CN111403019B - 踝关节假肢模型的建立方法、无模型控制方法和验证方法 - Google Patents

踝关节假肢模型的建立方法、无模型控制方法和验证方法 Download PDF

Info

Publication number
CN111403019B
CN111403019B CN202010201556.2A CN202010201556A CN111403019B CN 111403019 B CN111403019 B CN 111403019B CN 202010201556 A CN202010201556 A CN 202010201556A CN 111403019 B CN111403019 B CN 111403019B
Authority
CN
China
Prior art keywords
model
control
function
ankle joint
artificial limb
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
CN202010201556.2A
Other languages
English (en)
Other versions
CN111403019A (zh
Inventor
宋亮
姜恺宁
张燕
张志强
王铭玥
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.)
Qinhuangdao Research Institute Of National Rehabilitation Aids Research Center
Original Assignee
Qinhuangdao Research Institute Of National Rehabilitation Aids Research Center
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 Qinhuangdao Research Institute Of National Rehabilitation Aids Research Center filed Critical Qinhuangdao Research Institute Of National Rehabilitation Aids Research Center
Priority to CN202010201556.2A priority Critical patent/CN111403019B/zh
Publication of CN111403019A publication Critical patent/CN111403019A/zh
Application granted granted Critical
Publication of CN111403019B publication Critical patent/CN111403019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/60—Artificial legs or feet or parts thereof
    • A61F2/66—Feet; Ankle joints
    • A61F2/6607—Ankle joints
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/68—Operating or control means
    • 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

Abstract

本发明公开了一种踝关节假肢的动态线性化模型的建立方法、无模型控制方法和验证方法，其中，踝关节假肢的动态线性化模型的无模型控制方法包括，确定控制输入准则函数；根据控制输入准则函数和动态线性化模型，计算得到第一控制函数；根据动态线性化模型和目标控制表达函数，确定第二控制函数；根据第一控制函数和第二控制函数，确定控制踝关节假肢的无模型控制表达函数，根据无模型控制表达函数控制踝关节假肢模型。该方法回避了具体的机械结构设计，减少了对机械模型的依赖，避免了踝关节假肢模型建立的复杂性和模型不准确而影响控制的缺陷。

