一种远程介入手术控制系统的时滞与误差的改进方法
技术领域
本发明属于具有时延滞后的远程医疗系统相关技术领域,尤其是一种远程介入手术控制系统的时滞与误差的改进方法,该方法利用改进的Smith算法对血管介入手术系统的时滞,进行预估并补偿,起到了调节时滞系统的作用,同时利用模糊PID解决了主从位移跟踪存在跟随误差较大及高度非线性等问题,特别适合用于介入手术机器人主从远程控制系统实时性和准确性的提高。
背景技术
微创手术凭借着创伤小,痛苦轻,失血少等优势备受医生和患者的青睐,因此,辅助医生进行微创血管介入手术机器人系统不断被设计和发展。为了避免医生遭受X射线辐射,血管介入手术机器人系统大多采用主从要操作的方式。然而,主从遥操作系统属于网络化控制,以及系统本身都存在时滞,这会导致控制系统不稳定,且具有误差,进而导致主从介入手机器人跟踪性能变差,严重威胁手术的安全性。以往的研究中,大多团队都使用了PID控制算法,然而,血管介入手术控制系统本身存在主从位移跟踪存在滞后性、实时性差、跟随误差较大及高度非线性等问题,单纯地PID调节并不能很好地实现控制效果。由此,通过对一种用于提高远程介入手术控制系统实时性与准确性的模糊PID和改进的Smith算法的设计,可以有效地解决因时滞带来的系统影响,提升机器人的实时性与准确性,提高手术操作安全性。
发明内容
本发明的目的在于提供一种远程介入手术控制系统的时滞与误差的改进方法,它可以克服了现有技术的不足,是一种结构简单、可靠且容易实现的时滞补偿系统及方法,能够提高远程介入手术控制系统实时性与准确性。
本发明的技术方案:
一种远程介入手术控制系统的时滞与误差的改进方法,其特征在于它包括以下步骤:
(1)对主端操作者的操作的控制量轴向直线位移进行采集;
所述步骤(1)中对手术过程中主端的轴向直线位移检测是由主端直线位移传感器采用直接测量的方式实现的。
(2)将步骤(1)中得到的手术过程中主端直线的推送位移量通过串口通信,发送到主端控制器;
(3)将从端光电编码器测量的电机运动位移量与主端直线位移传感器测出的值进行比较,通过计算主从位移运动量的差值得出位移误差e和位移误差变化率ec,将这二者的值作为模糊控制器的两个输入量;
(4)确定论域及量化因子;
所述步骤(4)中论域及量化因子的确定具体是指:
(4-1)将主从位移运动量的差值得出位移误差输入语言设置为E,位移的误差变化率输入语言设置为EC,输出的量为Δkp,Δki,Δkd,即构成“两输入三输出”结构的模糊控制器;其中,Δkp是位移误差和位移误差变化率的论域的量化参数,Δki是位移误差和位移误差变化率的离散点的量化参数,Δkd是位移误差和位移误差变化率的量化因子的量化参数;
(4-2)在误差的允许范围内,确定位移误差和位移误差变化率的论域、离散点和量化因子,并依据确定的三者,选定一组与位移误差和位移误差变化率的论域、离散点和量化因子分别对应的量化参数Δkp,Δki,Δkd;
(5)选择输入输出变量的语言变量模糊集合;
对于位移误差e,在其论域上定义模糊子集,将模糊子集设置为 {NL,NM,NS,ZE,PS,PM,PL},集合中的参量NL、NM、NS、ZE、PS、PM及PL 分别代表了负大、负中、负小、零、正小、正中及正大,其对应的论域为 {-3,-2,-1,0,1,2,3};将模糊子集相应地模糊化至六个区间中,即[NL,NM]、[NM,NS]、 [NS,ZE]、[ZE,PS]、[PS,PM]及[PM,PL],则线性变化后对应在论域中的[-3,-2]、 [-2,-1]、[-1,0]、[0,1]、[1,2]及[2,3]的大小,输出为Δkp,Δki,Δkd;
