kv是增益对角矩阵。将向量U的每个自由度全部解耦后,每个坐标轴的控制可独立表示为:
其中分别代表每个坐标轴的速度和加速度,u代表解耦后单个坐标轴的控制输入信号,kv为解耦后单个坐标轴的增益对角矩阵。然后,根据式(1)和式(10)可得到控制信号u和实际接触力fe的传递函数,s是拉普拉斯算子,如下式所示:
将式(11)的传递函数写成状态空间的可观形式,得到下式:
为了实际应用,用零阶保持器按Ts的周期将式子(12)、(13)的系统离散化,所得到的离散状态空间表示为:
x(k)=Φx(k-1)+Γu(k-1)+ω(k) (14)
y(k)=Cx(k)+η(k) (15)
其中,引入w(k)、η(k)来表示实际模型和测量不确定性,Φ和Γ的含义分别如下:
本实施例基于式(14)建立如图4所示的线性力学模型,此外,作为一种优选的实施方式,本实施例在力控制模型中设置了主动观测器。在图4中,r(k)是参考输入,e(k)表示实际状态x(k)和观测状态的误差,L是状态反馈增益,是主动观测器的主动状态,且p(k)=Le(k)。在引入主动观测器后,该系统可写为状态估计的形式:
P(k)=P1(k)-K(k)CaP1(k) (19)
步骤S203:创建非线性力学模型,并确定非线性力学模型的模型参数。
首先,建立n个自由度和关节坐标为q的机械臂力学模型,具体过程参见线性力学模型中相应描述,此处不再展开介绍。然后,将非线性软组织模型的式(6)在x=xs处利用泰勒展开式得到下式:
其中Fd为预期接触力的大小。基于式(3)设计控制关系的过程同线性力学模型的过程相同。只需根据式(22)将传递函数即式(11)变为:
将式(23)写为状态空间可观形式为:
同样用零阶保持器按Ts的周期将式子(24)和(25)的系统离散化,所得到的离散状态空间表示同式(14)和(15)相同,此处不再赘述。本实施例在非线性力学模型中也设置了主动观测器,其原理参见线性力学模型中的相关描述,此处不再展开介绍。需要说明的是,本实施例不限定线性力学模型和非线性力学模型的创建先后顺序。
步骤S204:获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
步骤S205:将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
步骤S206:确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
步骤S207:根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
如上所述,本实施例在线性力学模型和非线性力学模型中均设置了主动观测器,因此,在实际应用场景中,每次在根据控制信号对所述机械臂进行控制后,本实施例会利用主动观测器获取末端探针与软组织之间的当前接触力,计算当前接触力与预期接触力之间的差值,并将这个差值反馈到下一次控制信号的计算过程中,以实现对线性力学模型或非线性力学模型的下一次输出进行调整。作为一种具体的实施方式,本实施例根据预设反馈增益、当前接触力与所述预期接触力之间的差值,对线性力学模型或非线性力学模型的下一次输出进行调整。因此,本实施例可以对手术过程中由于生理运动导致的扰动进行补偿,并且控制实时性高,可满足手术中的要求。
本实施例可应用于机器人辅助超声波、机器人辅助植皮去皮等与软组织接触的手术中,提高机器人辅助手术应用的准确性和安全性。例如应用于远程遥操作手术系统。
可见,本实施例提供的一种软组织手术机器人的控制方法,创建了适用于手术机器人的复杂软组织模型,所建模型简单,参数少,模型实时性高。并且在力控制器模型中运用主动观测器来弥补模型误差和生理运动的干扰,实现在操作时进行生理运动补偿,控制组织形变和触觉反馈等,可以提高机器人辅助手术中的准确性和安全性。
下面对本申请实施例提供的一种软组织手术机器人的控制装置进行介绍,下文描述的一种软组织手术机器人的控制装置与上文描述的一种软组织手术机器人的控制方法可相互对应参照。
如图5所示,该装置包括:
获取模块501:用于获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
模型输出模块502:用于将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
目标输出力确定模块503:用于确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
控制模块504:用于根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
作为一种具体的实施方式,该装置还包括:
差值确定模块:用于确定所述当前接触力与所述预期接触力之间的差值;
调整模块:用于根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
本实施例的软组织手术机器人的控制装置用于实现前述的软组织手术机器人的控制方法,因此该装置中的具体实施方式可见前文中的软组织手术机器人的控制方法的实施例部分,例如,获取模块501、模型输出模块502、目标输出力确定模块503、控制模块504,分别用于实现上述软组织手术机器人的控制方法中步骤S101,S102,S103,S104。所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再展开介绍。
另外,由于本实施例的软组织手术机器人的控制装置用于实现前述的软组织手术机器人的控制方法,因此其作用与上述方法的作用相对应,这里不再赘述。
本申请还提供了一种软组织手术机器人的控制设备,如图6所示,包括:
存储器601:用于存储计算机程序;
处理器602:用于执行所述计算机程序以实现如上所述的一种软组织手术机器人的控制方法的步骤。
此外,本申请还提供了一种软组织手术机器人,包括手术机器人本体、位移传感器、力传感器,还包括如上所述的软组织手术机器人的控制设备。
最后,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时用于实现如上所述的一种软组织手术机器人的控制方法的步骤。
本实施例的软组织手术机器人的控制设备、软组织手术机器人、计算机可读存储介质用于实现前述的软组织手术机器人的控制方法,因此该设备、软组织手术机器人、计算机可读存储介质的具体实施方式可见前文中的软组织手术机器人的控制方法的实施例部分,且作用与上述方法实施例相对应,这里不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的软组织手术机器人的控制方法、装置、设备、软组织手术机器人、计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种软组织手术机器人的控制装置,其特征在于,包括:
获取模块:用于获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
模型输出模块:用于将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