Description

踝关节假肢模型的建立方法、无模型控制方法和验证方法
技术领域
本发明涉及假肢控制技术领域，具体涉及一种踝关节假肢模型的建立方法、无模型控制方法和验证方法。
背景技术
目前市场上应用于下肢残疾者的大多数踝关节假肢分为被动型和主动型。被动踝关节假肢结构简单、成本较低，主要利用假肢的机械结构和各类储能元件来实现行走，然而被动型假肢无法直接产生机械动力，而正常人在行走过程中，踝关节肌肉会在蹬离期提供直接的推动力，故下肢残疾者在穿戴此类踝关节假肢时需要消耗较多能量。主动踝关节假肢虽然可以通过生理肌电信号或者物理运动信息获取人体运动意图，进而对假肢执行器进行控制，然而，主动踝关节假肢主要涉及人体及假肢模型，而不会对假肢的控制方法进行验证，因此，无法确定建立的假肢模型是否满足下肢残疾者的日常生活需要，下肢残疾者穿戴此类踝关节假肢行走时是否舒适，即无法确定建立的假肢模型是否准确。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的无法确定建立的假肢模型是否准确的缺陷，从而提供一种踝关节假肢模型的建立方法、无模型控制方法和验证方法。
根据第一方面，本发明实施例提供了一种建立踝关节假肢的动态线性化模型的方法，包括：基于目标算法建立踝关节假肢模型，所述踝关节假肢模型为连续系统函数；以踝关节力矩作为输入，踝关节角度作为输出，对所述连续系统函数进行离散化处理，得到离散系统函数；引入伪梯度的时变参数向量将所述离散系统函数转换为踝关节假肢的动态线性化模型。
结合第一方面，在第一方面的第一实施方式中，所述动态线性化模型为紧格式动态线性化模型，所述紧格式动态线性化模型表达如下：
Δy(k+1)＝φ(k)Δu(k)
其中，φ(k)为伪梯度时变向量；u(k)为输入信号；y(k+1)为输出信号。
根据第二方面，本发明实施例提供了一种踝关节假肢的无模型控制方法，用于采用第一方面或第一方面第一实施方式中所述的方法建立的所述的踝关节假肢的动态线性化模型，包括：确定控制输入准则函数；根据所述控制输入准则函数和所述动态线性化模型，计算得到第一控制函数；根据所述动态线性化模型和目标控制表达函数，确定第二控制函数；根据所述第一控制函数和所述第二控制函数，确定控制踝关节假肢的无模型控制表达函数。
结合第二方面，在第二方面的第一实施方式中，所述根据所述控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，包括：基于虚拟参考反馈方法，求解所述第一控制函数的控制参数变量；根据所述求解得到的所述控制参数变量，确定求解伪梯度时变向量的目标算法；根据所述动态线性化模型和所述目标算法，确定所述第一控制函数。
根据第三方面，本发明实施例提供了一种踝关节假肢控制的验证方法，用于第二方面或第二方面第一实施方式所述的踝关节假肢的控制方法，包括：基于SolidWorks软件构建人体各部件模型；基于Adams软件设置所述人体各部件模型的相关参数，对所述人体各部件模型添加约束副及驱动副；建立所述Adams软件与MATLAB软件的数据传输接口，将所述人体各部件模型的相关参数和对应所述人体各部件模型添加的所述约束副及驱动副，通过所述数据传输接口传输至所述MATLAB软件；搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对所述人体步态行走进行仿真分析和验证。
根据第四方面，本发明实施例提供了一种建立踝关节假肢的动态线性化模型的装置，包括：建立模块，用于基于目标算法建立踝关节假肢模型，所述踝关节假肢模型为连续系统函数；离散处理模块，用于以踝关节力矩作为输入，踝关节角度作为输出，对所述连续系统函数进行离散化处理，得到离散系统函数；转换模块，用于引入伪梯度的时变参数向量将所述离散系统函数转换为踝关节假肢的动态线性化模型。
根据第五方面，本发明实施例提供了一种踝关节假肢的无模型控制装置，用于采用第四方面所述的建立踝关节假肢的动态线性化模型的装置，包括：第一确定模块，用于确定控制输入准则函数；计算模块，用于根据所述控制输入准则函数和所述动态线性化模型，计算得到第一控制函数；第二确定模块，用于根据所述动态线性化模型和目标控制表达函数，确定第二控制函数；第三确定模块，用于根据所述第一控制函数和所述第二控制函数，确定控制踝关节假肢的无模型控制表达函数。
根据第六方面，本发明实施例提供了一种踝关节假肢控制的验证装置，用于第五方面所述的踝关节假肢的无模型控制装置，包括：构建模块，用于基于SolidWorks软件构建人体各部件模型；设置模块，用于基于Adams软件设置所述人体各部件模型的相关参数，对所述人体各部件模型添加约束副及驱动副；建立模块，建立所述Adams软件与MATLAB软件的数据传输接口，将所述人体各部件模型的相关参数和对应所述人体各部件模型添加的所述约束副及驱动副，通过所述数据传输接口传输至所述MATLAB软件；验证模块，用于搭建联合仿真实验平台，根据踝关节假肢的无模型控制方法控制所述踝关节假肢模型进行人体步态行走，对所述人体步态行走进行仿真分析和验证。
根据第七方面，本发明实施例提供了一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或第一方面第一实施方式所述的踝关节假肢的动态线性化模型的建立方法或第二方面或第二方面第一实施方式所述的踝关节假肢的无模型控制方法或第三方面所述的踝关节假肢控制的验证方法。
根据第八方面，本发明实施例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存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面或第一方面第一实施方式所述的踝关节假肢的动态线性化模型的建立方法或第二方面或第二方面第一实施方式所述的踝关节假肢的无模型控制方法或第三方面所述的踝关节假肢控制的验证方法。
本发明技术方案，具有如下优点：
1.本发明提供的踝关节假肢的动态线性化模型的建立方法、装置及设备，通过基于目标算法建立踝关节假肢模型，其中，踝关节假肢模型为连续系统函数，以踝关节力矩作为输入，踝关节角度作为输出，对连续系统函数进行离散化处理，得到离散系统函数，引入伪梯度的时变参数向量将离散系统函数转换为踝关节假肢的动态线性化模型。该方法基于无模控制思想，引入伪梯度的时变参数向量，在被控踝关节假肢模型系统的每个动态工作点采用动态线性时变模型，将假肢模型转化为紧格式动态线性化模型，利用该动态线性化模型以控制踝关节假肢，相比一般非线性系统，该踝关节假肢的动态线性化模型的建立方法在没有对计算结果产生较大影响的情况下，大大的简化了计算流程。