本系统中的主从跟踪误差大致误差是[-0.9,0.9]毫米,分成六个部分区间 [-0.9,-0.6]mm,[-0.6,-0.3]mm,[-0.3,0]mm,[0,0.3]mm,[0.3,0.6]mm,[0.6,0.9]mm,线性变化至[-3,-2],[-2,-1],[-1,0],[0,1],[1,2],[2,3],同时,把-3,-2,-1,0,1,2,3 分别用NL、NM、NS、ZE、PS、PM、PL表示,同时负大,负中,负小,零,正小,正中,正大等在此系统中只是误差大小的抽象说法,分别对应实际物理量误差:靠近-0.9毫米,靠近-0.6毫米,靠近-0.3毫米,靠近0毫米,靠近0.3毫米,靠近0.6毫米,靠近0.9毫米。同时,用抽象的论域值-3,-2,-1,0,1,2,3来表示。
同理,对于位移误差变化率ec,在其论域上定义模糊子集,其中,模糊集为 {NL,NM,NS,ZE,PS,PM,PL},集合中的参量分别代表了负大、负中、负小、零、正小、正中及正大;论域为{-3,-2,-1,0,1,2,3};
(6)利用隶属度三角形函数图求出位移误差值e和位移误差变化率ec在量化区间E和EC上的隶属度,将主从位移运动量的差值得出位移误差输入语言设置为E,位移的误差变化率输入语言设置为EC;根据得到的位移误差值e和位移误差变化率ec隶属度进行参数规整;
所述步骤(6)中根据位移误差值e和位移误差变化率ec隶属度进行参数规整是指对位移误差值e和位移误差变化率ec隶属度进行参数规整,隶属度结果是根据实际位移误差值e和位移误差变化率ec的大小,通过线性变换后得出其在论域中相应的值,并通过对应的论域推断出位移误差输入语言设置E和位移的误差变化率输入语言设置EC所属的模糊子集{NL,NM,NS,ZE,PS,PM,PL}的隶属度,再通过位移误差输入语言设置E和位移的误差变化率输入语言设置EC所属的隶属度值查表得出Δkp,Δki,Δkd的隶属度值,进而去模糊化计算出Δkp,Δki,Δkd精确的值。
所述步骤(6)中模糊规则表的建立原则是:
①当位移误差e的绝对值较大时,PID控制系统应选择较大的比例参数Kp和较小微分参数Kd,以此来加快控制系统的响应速度,同时避免过大的超调;
②当位移误差e的绝对值较小时,为了使系统具有较好的稳态性能,应增大 Kp,Ki值,同时为避免输出响应在设定值附近振荡,以及考虑系统的抗干扰能力,应适当选取Kd,其原则是当误差变化率较小时,Kd取大一些,当误差变化率较大时,取较小的微分参数Kd,以此来保证系统的稳定性。
所述步骤(6)中模糊规则表是在建立原则的基础上分别对位移误差e和位移误差变化率ec的论域的量化参数Δkp、位移误差和位移误差变化率的离散点的量化参数Δki及位移误差和位移误差变化率的量化因子的量化参数Δkd,制定相应的模糊规则表,分别如表1、表2及表3所示;
表1位移误差和位移误差变化率的论域的量化参数Δkp的模糊规则表
所述Δkp值大小的选取方式是指:调节初期应适当取较大的Δkp值以提高响应速度,而在调节中期,Δkp则取较小值,以使系统具有较小的超调并保证一定的响应速度;而在调节过程后期再将Δkp值调到较大值来减小静差,提高控制精度。
表2位移误差和位移误差变化率的离散点的量化参数Δki的模糊规则表