目标输出力确定模块:用于确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
控制模块:用于根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
2.如权利要求1所述的装置,其特征在于,还包括:
差值确定模块:用于确定当前接触力与所述预期接触力之间的差值;
调整模块:用于根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
3.一种软组织手术机器人的控制设备,其特征在于,包括:
存储器:用于存储计算机程序;
处理器:用于执行所述计算机程序以实现以下步骤:
获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
4.根据权利要求3所述的软组织手术机器人的控制设备,其特征在于,所述处理器通过执行所述计算机程序还用于实现以下步骤:
在所述将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力之前,创建线性软组织模型和所述线性力学模型,其中,所述线性软组织模型的已知量包括所述接触力、所述位移、所述接触力的导数、所述位移的导数,所述线性力学模型的已知量包括所述位移的导数、所述位移的二次导数;
确定所述线性软组织模型的模型参数;
根据所述线性软组织模型的模型参数,确定所述线性力学模型的模型参数。
5.根据权利要求4所述的软组织手术机器人的控制设备,其特征在于,所述处理器通过执行所述计算机程序用于实现以下步骤:
利用最小二乘法确定所述线性软组织模型的模型参数。
6.根据权利要求3至5任一项所述的软组织手术机器人的控制设备,其特征在于,所述处理器通过执行所述计算机程序还用于实现以下步骤:
在所述根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制之后,在根据所述控制信号对所述机械臂进行控制后,获取所述末端探针与所述软组织之间的当前接触力;
确定所述当前接触力与所述预期接触力之间的差值;
根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
7.根据权利要求6所述的软组织手术机器人的控制设备,其特征在于,所述处理器通过执行所述计算机程序用于实现以下步骤:
根据预设反馈增益、所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
8.一种软组织手术机器人,其特征在于,包括手术机器人本体、位移传感器、力传感器,还包括如权利要求3至7任一项所述的软组织手术机器人的控制设备。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取手术机器人的末端探针与软组织之间的实际接触力,并获取所述末端探针在所述软组织中的位移;
将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力;
确定所述线性输出力和所述非线性输出力中与预期接触力差值较小的输出力,以作为目标输出力;
根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制。
10.根据权利要求9所述的计算机可读存储介质,其特征在于,所述计算机可读存储介质上的所述计算机程序被处理器执行时还实现以下步骤:
在所述将所述实际接触力和所述位移分别输入线性力学模型和非线性力学模型,得到线性输出力和非线性输出力之前,创建线性软组织模型和所述线性力学模型,其中,所述线性软组织模型的已知量包括所述接触力、所述位移、所述接触力的导数、所述位移的导数,所述线性力学模型的已知量包括所述位移的导数、所述位移的二次导数;
确定所述线性软组织模型的模型参数;
根据所述线性软组织模型的模型参数,确定所述线性力学模型的模型参数。
11.根据权利要求10所述的计算机可读存储介质,其特征在于,所述计算机可读存储介质上的所述计算机程序被处理器执行时实现以下步骤:
利用最小二乘法确定所述线性软组织模型的模型参数。
12.根据权利要求9至11任一项所述的计算机可读存储介质,其特征在于,所述计算机可读存储介质上的所述计算机程序被处理器执行时还实现以下步骤:
在所述根据所述目标输出力生成控制信号以对所述手术机器人的机械臂进行控制之后,在根据所述控制信号对所述机械臂进行控制后,获取所述末端探针与所述软组织之间的当前接触力;
确定所述当前接触力与所述预期接触力之间的差值;
根据所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
13.根据权利要求12所述的计算机可读存储介质,其特征在于,所述计算机可读存储介质上的所述计算机程序被处理器执行时实现以下步骤:
根据预设反馈增益、所述当前接触力与所述预期接触力之间的差值,对所述线性力学模型或所述非线性力学模型的下一次输出进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376134.6A CN110074866B (zh) | 2019-05-07 | 2019-05-07 | 一种软组织手术机器人的控制方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376134.6A CN110074866B (zh) | 2019-05-07 | 2019-05-07 | 一种软组织手术机器人的控制方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110074866A CN110074866A (zh) | 2019-08-02 |
CN110074866B true CN110074866B (zh) | 2022-02-15 |
Family
ID=67419088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910376134.6A Active CN110074866B (zh) | 2019-05-07 | 2019-05-07 | 一种软组织手术机器人的控制方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110074866B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376223A (zh) * | 2014-11-25 | 2015-02-25 | 上海交通大学 | 适用于微创手术的人体组织模型参数在线辨识方法 |
CN105982735A (zh) * | 2015-01-30 | 2016-10-05 | 上海交通大学 | 提高主从式远程遥操作手术系统透明性和稳定性的方法 |
CN107330972A (zh) * | 2017-06-28 | 2017-11-07 | 华中科技大学鄂州工业技术研究院 | 模拟生物力学特性的实时软组织形变方法和系统 |