2.本发明提供的踝关节假肢的无模型控制方法、装置及设备，通过确定控制输入准则函数，根据控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，根据动态线性化模型和目标控制表达函数，确定第二控制函数，将第一控制函数和第二控制函数进行叠加，确定控制踝关节假肢的控制表达函数。该方法基于动态线性化模型设计控制表达函数，主要依靠动态线性化模型的测量数据设计控制表达函数，回避了具体的机械结构设计，避免了踝关节假肢模型建立的复杂性和模型不准确而影响控制的缺陷，这样设计的控制表达函数不是显式地直接利用踝关节假肢的机械模型信息，而是隐式地利用踝关节假肢模型或模型结构信息，减少了对机械模型的依赖。
3.本发明提供的踝关节假肢的无模型控制方法，通过引入虚拟参考反馈设计控制方法以对踝关节假肢进行控制，避免了踝关节假肢复杂模型的建立和模型不准确的问题，提高了控制的准确性。
4本发明提供的踝关节假肢控制的验证方法、装置和设备，通过基于SolidWorks软件构建人体各部件模型，基于Adams软件设置人体各部件模型的相关参数，对人体各部件模型添加约束副及驱动副，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应体各部件模型添加的约束副及驱动副，通过数据传输接口传输至所述MATLAB软件，搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对人体步态行走进行仿真分析和验证。模拟踝关节假肢的穿戴者模型正常人体步态，根据仿真分析结果显示的踝关节假肢的控制方法对踝关节假肢模型的控制，比较踝关节假肢模型的输出踝关节角度与期望角度之间的误差，有效验证了踝关节假肢的控制方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例中建立踝关节假肢的动态线性化模型的方法的流程图；
图2为本发明实施例中踝关节假肢的无模型控制方法的流程图；
图3为本发明实施例中踝关节假肢的无模型控制方法的流程图；
图4为本发明实施例中踝关节假肢控制的验证方法的流程图；
图5为本发明实施例中踝关节假肢模型的行走仿真的示意图；
图6为本发明实施例中踝关节角度变化的运动轨迹曲线的示意图；
图7为本发明实施例中建立踝关节假肢的动态线性化模型的装置的原理框图；
图8为本发明实施例中踝关节假肢的无模型控制装置的原理框图；
图9为本发明实施例中踝关节假肢的无模型控制装置的原理框图；
图10为本发明实施例中计算机设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种建立踝关节假肢的动态线性化模型的方法，应用于假肢控制领域中踝关节假肢模型的建立，无需建立踝关节假肢的机械模型，如图1所示，该方法包括：
S11，基于目标算法建立踝关节假肢模型，踝关节假肢模型为连续系统函数。
示例性地，目标算法为建立踝关节假肢模型的动力学分析法，可以为拉格朗日动力学分析法，此处对目标算法不作限定，本领域技术人员可以根据实际需要确定。以目标算法为拉格朗日动力学分析法为例，建立踝关节假肢模型，该模型为一连续系统函数，可以表达为：
其中，θ为踝关节角度向量，M(θ)为实对称惯性矩阵，为哥式力和离心力相关项矩阵，G(θ)为重力相关项矩阵，τ为踝关节假肢力矩，τh为人体作用于踝关节假肢的交互力矩。
S12，以踝关节力矩作为输入，踝关节角度作为输出，对连续系统函数进行离散化处理，得到离散系统函数。
示例性地，踝关节角度可以定义如下：以足弓水平着地为零参考点，跖屈角度为正，背屈角度为负；也可以定义为：以足弓水平着地为零参考点，跖屈角度为负，背屈角度为正。其中，跖屈角度为前脚掌绕踝关节上抬靠近小腿的角度；背屈角度为前脚掌绕踝关节下降远离小腿的角度。本申请对踝关节角度的定义方法不作限定，本领域技术人员可以根据实际需要确定。本实施例中的踝关节角度以足弓水平着地为0参考点，跖屈角度为正，角度为负。以踝关节力矩τ作为输入u，踝关节角度θ为输出y，将连续系统函数表达式(1)可以改写为：
差分方程是确定时间序列的方程，可以将二阶连续系统函数表达式(2)中的微分用差分代替，利用向后差分法将系统离散化变为差分方程。对于一个离散系统而言，在k时刻时，式(2)中的C(k)、G(k)、M(k)是特定的值，踝关节假肢与人体的交互力矩τh(k)也是有界的，因此，在k时刻时，踝关节假肢模型的离散系统函数的表达式可以写作：
根据差分的定义可知，可分别表示为/> 将/>和/>代入表达式(3)，可以进一步将表达式(3)改写为：
S13，引入伪梯度时变参数向量将离散系统函数转换为踝关节假肢的动态线性化模型。
示例性地，对于表达式(4)，可以满足以下假设条件：系统的输入输出是可控可观的，即对系统存在有界的期望输出信号yd(k+1)，则一定存在有界的可控制输入信号u(k)，能够使系统在该可控制输入信号驱动下的输出等于系统期望输出；系统中对于变量控制输入信号u(k)的偏导数存在且连续；符合广义利普希茨(Lipschitz)条件，即对任意时刻k(k≥0)，Δu(k)≠0均有|Δy(k+1)|≤bΔu(k)，其中，b>0为常数，Δy(k+1)＝y(k+1)-y(k)，Δu(k)＝u(k)-u(k-1)。对于满足上述假设条件的表达式(4)，当Δu(k)≠0时，必存在一个伪梯度时变参数向量φ(k)，其对任意时刻k有界，使得表达式(4)可以表达为如下动态线性化数据模型：
Δy(k+1)＝φ(k)Δu(k) (5)
动态线性化模型分为紧格式动态线性化、偏格式动态线性化或全格式动态线性化，作为一个可选的实施方式，本申请采用紧格式动态线性化模型，表达式(5)可以作为紧格式动态线性化模型表达式，其中，φ(k)为伪梯度时变参数向量；u(k)为输入信号；y(k+1)为输出信号。
本发明提供的踝关节假肢的动态线性化模型的建立方法，通过基于目标算法建立踝关节假肢模型，其中，踝关节假肢模型为连续系统函数，以踝关节力矩作为输入，踝关节角度作为输出，对连续系统函数进行离散化处理，得到离散系统函数，引入伪梯度的时变参数向量将离散系统函数转换为踝关节假肢的动态线性化模型。该方法基于无模控制思想，引入伪梯度的时变参数向量，在被控踝关节假肢模型系统的每个动态工作点采用动态线性时变模型，将假肢模型转化为紧格式动态线性化模型，利用该动态线性化模型以控制踝关节假肢，相比一般非线性系统，该踝关节假肢的动态线性化模型的建立方法在没有对计算结果产生较大影响的情况下，大大的简化了计算流程。
实施例2
本实施例提供一种踝关节假肢的无模型控制方法，应用于控制踝关节假肢模型的建立，可以隐式地利用踝关节假肢系统的模型或模型结构信息，无需显式地直接利用踝关节假肢的机械模型信息。如图2所示，该方法包括：