所述Δki值大小的选取方式包括调节过程的初期,为防止积分饱和,其积分作用应当弱一些,Δki值甚至可以取零;而在调节中期,为了避免影响稳定性,Δki值应该比较适中;最后在过程的后期,则应增强积分作用,以减小调节静差,Δki值应该取较大。
表3位移误差和位移误差变化率的量化因子的量化参数Δkd的模糊规则表
所述Δkd值大小的选取方式包括在调节初期,Δkd值应该较大以应加大微分作用,这样可得到较小甚至避免超调;而在中期,由于调节特性对Δkd值的变化比较敏感,Δkd值应该比较适中;然后在调节后期,Δkd值应减小,以减小被控过程的制动作用,进而补偿在调节过程初期由于Δkd值较大所造成的调节过程的时间延长。
(7)利用面积重心法对步骤(6)得到的PID控制系统的三个参数的修正值Δkp,Δki,Δkd的模糊调整值进行解模糊化处理,以得到Δkp、Δki、Δkd的精确数值,并对PID控制器的三个参数Kp,Ki,Kd不断进行调整,直至系统达到稳定状态后停止调整;
所述步骤(7)中对PID控制器的三个参数Kp,Ki,Kd的调整是根据如下式所示的参数调整算式实现的;
kp=Δkp+kp'
ki=Δki+ki'
kd=Δkd+kd'
式中,k'p,k′i,k'd分别是Kp,Ki,Kd的初始值。
(8)因为在远程主从血管介入手术机器人系统中,主从两端是分别连接PC 上位机通过TCP/IP协议,实现主端操作器和从端操作器的通信,所以主端从端数据的的传输与接收,以及反馈信息经过网络就会产生延时控制量,利用拉氏变换的延时定理将时域里的延时量转换成,控制数据从主端PC机发送到从端PC 机产生的时延即为前向通道中时延
从端PC机发往主端的反馈数据时存在的时延即为反馈通路中的时延
及系统本身因为电机响应及算法处理产生的純滞后即为系统本身纯滞后e
-τs;在被控对象的传递函数的部分和控制器节点分别并联一个Smith预估补偿模型,此模型即为模糊PID-改进的Smith算法模型,然后由预估器对时滞进行补偿和消除,从而消除时延及纯滞后对控制系统性能的影响,提高控制系统性能;
所述步骤(8)中由预估器对时滞进行补偿和消除是通过测量系统主端位移采集量,从端电机的位移输出量,将其放入MATLAB系统辨识工具箱中,得出系统被控对象的传递函数模型,将预估模型设置为被控对象的传递函数模型,即为Smith预估补偿模型,分别将其并联至被控对象传递函数的部分和控制器节点。
从整个系统传递函数来看,系统闭环特征方程中含有延时参数,会导致系统滞后,控制效果不稳定,误差大,加入补偿后,将前向通道的网络时延
系统纯滞后e
-τs移到闭环之外,反馈通路中的时延
消除,改进了控制效果,同时使被延迟了的被调量超前反映到调节器,使调节器提前动作对从端电机的运动进行控制,实现较好的主从跟踪效果。
所述步骤(8)中的控制对象是介入手术机器人的从端电机的运动模型。
(9)在模糊PID-改进的Smith算法的作用下,利用可编程控制器进行算法的实现,该算法能够使被延迟了的被调量超前反映到调节器中,进而使调节器提前动作,从而对从端电机的运动进行控制,实现较好的主从跟踪效果。
一种实现上述方法的介入手术系统,其特征在于,它包括介入手术系统的主端部分和从端部分,其特征在于它包括主端控制器、从端控制器、主端操作器、从端操作器、主端PC机、从端PC机及IP摄像机;其中,所述介入手术系统的主端部分通过直线位移传感器采集医生操作的数据信息,该数据信息通过主端PC 机,依局域网发送到从端PC机;所述主端控制器输入端同时接收从端机器人采集的电机位移信号,进而由主端控制器进行模糊PID和改进的Smith算法实现,经过处理后得出相应的控制量,进而对电机实现控制。
