CN111515938B - 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法 - Google Patents

一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法 Download PDF

Info

Publication number
CN111515938B
CN111515938B CN202010466162.XA CN202010466162A CN111515938B CN 111515938 B CN111515938 B CN 111515938B CN 202010466162 A CN202010466162 A CN 202010466162A CN 111515938 B CN111515938 B CN 111515938B
Authority
CN
China
Prior art keywords
gait cycle
iterative learning
pace
lower limb
learning control
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.)
Expired - Fee Related
Application number
CN202010466162.XA
Other languages
English (en)
Other versions
CN111515938A (zh
Inventor
胡冬
刘作军
刘磊
刘少哲
陈玲玲
张燕
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.)
Hebei University of Technology
Original Assignee
Hebei 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 Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN202010466162.XA priority Critical patent/CN111515938B/zh
Publication of CN111515938A publication Critical patent/CN111515938A/zh
Application granted granted Critical
Publication of CN111515938B publication Critical patent/CN111515938B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0006—Exoskeletons, i.e. resembling a human figure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1657—Movement of interface, i.e. force application means
    • A61H2201/1659—Free spatial automatic movement of interface within a working area, e.g. Robot
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5069—Angle sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Rehabilitation Therapy (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Pain & Pain Management (AREA)
  • Epidemiology (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法。本方法采用下肢外骨骼模型为被控对象，建立下肢外骨骼步速对应的轨迹库，设计下肢外骨骼继承型迭代学习控制方法，对不同步速下的轨迹进行控制。本方法将不同步速下的髋关节和膝关节角度的数据作为系统跟踪的期望轨迹，使其可使用迭代学习控制方法；采用继承公式实现了不同步速的步态周期之间的联系，有效利用前一步速下的迭代学习控制信息作为当前新步速下的初始信息，不用重新学习就能够实现对不同步速下的不同角度期望轨迹进行快速有效跟踪，避免了新步速下的重新学习的问题，以减少学习次数，缩短控制时间，快速达到收敛要求，并且比重新学习的收敛速度更高。