S21，确定控制输入准则函数。
示例性地，由于最小化一步向前预报误差准则函数有可能产生过大的控制输入，而最小化加权一步向前预报误差准则函数又有可能产生稳态的跟踪误差，考虑上述最小化一步向前预报误差准则函数和最小化加权一步向前预报误差准则函数存在的问题，可以采用如下控制输入准则函数：
J(u(k))＝|yd(k+1)-y(k+1)|2+λ|u(k)-u(k-1)|2 (5)
其中，k为任意时刻，k≥0；λ是用来限制控制输入量的权重因子，u(k)为动态线性化数据模型的输入信号，yd(k+1)为期望输出信号，y(k+1)为输出信号。
S22，根据控制输入准则函数和动态线性化模型，计算得到第一控制函数。
示例性地，将动态线性化模型的表达式(4)代入控制输入准则函数的表达式(5)，并对u(k)求偏导，使得得到第一控制函数的表达式：
uAC(k)＝uAC(k-1)+θ(k)(yd(k+1)-y(k)) (6)
其中，uAC(k)为无模型自适应控制器的输出信号；步长因子ρ∈(0,1]，可使无模型自适应控制器的控制具有更大的灵活性；θ(k)为无模型自适应控制器的参数变量；φc(k)为伪梯度时变参数向量的值。
作为本申请一个可选地实施方式，如图3所示，步骤S22，可以包括：
S221，基于虚拟参考反馈方法，求解第一控制函数的控制参数变量。
示例性地，基于虚拟参考反馈方法，通过引入虚拟参考反馈信rvir，使得y＝M(z)rvir，其中M(z)为给定的参考模型，通过最小化性能指标函数求解第一控制函数的控制参数变量。
S222，根据求解得到的控制参数变量，确定求解伪梯度时变参数向量的目标算法。
示例性地，伪梯度时变向量估计值考虑采用以下准则函数：
其中，μ是权重因子，μ>0，为φc(k)的估计值。
将表达式(5)代入表达式(8)并对φc(k)求极值，可得伪梯度时变参数向量的估计算法：
其中，η是步长因子，η∈(0,2]。引入步长因子可以使控制方法具有较高的灵活性。
通过虚拟参考反馈方法获得踝关节假肢模型系统的一组输入输出数据，根据优化算法得到无模型自适应控制器的最优参数。引入虚拟参考信号rvir，使得y＝M(z)rvir。其中，M(z)为给定的参考模型，可以表达为：
其中，b1≠0，m和n是两个整数，虚拟误差evir＝rvir-y。
通过最小化性能指标函数求解无模型自适应控制器的控制参数变量，最小化性能指标函数如下：
其中，φL(k)＝β(z)eL(k)，uL(k)＝L(z)u(k)，eL(k)＝L(z)evir(k)；L(z)为根据需要设计的滤波器，用来保证控制器参数整定效果；βT(z)θ是设定的参数化控制器。
最小化表达式(9)，本实施例中采用虚拟参考反馈整定时，给定则可计算虚拟参考信号为：
进而计算虚拟误差为：
选取滤波器L(z)＝1-M(z)z-1，对虚拟误差evir和控制输入u(k)进行滤波，得到eL(k)＝L(z)evir(k)、uL(k)＝L(z)u(k)。
若yd(k+1)为常值，由表达式(6)参数化形式的无模型自适应控制器可知：
通过最小化表达式(9)中的指标函数，控制参数变量的初值可由以下计算公式给出：
其中，
进一步，若权重因子λ和伪梯度时变参数变量的初值有/>其中，δ为一大于0的常数，而且根据表达式(7)有/>可反解伪梯度时变参数变量的初值为：
对伪梯度时变参数变量的重置值进行估计：
首先，当或|Δu(k-1)|≤ε时，找出相对应输入值与输出值u(k-1)、y(k-1)，记di＝[u(k-1),y(k-1)]T。然后在数据库中找到与di＝[u(k-1),y(k-1)]T距离最为临近的n组输入输出数据dj＝[u(k-1),y(k-1)]T。最后基于虚拟参考反馈整定的最小化指标函数以计算控制参数变量的重置值的表达式：
最终得出伪梯度时变参数变量的重置值的表达式：
S223，根据动态线性化模型和目标算法，确定第一控制函数。
示例性地，根据确定的控制参数变量可以确定对应控制参数变量的目标算法计算得到的伪梯度时变参数变量的估计值，将该伪梯度时变参数变量的估计值、控制参数变量代入至动态线性化模型的表达式可以确定第一控制函数。通过引入虚拟参考反馈设计控制方法以对踝关节假肢进行控制，避免了踝关节假肢复杂模型的建立和模型不准确的问题，提高了控制的准确性。
S23，根据动态线性化模型和目标控制表达函数，确定第二控制函数。
示例性地，目标控制表达函数可以由滑平面函数根据离散趋近率和跟踪误差进行变换确定。第二控制函数可以为准滑模控制器表达函数，根据动态线性化模型和目标控制表达函数确定准滑模控制器表达函数的具体过程如下：
滑平面函数的表达式如下：
s(k)＝e(k)+c0e(k-1) (19)
其中，e(k)为跟踪误差，定义为：e(k)＝yd(k)-y(k)。
采用如下离散趋近率：
s(k+1)＝(1-q)s(k)-εsat(s(k)) (20)
其中，ε>0，0<q<1。
根据式(19)与式(20)可知，
e(k+1)+c0e(k)＝(1-q)s(k)-εsat(s(k)) (21)
由跟踪误差定义，可得：
yd(k+1)-y(k+1)＝(1-q)s(k)-εsat(s(k))-c0e(k) (22)
将动态线性化模型Δy(k+1)＝φ(k)Δu(k)代入上述表达式(22)，可得：
令s(k)＝cTE(k)，其中，cT＝[1,c0]，E(k)T＝[e(k),e(k-1)]，由于滑模控制率在动态线性化基础上进行，则令Δu(k)＝uSM(k)，将s(k)＝cTE(k)代入表达式(23)，整理后可得出准滑模控制器表达式如下：
其中，
S24，根据第一控制函数和第二控制函数，确定控制踝关节假肢的无模型控制表达函数。
示例性地，根据得到的第一控制函数和第二控制函数可以得到控制踝关节假肢的无模型控制表达函数，此处的无模型控制表达函数可以为无模型自适应准滑模控制器。根据上述步骤S21至步骤S23的计算结果，可以得到无模型自适应准滑模控制器的表达式：
u＝uAC+uSM (27)
本实施例提供的踝关节假肢的无模型控制方法，通过确定控制输入准则函数，根据控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，根据动态线性化模型和目标控制表达函数，确定第二控制函数，将第一控制函数和第二控制函数进行叠加，确定控制踝关节假肢的控制表达函数。该方法基于动态线性化模型设计控制表达函数，主要依靠动态线性化模型的测量数据设计控制表达函数，回避了具体的机械结构设计，避免了踝关节假肢模型建立的复杂性和模型不准确而影响控制的缺陷，这样设计的控制表达函数不是显式地直接利用踝关节假肢的机械模型信息，而是隐式地利用踝关节假肢模型或模型结构信息，减少了对机械模型的依赖。