所述主端控制器采用Arduino DUE控制器。
本发明的工作原理:基于主从血管介入手术远程控制系统,其中包括主端操作器,主端控制器Arduino,主端pc机,从端执行器,从端控制器Arduino,从端PC机,以及基于TCP/IP通信的通信界面。控制器输入端同时接收从端编码器采集的电机位移信号,以位移的误差和误差变化率作为输入,建立PID控制器的三个控制参数与位移变量数据的模糊关系,通过模糊运算实现在线模糊推理得到不同阶段PID控制器的三个控制参数,并通过Smith预估补偿实现对滞后环境的预补偿。最后通过ARDUINO进行控制算法的实现,并对电机的控制。
Smith预估补偿器对系统的延迟环节进行预补偿,通过引入一个和被控对象和控制器节点并联的补偿器对纯滞后进行削弱和消除,从根本上消除过程纯滞后的影响。预估器对时滞进行补偿,使被延迟了的被调量超前反映到调节器,使调节器提前动作。
在远程介入手术机器人控制系统中前向通道,反向通道以及电机本身都存在时延,加入补偿模型会存在模型不匹配的情况,而改进的Smith补偿算法在控制器节点和执行器节点分别加入了补偿模型,其特征在于解决了前向通道和反馈通道补偿模型不匹配,进而导致系统响应速度慢,进入稳态时间长等问题。将前向通道的网络时延移到闭环之外,反馈通路中的时延消除,消除了时延对控制系统性能的影响,提高控制系统性能。同时针对电机本身存在非线性的问题,纯滞后模型不匹配的一些问题,在控制器节点加入了模糊PID算法,自适应调节PID参数,降低了由于远程控制系统中非线性和电机纯滞后补偿模型不匹配等带来的影响,加快了系统响应速度,使系统更快地进入稳态,同时使主从位移的跟踪效果更加准确,其控制结构系统示意图见图5。
改进的Smith算法与模糊PID的结合,既提升了主从介入机器人主从跟踪运动的实时性,也提升了其准确性,与此同时也解决了预估模型不匹配的情况,因为主端的驱动数据通过局域网发送至从端PC机时,网络的时滞是随机的,补偿模型不能很好的匹配,这也会导致系统不稳定,产生较大误差。
在基于局域网设计的主从位移跟踪实验中,主端通过直线位移传感器采集采集轴向位移数据,发送到上位机PC机,然后基于局域网,发送到从端PC机,从端PC机通过串口通信将数据发送到arduino,arduino进行算法补偿处理,进而控制并驱动的电机,可以有效地提高主从位移跟踪的实时性,降低主从位移跟踪的误差,提高主从血管介入手术远程控制系统的性能。
基于局域网实现的主从血管介入手术通信,其通信协议为TCP/IP协议,同时改变了血管介入手术远程控制系统的Smith补偿结构,在控制器节点和被控对象节点分别加入了补偿模型,解决了预估模型不匹配的一些问题。而且,针对电机本身存在非线性,纯滞后模型不匹配的一些问题,我们在控制器节点加入了模糊PID算法,使PID参数可以自适应调节,进而使控制系统响应速度更快,更加准确。
本发明设计了七个模糊子集,对应着六个模糊子集区间,将实际的误差量也平均分为了六个区间,使实际误差的每个区间量分别离散化至对应设置的论域区间,零点几就是将实际误差量[-0.9,0.9]平均分成六个区间时计算出来的,这样可以使模糊化过程更简单,否则,每一个实际物理误差值都会对应一个模糊子集,就会产生无穷多个模糊子集,使计算过程更复杂,选择较多的模糊子集可以使控制更加准确,控制效果更好,但是相应的模糊规则会变多,导致控制器计算量变大更复杂;选择较少的模糊子集则会使控制系统效果降低,虽然提高了计算速度,但却降低了控制器的性能,所以,模糊PID控制算法为了兼顾准确性和计算的简单性,输入量的模糊子集一般是采用七个模糊子集,也可以设置为五个。这里的部分属于模糊PID过程实施的第一步,是理论基础的应用。