Description

一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法
技术领域
本发明属于外骨骼机器人控制领域，具体是一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法。
背景技术
下肢外骨骼机器人是一种将人的运动与机器的运动相互结合的装置，通过人体的引导作用完成各种运动模式，提高人体行走速度和缓解人体的疲劳程度，其控制问题一直是广大研究人员的研究热点。对外骨骼机器人的控制主要包括对下肢外骨骼的髋关节和膝关节的角度变化进行控制，其主要任务就是寻找合适的髋关节和膝关节的控制输入，从而得到贴合人体行走运动的髋关节和膝关节的角度期望轨迹。迭代学习控制(ILC)是一种适合于具有重复运动形式的被控对象的控制方法，并且可以对其进行快速地控制。以下肢外骨骼机器人为被控对象，其具有明显的周期性重复运动的特征，利用迭代学习控制的循环迭代控制特性对其进行控制，实现对下肢外骨骼各个关节角度的快速跟踪。
目前，对下肢外骨骼的迭代学习控制是从单一特定的轨迹进行控制，即只能输入某一特定的期望轨迹进行跟踪。但是同一运动模式下的不同周期运动中，下肢外骨骼的行走并不是完全固定的。申请号201910396222.2的文献公开了一种基于自适应迭代学习的外骨骼单腿协同控制方法，其使用迭代学习控制对下肢外骨骼进行控制，但其使用的期望轨迹是同一条期望轨迹，并没有考虑在同一步态运动模式下的不同周期运动中由于步速的变化造成的髋关节和膝关节角度期望轨迹不同即期望轨迹变化问题。对下肢外骨骼机器人的传统的迭代学习控制只能通过重新学习来解决迭代问题，不能直接通过不同步速下的角度变化进行快速跟踪。因此，传统的迭代学习控制对下肢外骨骼并没有很好的适应效果。
发明内容
针对现有技术的不足，本发明拟解决的技术问题是，提供一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法。
本发明解决所述技术问题的技术方案是，提供一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法，其特征在于该方法包括以下步骤：
步骤1、根据下肢外骨骼的行走模式，建立不同步速下的下肢外骨骼的髋关节和膝关节对应的角度期望轨迹；
步骤2、确定第i个步态周期的步速v(i)，并得到步速v(i)对应的角度期望轨迹θi,d(t)，设置第i个步态周期的初始控制力矩Ti,0(t)；
判断第i个步态周期是否为第一个步态周期；若i＝1，则T1,0(t)＝0；若i≠1，则使用第i-1个步态周期的最终控制力矩Ti-1,k-1(t)和第i-1个步态周期的角度期望轨迹θi-1,d(t)通过继承公式来修正第i个步态周期的初始控制力矩Ti,0(t)；继承公式如式1)所示：
Figure BDA0002512727080000021
步骤3、在第i个步态周期中，以下肢外骨骼模型为被控对象，将k-1次迭代的控制力矩Ti,k-1(t)作用在下肢外骨骼模型中，得到第k次迭代的角度跟踪轨迹θi,k(t)；k≥1；当k＝1时，k-1次迭代为第i个步态周期的初次迭代，Ti,k-1(t)为第i个步态周期的初始控制力矩Ti,0(t)；
步骤4、计算第k次迭代的角度跟踪误差ei,k(t)，并计算角度跟踪误差的最大均方值Ei,k；判断最大均方值Ei,k与最大容许误差α的大小关系；若Ei,k≤α，则将控制力矩Ti,k-1(t)记为第i个步态周期的最终控制力矩，跳转到步骤6；若Ei,k＞α，则执行步骤5；
步骤5、使用迭代学习控制的方法计算得到第k次迭代的控制力矩Ti,k(t)；再返回步骤3，令k＝k+1，继续迭代过程；
步骤6、判断第i+1个步态周期的步速值是否与第i个步态周期的步速值相同；若不同，则返回步骤2，进而得到第i+1个步态周期的最终控制力矩；若相同，则将第i个步态周期的最终控制力矩Ti,k-1(t)继续作为第i+1个步态周期的最终控制力矩，进而实现下肢外骨骼对不同步速的角度期望轨迹的跟踪。
与现有技术相比，本发明有益效果在于：
(1)本方法将不同步速下的髋关节和膝关节角度的数据作为系统跟踪的期望轨迹，使其可使用迭代学习控制方法；采用继承公式实现了不同步速的步态周期之间的联系，有效利用前一步速下的迭代学习控制信息作为当前新步速下的初始信息，不用重新学习就能够实现对不同步速下的不同角度期望轨迹进行快速有效跟踪，避免了新步速下的重新学习的问题，以减少学习次数，缩短控制时间，快速达到收敛要求，并且比重新学习的收敛速度更高。