实施例3
本实施例提供一种踝关节假肢控制的验证方法，应用于验证踝关节假肢模型的控制，如图4所示，该方法包括：
S31，基于SolidWorks软件构建人体各部件模型。
示例性地，参照国家标准使用SolidWorks软件建立人体各部件的模型并进行组装。
S32，基于Adams软件设置人体各部件模型的相关参数，对人体各部件模型添加约束副及驱动副。
示例性地，将构建好的人体模型导入到Adams软件中，对人体各部件模型参数进行设置，在Adams软件中，模型各部件的自由度由约束模块(Joint模块)设定。本实施例针对人体下肢运动，故对人体上半部分的头部和躯干之间采取固定副的形式，手臂与躯干之间采取转动副的形式来表示人体行走过程中的手臂摆动，人体的下肢部分即髋关节、膝关节与踝关节均采用转动副的形式，以表示行走过程中各关节的屈伸情况。约束模块可以规定人体各组成部件之间的相对运动形式，此外还需在约束副上添加Motion驱动使得部件能够产生相对运动，在模型下肢各关节的运动副添加转动驱动，选取踝关节角度作为驱动模块的物理量。因本实施的对象为踝关节假肢，故在正常人体的基础上，将小腿和脚处的假肢简化为Adams软件中的两个“link”连杆，模拟踝关节处的转动情况，采用添加踝关节力矩的方法来模拟电机的输出，髋关节和膝关节为角度驱动，踝关节为力矩驱动。
S33，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应人体各部件模型添加的约束副及驱动副，通过数据传输接口传输至MATLAB软件。
示例性地，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应人体各部件模型添加的约束副及驱动副，通过数据传输接口传输至MATLAB软件。在Adams中定义踝关节假肢模型的输入变量和输出变量，其中，输入变量为踝关节力矩，该输入变量由MATLAB基于控制算法计算得出，输入到Adams仿真软件中；输出变量是Adams仿真软件输出到MATLAB中的踝关节角度变量。
S34，搭建联合仿真实验平台，根据踝关节假肢的无模型控制方法控制踝关节假肢模型进行人体步态行走，对人体步态行走进行仿真分析和验证。
示例性地，搭建联合仿真实验平台，对踝关节假肢的无模型控制方法对踝关节假肢模型的控制进行验证。在MATLAB中启动踝关节假肢模型的行走仿真，即可得到穿戴假肢人体模型的行走仿真结果，如图5所示。图中可看出人体行走基本平稳，与正常人行走步态相似。为了更直观地观察踝关节的运动情况，根据人体模型中踝关节角度变化得到运动轨迹曲线，如图6所示，包括期望踝关节角度运动轨迹曲线和实际踝关节角度运动轨迹曲线。由于踝关节假肢模型初始化的原因，在仿真开始时，踝关节角度开始逐渐收敛逼近期望角度，可以看出在连续行走的步态周期内，该踝关节假肢的无模型控制方法有比较良好的跟随效果，期望角度与实际输出角度之间的误差较小。
本实施例提供的踝关节假肢控制的验证方法，通过基于SolidWorks软件构建人体各部件模型，基于Adams软件设置人体各部件模型的相关参数，对人体各部件模型添加约束副及驱动副，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应体各部件模型添加的约束副及驱动副，通过数据传输接口传输至所述MATLAB软件，搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对人体步态行走进行仿真分析和验证。模拟踝关节假肢的穿戴者模型正常人体步态，根据仿真分析结果显示的踝关节假肢的控制方法对踝关节假肢模型的控制，比较踝关节假肢模型的输出踝关节角度与期望角度之间的误差，有效验证了踝关节假肢的控制方法。
实施例4
本实施例提供一种建立踝关节假肢的动态线性化模型的装置，应用于假肢控制领域中踝关节假肢模型的建立，如图7所示，该装置包括：
建立模块41，用于基于目标算法建立踝关节假肢模型，踝关节假肢模型为连续系统函数。
离散处理模块42，用于以踝关节力矩作为输入，踝关节角度作为输出，对连续系统函数进行离散化处理，得到离散系统函数。
转换模块43，用于引入伪梯度的时变参数向量将离散系统函数转换为踝关节假肢的动态线性化模型。
本发明提供的踝关节假肢的动态线性化模型的建立装置，通过基于目标算法建立踝关节假肢模型，其中，踝关节假肢模型为连续系统函数，以踝关节力矩作为输入，踝关节角度作为输出，对连续系统函数进行离散化处理，得到离散系统函数，引入伪梯度的时变参数向量将离散系统函数转换为踝关节假肢的动态线性化模型。该装置基于无模控制思想，引入伪梯度的时变参数向量，在被控踝关节假肢模型系统的每个动态工作点采用动态线性时变模型，将假肢模型转化为紧格式动态线性化模型，利用该动态线性化模型以控制踝关节假肢，相比一般非线性系统，该踝关节假肢的动态线性化模型的建立方法在没有对计算结果产生较大影响的情况下，大大的简化了计算流程。
实施例5
本实施例提供一种踝关节假肢的无模型控制装置，应用于控制踝关节假肢模型的建立，可以隐式地利用踝关节假肢系统的模型或模型结构信息，无需显式地直接利用踝关节假肢的机械模型信息。如图8所示，该装置包括：
第一确定模块51，用于确定控制输入准则函数。
计算模块52，用于根据控制输入准则函数和动态线性化模型，计算得到第一控制函数。
第二确定模块53，用于根据动态线性化模型和目标控制表达函数，确定第二控制函数。
第三确定模块54，用于根据第一控制函数和第二控制函数，确定控制踝关节假肢的无模型控制表达函数。
本实施例提供的踝关节假肢的无模型控制装置，通过确定控制输入准则函数，根据控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，根据动态线性化模型和目标控制表达函数，确定第二控制函数，将第一控制函数和第二控制函数进行叠加，确定控制踝关节假肢的控制表达函数。该装置基于动态线性化模型设计控制表达函数，主要依靠动态线性化模型的测量数据设计控制表达函数，回避了具体的机械结构设计，避免了踝关节假肢模型建立的复杂性和模型不准确而影响控制的缺陷，该装置所设计的控制表达函数并不是显式地直接利用踝关节假肢的机械模型信息，而是隐式地利用踝关节假肢模型或模型结构信息，减少了对机械模型的依赖。
作为本申请一个可选地实施方式，计算模块52，包括：
求解子模块，用于基于虚拟参考反馈方法，求解第一控制函数的控制参数变量。
第一确定子模块，用于根据求解得到的控制参数变量，确定求解伪梯度时变参数向量的目标算法。