本发明的优越性:解决了介入手术机器人远程控制系统中存在的主从位移跟踪存在滞后性、实时性差、跟随误差较大及高度非线性等问题,提高远程介入手术控制系统实时性,准确性。
附图说明
图1为本发明所涉一种远程介入手术控制系统的时滞与误差的改进方法的血管介入手术远程控制系统结构示意图。
图2为本发明所涉一种远程介入手术控制系统的时滞与误差的改进方法中血管介入手术远程网络化控制系统改进的Smith补偿结构原理示意图。
图3为本发明所涉一种远程介入手术控制系统的时滞与误差的改进方法中血管介入手术远程网络化控制系统的等效结控制结构原理示意图。
图4为本发明所涉一种远程介入手术控制系统的时滞与误差的改进方法的血管介入手术硬件平台的结构示意图。
图5为本发明所涉一种远程介入手术控制系统的时滞与误差的改进方法中模糊PID和改进的Smith补偿控制的结构原理示意图。
具体实施方式
实施例:一种远程介入手术控制系统的时滞与误差的改进方法,其特征在于它包括以下步骤:
(1)对主端操作者的操作的控制量轴向直线位移进行采集;
所述步骤(1)中对手术过程中主端的轴向直线位移检测是由主端直线位移传感器采用直接测量的方式实现的。
(2)将步骤(1)中得到的手术过程中主端直线的推送位移量通过串口通信,发送到主端控制器,;
(3)将从端光电编码器测量的电机运动位移量与主端直线位移传感器测出的值进行比较,通过计算主从位移运动量的差值得出位移误差e和位移误差变化率ec,将这二者的值作为模糊控制器的两个输入量;
(4)确定论域及量化因子;
所述步骤(4)中论域及量化因子的确定具体是指:
(4-1)将主从位移运动量的差值得出位移误差输入语言设置为E,位移的误差变化率输入语言设置为EC,输出的量为Δkp,Δki,Δkd,即构成“两输入三输出”结构的模糊控制器;其中,Δkp是位移误差和位移误差变化率的论域的量化参数,Δki是位移误差和位移误差变化率的离散点的量化参数,Δkd是位移误差和位移误差变化率的量化因子的量化参数;
(4-2)在误差的允许范围内,确定位移误差和位移误差变化率的论域、离散点和量化因子,并依据确定的三者,选定一组与位移误差和位移误差变化率的论域、离散点和量化因子分别对应的量化参数Δkp,Δki,Δkd;
(5)选择输入输出变量的语言变量模糊集合;
对于位移误差e,在其论域上定义模糊子集,将模糊子集设置为 {NL,NM,NS,ZE,PS,PM,PL},集合中的参量NL、NM、NS、ZE、PS、PM及PL 分别代表了负大、负中、负小、零、正小、正中及正大,其对应的论域为 {-3,-2,-1,0,1,2,3};
系统经过验证,本系统中的主从跟踪误差大致是在[-0.9,0.9]毫米的范围内,负大、负中、负小、零、正小、正中及正大在此系统中只是误差大小的抽象说法,分别对应实际物理量误差为靠近-0.9毫米、靠近-0.6毫米、靠近-0.3毫米、靠近0 毫米、靠近0.3毫米、靠近0.6毫米及靠近0.9毫米,同时,用抽象的论域值-3, -2,-1,0,1,2,3来表示上述误差;将模糊子集相应地模糊化至六个区间中,即[NL,NM]、[NM,NS]、[NS,ZE]、[ZE,PS]、[PS,PM]及[PM,PL],则主从之间的实际误差分别为[-0.9,-0.6]mm、[-0.6,-0.3]mm、[-0.3,0]mm、[0,0.3]mm、[0.3,0.6]mm 及[0.6,0.9]mm,则线性变化后对应在论域中的[-3,-2]、[-2,-1]、[-1,0]、[0,1]、[1,2] 及[2,3]的大小,输出为Δkp,Δki,Δkd;