(2)本方法使用继承型迭代学习控制的方法，解决了下肢外骨骼机器人对同一步速下角度跟踪误差范围较大和不同步速下不能快速跟踪的问题。结果表明，采用本方法减小了角度跟踪误差范围并且提高了下一个步态周期不同步速行走时的收敛速度。
(3)通过本发明搭建的控制系统仿真模型，能够实现对下肢外骨骼的仿真；在设计迭代学习控制器时先进行仿真，可以有效避免由于参数不合理对真实平台的影响。
附图说明
图1为本发明一种实施例的髋关节和膝关节的角度期望轨迹的轨迹库示意图；
图2为本发明实施例1的第一个步态周期20次迭代学习控制过程中髋关节的角度期望轨迹和角度跟踪轨迹的对比图；
图3为本发明实施例1的第一个步态周期20次迭代学习控制过程中膝关节的角度期望轨迹和角度跟踪轨迹的对比图；
图4为本发明实施例1的第一个步态周期20次迭代学习控制过程中髋关节的角度跟踪误差的最大均方值收敛图；
图5为本发明实施例1的第一个步态周期20次迭代学习控制过程中膝关节的角度跟踪误差的最大均方值收敛图；
图6为本发明实施例1的下一个步态周期15次迭代学习控制过程中髋关节的角度期望轨迹和角度跟踪轨迹的对比图；
图7为本发明实施例1的下一个步态周期15次迭代学习控制过程中膝关节的角度期望轨迹和角度跟踪轨迹的对比图；
图8为本发明实施例1的下一个步态周期15次迭代学习控制过程中髋关节的角度跟踪误差的最大均方值收敛图；
图9为本发明实施例1的下一个步态周期15次迭代学习控制过程中膝关节的角度跟踪误差的最大均方值收敛图。
图10为本发明的下肢外骨骼的控制系统仿真模型图。
具体实施方式
下面结合实施例及附图对本发明作进一步说明。具体实施例仅用于进一步详细说明本发明，不限制本申请权利要求的保护范围。
本发明提供了一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法(简称方法)，其特征在于该方法包括以下步骤：
步骤1、根据下肢外骨骼的行走模式，建立不同步速下的下肢外骨骼的髋关节和膝关节对应的角度期望轨迹，建立以步速与相应的角度期望轨迹为对应关系的轨迹库(如图1所示)；
轨迹库由真实步行时不同步速下(图1中分别为3、3.3、3.6、3.9、4.2km/h)的髋关节和膝关节的角度期望轨迹构成，均为试验中测得的数据；步速v(i)对应相应的髋关节和膝关节的角度期望轨迹θi,d(t)，i为步态周期，d表示期望，t代表时间轴；角度期望轨迹θi,d(t)为髋关节和膝关节的角度随时间变化的曲线；
步骤2、确定第i个步态周期(即当前步态周期)的步速v(i)，并从轨迹库中得到步速v(i)对应的角度期望轨迹θi,d(t)，设置第i个步态周期的初始输入即初始控制力矩Ti,0(t)，下角标0表示初始状态；
判断第i个步态周期是否为第一个步态周期；若i＝1，则T1,0(t)＝0，表示初始控制力矩Ti,0(t)为零初始状态；若i≠1，则使用第i-1个步态周期(即上一个步态周期)的最终控制力矩Ti-1,k-1(t)和第i-1个步态周期的角度期望轨迹θi-1,d(t)通过继承公式来修正第i个步态周期的初始控制力矩Ti,0(t)；继承公式如式1)所示：
Figure BDA0002512727080000041
步骤3、在第i个步态周期中，以在MATLAB软件的Simscape模块中建立的下肢外骨骼模型为被控对象，将k-1次迭代的控制力矩Ti,k-1(t)作用在下肢外骨骼模型中，得到第k次迭代的角度跟踪轨迹θi,k(t)；k≥1；当k＝1时，k-1次迭代为第i个步态周期的初次迭代，Ti,k-1(t)为第i个步态周期的初始控制力矩即式1)得到的Ti,0(t)；
其中，在MTLAB软件的Simspace模块中建立下肢外骨骼的控制系统仿真模型(简称系统模型，参见图10)，系统模型包括轨迹库输入、迭代学习控制器、控制力矩变换、下肢外骨骼模型和输出轨迹；其中，轨迹库输入为角度期望轨迹θi,d(t)；迭代学习控制器使用轨迹库中的角度期望轨迹和下肢外骨骼模型输出的角度跟踪轨迹进行计算得到施加给外骨骼模型的输入即控制力矩；控制力矩变换是用于修正在不同步态周期时的初始控制力矩；
步骤4、计算第k次迭代的角度跟踪误差ei,k(t)，并计算角度跟踪误差的最大均方值Ei,k；判断最大均方值Ei,k与最大容许误差α的大小关系；若Ei,k≤α，则将控制力矩Ti,k-1(t)记为第i个步态周期的最终控制力矩，跳转到步骤6；若Ei,k＞α，则执行步骤5；