第二确定子模块，用于根据动态线性化模型和目标算法，确定第一控制函数。通过引入虚拟参考反馈设计控制方法以对踝关节假肢进行控制，避免了踝关节假肢复杂模型的建立和模型不准确的问题，提高了控制的准确性。
实施例6
本实施例提供一种踝关节假肢控制的验证装置，应用于验证踝关节假肢模型的控制，如图9所示，该装置包括：
构建模块61，用于基于SolidWorks软件构建人体各部件模型。
设置模块62，用于基于Adams软件设置人体各部件模型的相关参数，对人体各部件模型添加约束副及驱动副。
建立模块63，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应人体各部件模型添加的所述约束副及驱动副，通过数据传输接口传输至MATLAB软件。
验证模块64，用于搭建联合仿真实验平台，根据踝关节假肢的控制方法控制踝关节假肢模型进行人体步态行走，对人体步态行走进行仿真分析和验证。
本实施例提供的踝关节假肢控制的验证装置，通过基于SolidWorks软件构建人体各部件模型，基于Adams软件设置人体各部件模型的相关参数，对人体各部件模型添加约束副及驱动副，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应体各部件模型添加的约束副及驱动副，通过数据传输接口传输至所述MATLAB软件，搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对人体步态行走进行仿真分析和验证。模拟踝关节假肢的穿戴者模型正常人体步态，根据仿真分析结果显示的踝关节假肢的控制方法对踝关节假肢模型的控制，比较踝关节假肢模型的输出踝关节角度与期望角度之间的误差，有效验证了踝关节假肢的控制方法。
实施例7
本发明实施例还提供了一种计算机设备，如图10所示，该设备包括处理器71和存储器72，其中处理器71和存储器72可以通过总线或者其他方式连接，图10中以通过总线70连接为例。
处理器71可以为中央处理器(Central Processing Unit，CPU)。处理器71还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、图形处理器(Graphics Processing Unit，GPU)、嵌入式神经网络处理器(Neural-network ProcessingUnit，NPU)或者其他专用的深度学习协处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器72作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的建立踝关节假肢的动态线性化模型的方法对应的程序指令/模块(例如，图7所示的建立模块41、离散处理模块42和转换模块43)；踝关节假肢的无模型控制方法对应的程序指令/模块(例如，图8所示的第一确定模块51、计算模块52、第二确定模块53和第三确定模块54)；踝关节假肢控制的验证方法对应的程序指令/模块(例如，图9所示的构建模块61、设置模块62、建立模块63和验证模块64)。处理器71通过运行存储在存储器72中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的建立踝关节假肢的动态线性化模型的方法、踝关节假肢的无模型控制方法和踝关节假肢控制的验证方法。
存储器72可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器71所创建的数据等。此外，存储72可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器72可选包括相对于处理器71远程设置的存储器，这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器72中，当被所述处理器71执行时，执行如图1-图6所示实施例中的建立踝关节假肢的动态线性化模型的方法、踝关节假肢的无模型控制方法和踝关节假肢控制的验证方法。
通过基于目标算法建立踝关节假肢模型，其中，踝关节假肢模型为连续系统函数，以踝关节力矩作为输入，踝关节角度作为输出，对连续系统函数进行离散化处理，得到离散系统函数，引入伪梯度的时变参数向量将离散系统函数转换为踝关节假肢的动态线性化模型。该方法基于无模控制思想，引入伪梯度的时变参数向量，在被控踝关节假肢模型系统的每个动态工作点采用动态线性时变模型，将假肢模型转化为紧格式动态线性化模型，利用该动态线性化模型以控制踝关节假肢，相比一般非线性系统，该踝关节假肢的动态线性化模型的建立方法在没有对计算结果产生较大影响的情况下，大大的简化了计算流程。
通过确定控制输入准则函数，根据控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，根据动态线性化模型和目标控制表达函数，确定第二控制函数，将第一控制函数和第二控制函数进行叠加，确定控制踝关节假肢的控制表达函数。该方法基于动态线性化模型设计控制表达函数，主要依靠动态线性化模型的测量数据设计控制表达函数，回避了具体的机械结构设计，避免了踝关节假肢模型建立的复杂性和模型不准确而影响控制的缺陷，这样设计的控制表达函数不是显式地直接利用踝关节假肢的机械模型信息，而是隐式地利用踝关节假肢模型或模型结构信息，减少了对机械模型的依赖。
通过基于SolidWorks软件构建人体各部件模型，基于Adams软件设置人体各部件模型的相关参数，对人体各部件模型添加约束副及驱动副，建立Adams软件与MATLAB软件的数据传输接口，将人体各部件模型的相关参数和对应体各部件模型添加的约束副及驱动副，通过数据传输接口传输至所述MATLAB软件，搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对人体步态行走进行仿真分析和验证。模拟踝关节假肢的穿戴者模型正常人体步态，根据仿真分析结果显示的踝关节假肢的控制方法对踝关节假肢模型的控制，比较踝关节假肢模型的输出踝关节角度与期望角度之间的误差，有效验证了踝关节假肢的控制方法。
上述计算机设备具体细节可以对应参阅图1至图9所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本发明实施例还提供一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的建立踝关节假肢的动态线性化模型的方法、踝关节假肢的无模型控制方法和踝关节假肢控制的验证方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (7)