KR20180095291A (ko) * | 2017-02-17 | 2018-08-27 | 단국대학교 산학협력단 | 응력 계산 방법 및 장치 |
-
2019
- 2019-05-07 CN CN201910376134.6A patent/CN110074866B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376223A (zh) * | 2014-11-25 | 2015-02-25 | 上海交通大学 | 适用于微创手术的人体组织模型参数在线辨识方法 |
CN105982735A (zh) * | 2015-01-30 | 2016-10-05 | 上海交通大学 | 提高主从式远程遥操作手术系统透明性和稳定性的方法 |
KR20180095291A (ko) * | 2017-02-17 | 2018-08-27 | 단국대학교 산학협력단 | 응력 계산 방법 및 장치 |
CN107330972A (zh) * | 2017-06-28 | 2017-11-07 | 华中科技大学鄂州工业技术研究院 | 模拟生物力学特性的实时软组织形变方法和系统 |
Non-Patent Citations (2)
Title |
---|
Hunt–Crossley model based force control for minimally invasiverobotic surgery;A. Pappalardo et al.;《Biomedical Signal Processing and Control》;20160831;第31-43页 * |
基于虚拟现实的机器人遥操作关键技术研究;倪得晶 等;《仪器仪表学报》;20171031;第2351-2360页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110074866A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110559083B (zh) | 手术机器人及其末端器械的控制方法、控制装置 | |
US20220142712A1 (en) | Training data collection for machine learning models | |
JP5044659B2 (ja) | 最小侵入ロボット手術システムのための応力推定方法 | |
CN110464472B (zh) | 手术机器人及其末端器械的控制方法、控制装置 | |
US20140195052A1 (en) | Control apparatus and method for master-slave robot, master-slave robot, and control program | |
Zhang et al. | Optimal path planning for robotic insertion of steerable electrode arrays in cochlear implant surgery | |
WO2014002805A1 (en) | Puncture control system and method therefor | |
CN112057170B (zh) | 手术机器人及其控制方法、控制装置 | |
CN109968361B (zh) | 一种基于实时力反馈的变阻抗遥操作控制装置及方法 | |
Ayvali et al. | Using bayesian optimization to guide probing of a flexible environment for simultaneous registration and stiffness mapping | |
CN115179279A (zh) | 机械臂的控制方法、装置、机械臂以及可读存储介质 | |
Dominici et al. | Model predictive control architectures with force feedback for robotic-assisted beating heart surgery | |
CN114521962B (zh) | 手术机器人轨迹跟踪方法、装置、机器人及存储介质 | |
CN110074866B (zh) | 一种软组织手术机器人的控制方法、装置及设备 | |
CN113568308B (zh) | 一种基于干扰观测器的机械系统无力传感触觉力估计方法 | |
Atashzar et al. | Robot-assisted lung motion compensation during needle insertion | |
Dominici et al. | Heart motion compensation for robotic-assisted surgery predictive approach vs. active observer | |
CN110007601B (zh) | 一种双边遥操作系统的控制装置和设备 | |
Dominici et al. | Cascade robot force control architecture for autonomous beating heart motion compensation with model predictive control and active observer | |
Grammatikopoulou et al. | Motor channelling for safe and effective dynamic constraints in Minimally Invasive Surgery | |
Jo et al. | Development of virtual reality-vision system in robot-assisted laparoscopic surgery | |
Dominici et al. | Cascade force control for autonomous beating heart motion compensation | |
Cortesao et al. | Motion compensation for robotic-assisted surgery with force feedback | |
Dominici et al. | Compensation for 3D physiological motion in robotic-assisted surgery using a predictive force controller. experimental results | |
Liu et al. | Viscoelastic model based force tracking control for robotic-assisted surgery |
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 |