第k次迭代的角度跟踪误差如式2)所示：
ei,k(t)＝θi,d(t)-θi,k(t) (2)
第k次迭代的角度跟踪误差的最大均方值如式3)所示：
Figure BDA0002512727080000042
式3)中，N为离散时间的采样点总个数；
步骤5、使用迭代学习控制的方法计算得到第k次迭代的控制力矩Ti,k(t)；再返回步骤3，令k＝k+1，继续迭代过程；其中迭代学习控制采用PID型迭代学习控制，其学习律为微分增益、比例增益和积分增益的值；
第k次迭代的控制力矩Ti,k(t)如式4)所示：
Figure BDA0002512727080000043
式4)中，
Figure BDA0002512727080000051
为ei,k(t)的一阶导数；L、Ψ和Γ分别为PID型迭代学习控制的比例增益、积分增益和微分增益；
步骤6、判断第i+1个步态周期(即下一个步态周期)的步速值是否与第i个步态周期的步速值相同；若不同，则返回步骤2，进而得到第i+1个步态周期的最终控制力矩；若相同，则将第i个步态周期的最终控制力矩Ti,k-1(t)继续作为第i+1个步态周期的最终控制力矩，进而实现下肢外骨骼对不同步速的角度期望轨迹的跟踪。
实施例1
下肢外骨骼机器人的第一个步态周期(i＝1)以3.6km/h的速度行走，则从轨迹库中提取v(1)＝3.6km/h的速度下对应的角度期望轨迹θ1,d(t)。设置第一个步态周期的初始控制力矩即为零初始状态T1,0(t)＝0。
考虑到迭代过程中收敛速率和收敛精度，采用PID型迭代学习控制。设置迭代学习控制的学习律，髋关节的L、Ψ和Γ分别为0.8、0和80，膝关节的L、Ψ和Γ分别为0.3、0和50。
在MATLAB软件的Simscape模块中建立下肢外骨骼模型，下肢外骨骼模型的参数由实际测量的参数决定，包括大腿、小腿和足部的长度和质量。设置最大容许误差α为0.15°，进行迭代仿真实验。
由图2和图3可以看出，髋关节与膝关节的角度跟踪轨迹都随着迭代次数的增加而更接近于角度期望轨迹。由图4和图5可以看出，误差是快速收敛的，第一次迭代的误差在4°到5°之间，经过k＝20次迭代后实现误差为0.15°的跟踪，则第一个步态周期的迭代完成，将最后一次迭代所使用的控制力矩T1,19(t)记为第一个步态周期的最终控制力矩。
判断下一个步态周期(即第二个步态周期)的步速值是否与第一个步态周期的步速值相同；若相同，则将第一个步态周期的最终控制力矩T1,19(t)作为下一个步态周期的最终控制力矩；若不同，则以下一个步态周期的步速继续进行迭代学习控制。
本实施例中，第二个步态周期(i＝2)的步速变为3.9km/h，则从轨迹库中提取v(2)＝3.9km/h的速度下对应的角度期望轨迹θ2,d(t)。
由于本次控制不是初始行走(前面已有3.6km/h的行走)，那么初始控制力矩不为零，使用上一个步态周期的最终控制力矩T1,19(t)和上一个步态周期的角度期望轨迹θ1,d(t)通过继承公式4)来修正本次步态周期的初始控制力矩T2,0(t)；
Figure BDA0002512727080000052
本次控制的迭代学习控制的学习律和最大容许误差α不变，继续对下肢外骨骼机器人进行迭代学习控制。
由图6和图7可以看出，每一步的角度跟踪轨迹与角度期望轨迹都很相近。由图8和图9可以看出，误差是快速收敛的，同时由于使用了第一个步态周期的控制信息，使得第二个步态周期的第1次迭代的误差在1°以内，经过k＝15次迭代后实现误差为0.15°的跟踪，则第二个步态周期的迭代完成，将最后一次迭代所使用的控制力矩T2,14(t)记为第二个步态周期的最终控制力矩。对于下肢外骨骼机器人来说，每次迭代的角度跟踪误差越小，包括初始角度跟踪误差越小，下肢外骨骼机器人对穿戴者的辅助效果越好。
本实施例中，除去第一个步态周期3.6km/h情况下初始角度跟踪误差在4°到5°之间，以后每一个步态周期都使用了上一个步态周期的控制信息，可以有效降低角度跟踪误差的最大值，使其稳定在1°以内，以达到角度跟踪误差很小和快速收敛的效果。
本实施例中，通过对下肢外骨骼机器人的第一个步态周期和下一个步态周期为背景，使用了继承型迭代学习控制的方法，解决了下肢外骨骼机器人对同一步速下角度跟踪误差范围较大和不同步速下不能快速跟踪的问题。结果表明，采用本方法减小了角度跟踪误差范围并且提高了下一个步态周期不同步速行走时的收敛速度。
本发明未述及之处适用于现有技术。