1.一种踝关节假肢的无模型控制方法，用于踝关节假肢的动态线性化模型，其特征在于，包括：
确定控制输入准则函数；
根据所述控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，所述第一控制函数为无模型自适应控制器表达函数，所述无模型自适应控制器表达函数为：
其中，为无模型自适应控制器的输出信号；步长因子/>，可使无模型自适应控制器的控制具有更大的灵活性；/>为无模型自适应控制器的参数变量；/>为伪梯度时变参数向量的值；
根据所述动态线性化模型和目标控制表达函数，确定第二控制函数，其中，所述目标控制表达函数由滑平面函数根据离散趋近率和跟踪误差进行变换确定，所述第二控制函数为准滑模控制器表达函数，所述准滑模控制器表达函数为：
其中，；/>为准滑模控制器的输出信号；
根据所述第一控制函数和所述第二控制函数，确定控制踝关节假肢的无模型控制表达函数，所述无模型控制表达函数为无模型自适应准滑模控制器表达函数，所述无模型自适应准滑模控制器表达函数为：
；
；
；
其中，为伪梯度时变参数变量；/>为无模型自适应准滑模控制器的输出信号；
所述踝关节假肢的动态线性化模型的建立方法，包括：基于目标算法建立踝关节假肢模型，所述踝关节假肢模型为连续系统函数；以踝关节力矩作为输入，踝关节角度作为输出，对所述连续系统函数进行离散化处理，得到离散系统函数；引入伪梯度的时变参数向量将所述离散系统函数转换为踝关节假肢的动态线性化模型；其中，所述离散系统函数为：
其中，表示k-1时刻的哥式力和离心力相关项矩阵；/>表示k-1时刻的重力相关项矩阵；/>表示k-1时刻的实对称惯性矩阵，且/>、/>以及/>均为特定的值；/>、/>、/>表示各个离散时刻的输出信号；/>表示踝关节假肢与人体的交互力矩；其中，所述动态线性化模型为紧格式动态线性化模型，所述紧格式动态线性化模型表达如下：/>；
其中，为伪梯度时变参数向量；/>为输入信号；/>为输出信号。
2.根据权利要求1所述的方法，其特征在于，所述根据所述控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，包括：
基于虚拟参考反馈方法，求解所述第一控制函数的控制参数变量；
根据所述求解得到的所述控制参数变量，确定求解伪梯度时变向量的目标算法；
根据所述动态线性化模型和所述目标算法，确定所述第一控制函数。
3.一种踝关节假肢控制的验证方法，用于权利要求1或2所述的踝关节假肢的无模型控制方法，其特征在于，包括
基于SolidWorks软件构建人体各部件模型；
基于Adams软件设置所述人体各部件模型的相关参数，对所述人体各部件模型添加约束副及驱动副；
建立所述Adams软件与MATLAB软件的数据传输接口，将所述人体各部件模型的相关参数和对应所述体各部件模型添加的所述约束副及驱动副，通过所述数据传输接口传输至所述MATLAB软件；
搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对所述人体步态行走进行仿真分析和验证。
4.一种踝关节假肢的无模型控制装置，用于踝关节假肢的动态线性化模型，其特征在于，包括：
第一确定模块，用于确定控制输入准则函数；
计算模块，用于根据所述控制输入准则函数和所述动态线性化模型，计算得到第一控制函数，所述第一控制函数为无模型自适应控制器表达函数；
第二确定模块，用于根据所述动态线性化模型和目标控制表达函数，确定第二控制函数，其中，所述目标控制表达函数由滑平面函数根据离散趋近率和跟踪误差进行变换确定，所述第二控制函数为准滑模控制器表达函数；
第三确定模块，用于根据所述第一控制函数和所述第二控制函数，确定控制踝关节假肢的无模型控制表达函数；
其中，所述无模型自适应控制器表达函数为：
其中，为无模型自适应控制器的输出信号；步长因子/>，可使无模型自适应控制器的控制具有更大的灵活性；/>为无模型自适应控制器的参数变量；/>为伪梯度时变参数向量的值；
其中，所述准滑模控制器表达函数为：
其中，；/>为准滑模控制器的输出信号；
其中，所述无模型自适应准滑模控制器表达函数为：
；
；
；
其中，为伪梯度时变参数变量；/>为无模型自适应准滑模控制器的输出信号；
所述踝关节假肢的动态线性化模型的建立装置，包括：建立模块，用于基于目标算法建立踝关节假肢模型，所述踝关节假肢模型为连续系统函数；离散处理模块，用于以踝关节力矩作为输入，踝关节角度作为输出，对所述连续系统函数进行离散化处理，得到离散系统函数；转换模块，用于引入伪梯度的时变参数向量将所述离散系统函数转换为踝关节假肢的动态线性化模型；
其中，所述离散系统函数为：
其中，表示k-1时刻的哥式力和离心力相关项矩阵；/>表示k-1时刻的重力相关项矩阵；/>表示k-1时刻的实对称惯性矩阵，且/>、/>以及/>均为特定的值；/>、/>、/>表示各个离散时刻的输出信号；/>表示踝关节假肢与人体的交互力矩；
其中，所述动态线性化模型为紧格式动态线性化模型，所述紧格式动态线性化模型表达如下：；
其中，为伪梯度时变参数向量；/>为输入信号；/>为输出信号。
5.一种踝关节假肢控制的验证装置，其特征在于，用于权利要求4所述的踝关节假肢的无模型控制装置，包括：
构建模块，用于基于SolidWorks软件构建人体各部件模型；
设置模块，用于基于Adams软件设置所述人体各部件模型的相关参数，对所述人体各部件模型添加约束副及驱动副；
建立模块，建立所述Adams软件与MATLAB软件的数据传输接口，将所述人体各部件模型的相关参数和对应所述体各部件模型添加的所述约束副及驱动副，通过所述数据传输接口传输至所述MATLAB软件；
验证模块，用于搭建联合仿真实验平台，根据踝关节假肢的控制方法控制所述踝关节假肢模型进行人体步态行走，对所述人体步态行走进行仿真分析和验证。
6.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1或2所述的踝关节假肢的控制方法或权利要求3所述的踝关节假肢控制的验证方法。
7.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1或2所述的踝关节假肢的控制方法或权利要求3所述的踝关节假肢控制的验证方法。
CN202010201556.2A 2020-03-20 2020-03-20 踝关节假肢模型的建立方法、无模型控制方法和验证方法 Active CN111403019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010201556.2A CN111403019B (zh) 2020-03-20 2020-03-20 踝关节假肢模型的建立方法、无模型控制方法和验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010201556.2A CN111403019B (zh) 2020-03-20 2020-03-20 踝关节假肢模型的建立方法、无模型控制方法和验证方法