Claims (5)

1.一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法，其特征在于该方法包括以下步骤：
步骤1、根据下肢外骨骼的行走模式，建立不同步速下的下肢外骨骼的髋关节和膝关节对应的角度期望轨迹；
步骤2、确定第i个步态周期的步速v(i)，并得到步速v(i)对应的角度期望轨迹θi,d(t)，设置第i个步态周期的初始控制力矩Ti,0(t)；
判断第i个步态周期是否为第一个步态周期；若i＝1，则T1,0(t)＝0；若i≠1，则使用第i-1个步态周期的最终控制力矩Ti-1,k-1(t)和第i-1个步态周期的角度期望轨迹θi-1,d(t)通过继承公式来修正第i个步态周期的初始控制力矩Ti,0(t)；继承公式如式(1)所示：
Figure FDA0003831782290000011
步骤3、在第i个步态周期中，以下肢外骨骼模型为被控对象，将k-1次迭代的控制力矩Ti,k-1(t)作用在下肢外骨骼模型中，得到第k次迭代的角度跟踪轨迹θi,k(t)；k≥1；当k＝1时，k-1次迭代为第i个步态周期的初次迭代，Ti,k-1(t)为第i个步态周期的初始控制力矩Ti,0(t)；
步骤4、计算第k次迭代的角度跟踪误差ei,k(t)，并计算角度跟踪误差的最大均方值Ei,k；判断最大均方值Ei,k与最大容许误差α的大小关系；若Ei,k≤α，则将控制力矩Ti,k-1(t)记为第i个步态周期的最终控制力矩，跳转到步骤6；若Ei,k＞α，则执行步骤5；
步骤5、使用迭代学习控制的方法计算得到第k次迭代的控制力矩Ti,k(t)；再返回步骤3，令k＝k+1，继续迭代过程；
步骤6、判断第i+1个步态周期的步速值是否与第i个步态周期的步速值相同；若不同，则返回步骤2，进而得到第i+1个步态周期的最终控制力矩；若相同，则将第i个步态周期的最终控制力矩Ti,k-1(t)继续作为第i+1个步态周期的最终控制力矩，进而实现下肢外骨骼对不同步速的角度期望轨迹的跟踪。
2.根据权利要求1所述的继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法，其特征在于步骤1中，建立以步速与相应的角度期望轨迹为对应关系的轨迹库；轨迹库由真实步行时不同步速下的髋关节和膝关节的角度期望轨迹构成，均为试验中测得的数据。
3.根据权利要求1所述的继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法，其特征在于步骤3中，下肢外骨骼模型在MATLAB软件的Simscape模块中建立。
4.根据权利要求1所述的继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法，其特征在于步骤4中，第k次迭代的角度跟踪误差如式(2)所示：
ei,k(t)＝θi,d(t)-θi,k(t) (2)
第k次迭代的角度跟踪误差的最大均方值如式(3)所示：
Figure FDA0003831782290000021
式(3)中，N为离散时间的采样点总个数。
5.根据权利要求1所述的继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法，其特征在于步骤5中，迭代学习控制采用PID型迭代学习控制，其学习律为微分增益、比例增益和积分增益的值；
第k次迭代的控制力矩Ti,k(t)如式(4)所示：
Figure FDA0003831782290000022
式(4)中，
Figure FDA0003831782290000023
为ei,k(t)的一阶导数；L、Ψ和Γ分别为PID型迭代学习控制的比例增益、积分增益和微分增益。
CN202010466162.XA 2020-05-28 2020-05-28 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法 Expired - Fee Related CN111515938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010466162.XA CN111515938B (zh) 2020-05-28 2020-05-28 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010466162.XA CN111515938B (zh) 2020-05-28 2020-05-28 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法

Publications (2)

Publication Number Publication Date
CN111515938A CN111515938A (zh) 2020-08-11
CN111515938B true CN111515938B (zh) 2022-11-18

Family

ID=71908378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010466162.XA Expired - Fee Related CN111515938B (zh) 2020-05-28 2020-05-28 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法

Country Status (1)

Country Link
CN (1) CN111515938B (zh)

Families Citing this family (3)

* 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
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
CN112472530B (zh) * 2020-12-01 2023-02-03 天津理工大学 一种基于步行比趋势变化的奖励函数建立方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2497610A1 (en) * 2011-03-09 2012-09-12 Syco Di Hedvig Haberl & C. S.A.S. System for controlling a robotic device during walking, in particular for rehabilitation purposes, and corresponding robotic device
CN104188675A (zh) * 2014-09-24 2014-12-10 哈尔滨工业大学 具有人体运动检测功能的外骨骼机器人系统及控制方法
CN105835041A (zh) * 2016-05-23 2016-08-10 深圳先进技术研究院 一种外骨骼机器人髋关节、外骨骼机器人及其控制方法
CN106156524A (zh) * 2016-07-29 2016-11-23 东北大学 一种智能下肢助力装置的在线步态规划系统及方法
CN110412866A (zh) * 2019-05-14 2019-11-05 上海大学 基于自适应迭代学习的外骨骼单腿协同控制方法
CN110524525A (zh) * 2019-10-05 2019-12-03 河北工业大学 一种下肢外骨骼控制方法
CN110537922A (zh) * 2019-09-09 2019-12-06 北京航空航天大学 基于深度学习的人体行走过程下肢运动识别方法及系统
KR20190142709A (ko) * 2018-06-18 2019-12-27 주식회사 엔젤로보틱스 하지 보조로봇의 제어방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2497610A1 (en) * 2011-03-09 2012-09-12 Syco Di Hedvig Haberl & C. S.A.S. System for controlling a robotic device during walking, in particular for rehabilitation purposes, and corresponding robotic device
CN104188675A (zh) * 2014-09-24 2014-12-10 哈尔滨工业大学 具有人体运动检测功能的外骨骼机器人系统及控制方法
CN105835041A (zh) * 2016-05-23 2016-08-10 深圳先进技术研究院 一种外骨骼机器人髋关节、外骨骼机器人及其控制方法
CN106156524A (zh) * 2016-07-29 2016-11-23 东北大学 一种智能下肢助力装置的在线步态规划系统及方法
KR20190142709A (ko) * 2018-06-18 2019-12-27 주식회사 엔젤로보틱스 하지 보조로봇의 제어방법
CN110412866A (zh) * 2019-05-14 2019-11-05 上海大学 基于自适应迭代学习的外骨骼单腿协同控制方法
CN110537922A (zh) * 2019-09-09 2019-12-06 北京航空航天大学 基于深度学习的人体行走过程下肢运动识别方法及系统
CN110524525A (zh) * 2019-10-05 2019-12-03 河北工业大学 一种下肢外骨骼控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
膝上型假肢的运动意图识别与控制;宣伯凯等;《东南大学学报（自然科学版）》;20171130;第47卷(第6期);第1107-1116页 *

Also Published As

Publication number Publication date
CN111515938A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN111515938B (zh) 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法
CN105773623B (zh) 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法
CN110412866B (zh) 基于自适应迭代学习的外骨骼单腿协同控制方法
CN109223444B (zh) 康复机器人及其人机协同交互力控制方法
CN101402199B (zh) 基于视觉的手眼式低伺服精度机器人抓取移动目标的方法
CN111522243A (zh) 一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略
CN110450156B (zh) 多自由度机械臂系统自适应模糊控制器的优化设计方法
CN105772917B (zh) 一种三关节点焊机器人轨迹跟踪控制方法
CN113601512B (zh) 一种机械臂奇异点的通用规避方法与系统
CN110673544B (zh) 基于自适应在线学习的上肢康复机器人控制方法
CN112932897A (zh) 一种康复机器人运动的方法、装置及其康复机器人
CN112237524A (zh) 柔性上肢康复机器人被动康复训练的控制方法
CN106965187A (zh) 一种仿生手抓取物体时生成反馈力向量的方法
CN113568422B (zh) 基于模型预测控制优化强化学习的四足机器人控制方法
CN113219825B (zh) 一种四足机器人单腿轨迹跟踪控制方法及系统
Qiu et al. Multiagent-Reinforcement-Learning-Based Stable Path Tracking Control for a Bionic Robotic Fish With Reaction Wheel
CN114851171B (zh) 下肢外骨骼康复机器人步态轨迹跟踪控制方法
CN116604532A (zh) 一种上肢康复机器人智能控制方法
CN116803635A (zh) 基于高斯核损失函数的近端策略优化训练加速方法
CN113650014B (zh) 一种基于回声状态网络的冗余机械臂追踪控制方法
CN115755592A (zh) 调整三自由度外骨骼运动状态的多模态控制方法及外骨骼
CN114740735A (zh) 单关节机器人的变长度反馈辅助pd型迭代学习控制方法
Liu et al. Goal-driven motion control of snake robots with onboard cameras via policy improvement with path integrals
CN108717267B (zh) 一种六足机器人中枢模式逆向控制方法
CN117539153B (zh) 基于确定学习的上肢康复机器人自适应控制方法及系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20221118