Publications (2)

Publication Number Publication Date
CN111403019A CN111403019A (zh) 2020-07-10
CN111403019B true CN111403019B (zh) 2023-08-29

Family

ID=71428963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010201556.2A Active CN111403019B (zh) 2020-03-20 2020-03-20 踝关节假肢模型的建立方法、无模型控制方法和验证方法

Country Status (1)

Country Link
CN (1) CN111403019B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113520683B (zh) * 2021-07-08 2023-06-16 中国科学技术大学 基于模仿学习的下肢假肢控制系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117545A (zh) * 2015-08-20 2015-12-02 河北工业大学 下肢假肢行走运动仿真实验的方法
CN110327187A (zh) * 2019-07-10 2019-10-15 河北工业大学 一种外骨骼的带先验力矩无模型控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117545A (zh) * 2015-08-20 2015-12-02 河北工业大学 下肢假肢行走运动仿真实验的方法
CN110327187A (zh) * 2019-07-10 2019-10-15 河北工业大学 一种外骨骼的带先验力矩无模型控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金尚泰 等.基于虚拟参考反馈整定的改进无模型自适应控制.《控制与决策》.2015,第30卷(第30期),第2175-2180页. *

Also Published As

Publication number Publication date
CN111403019A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
Wen et al. A new powered lower limb prosthesis control framework based on adaptive dynamic programming
Vantilt et al. Model-based control for exoskeletons with series elastic actuators evaluated on sit-to-stand movements
KR100871946B1 (ko) 관절 부하 결정 장치
CN104921851B (zh) 主动型膝上假肢膝关节的预测控制方法
Zhao et al. First steps toward translating robotic walking to prostheses: a nonlinear optimization based control approach
US9572520B2 (en) Movement assistance device, and synchrony based control method for movement assistance device
Rouse et al. Development of a mechatronic platform and validation of methods for estimating ankle stiffness during the stance phase of walking
Grabke et al. Lower limb assistive device design optimization using musculoskeletal modeling: a review
Wang et al. Integration, sensing, and control of a modular soft-rigid pneumatic lower limb exoskeleton
CN110327187B (zh) 一种外骨骼的带先验力矩无模型控制方法
Huang et al. Optimisation of reference gait trajectory of a lower limb exoskeleton
Zhao et al. Realization of nonlinear real-time optimization based controllers on self-contained transfemoral prosthesis
CN111403019B (zh) 踝关节假肢模型的建立方法、无模型控制方法和验证方法
Peng et al. Data-driven optimal assistance control of a lower limb exoskeleton for hemiplegic patients
Wang et al. ZMP theory-based gait planning and model-free trajectory tracking control of lower limb carrying exoskeleton system
US20230066952A1 (en) Systems and methods for reinforcement learning control of a powered prosthesis
Horn et al. Nonholonomic virtual constraints for control of powered prostheses across walking speeds
Sun et al. Dynamic simulation of human gait model with predictive capability
CN112472531A (zh) 面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法
Kim et al. Deep-learning to map a benchmark dataset of non-amputee ambulation for controlling an open source bionic leg
Tran et al. Model-learning-based partitioned control of a human-powered augmentation lower exoskeleton
CN107320223A (zh) 下肢假肢自动对线方法及装置
Duvinage et al. An active foot lifter orthosis based on a PCPG algorithm
Al-Maliky et al. Study and analysis the flexion moment in active and passive knee prosthesis using back propagation neural network predictive
Bailly et al. Recursive estimation of the human body’s center of mass and angular momentum derivative

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