同理,对于位移误差变化率ec,在其论域上定义模糊子集,其中,模糊集为 {NL,NM,NS,ZE,PS,PM,PL},集合中的参量分别代表了负大、负中、负小、零、正小、正中及正大;论域为{-3,-2,-1,0,1,2,3};
(6)利用隶属度三角形函数图求出位移误差值e和位移误差变化率ec在量化区间E和EC上的隶属度,将主从位移运动量的差值得出位移误差输入语言设置为E,位移的误差变化率输入语言设置为EC;根据得到的位移误差值e和位移误差变化率ec隶属度进行参数规整;
所述步骤(6)中根据位移误差值e和位移误差变化率ec隶属度进行参数规整是指对位移误差值e和位移误差变化率ec隶属度进行参数规整,隶属度结果是根据实际位移误差值e和位移误差变化率ec的大小,通过线性变换后得出其在论域中相应的值,并通过对应的论域推断出位移误差输入语言设置E和位移的误差变化率输入语言设置EC所属的模糊子集{NL,NM,NS,ZE,PS,PM,PL}的隶属度,再通过位移误差输入语言设置E和位移的误差变化率输入语言设置EC所属的隶属度值查表得出Δkp,Δki,Δkd的隶属度值,进而去模糊化计算出Δkp,Δki,Δkd精确的值。
所述步骤(6)中模糊规则表的建立原则是:
①当位移误差e的绝对值较大时,PID控制系统应选择较大的比例参数Kp和较小微分参数Kd,以此来加快控制系统的响应速度,同时避免过大的超调;
②当位移误差e的绝对值较小时,为了使系统具有较好的稳态性能,应增大 Kp,Ki值,同时为避免输出响应在设定值附近振荡,以及考虑系统的抗干扰能力,应适当选取Kd,其原则是当误差变化率较小时,Kd取大一些,当误差变化率较大时,取较小的微分参数Kd,以此来保证系统的稳定性。
所述步骤(6)中模糊规则表是在建立原则的基础上分别对位移误差e和位移误差变化率ec的论域的量化参数Δkp、位移误差和位移误差变化率的离散点的量化参数Δki及位移误差和位移误差变化率的量化因子的量化参数Δkd,制定相应的模糊规则表,分别如表1、表2及表3所示;
表1位移误差和位移误差变化率的量化参数Δkp的模糊规则表
所述Δkp值大小的选取方式是指:调节初期应适当取较大的Δkp值以提高响应速度,而在调节中期,Δkp则取较小值,以使系统具有较小的超调并保证一定的响应速度;而在调节过程后期再将Δkp值调到较大值来减小静差,提高控制精度,如列表1所示。
表2位移误差和位移误差变化率的量化参数Δki的模糊规则表
作为本发明的优选方案,所述Δki值大小的选取方式包括调节过程的初期,为防止积分饱和,其积分作用应当弱一些,Δki值甚至可以取零;而在调节中期,为了避免影响稳定性,Δki值应该比较适中;最后在过程的后期,则应增强积分作用,以减小调节静差,Δki值应该取较大,如列表2所示。
表3位移误差和位移误差变化率的量化参数Δkd的模糊规则表
作为本发明的优选方案,所述Δkd值大小的选取方式包括在调节初期,Δkd值应该较大以应加大微分作用,这样可得到较小甚至避免超调;而在中期,由于调节特性对Δkd值的变化比较敏感,Δkd值应该比较适中;然后在调节后期,Δkd值应减小,以减小被控过程的制动作用,进而补偿在调节过程初期由于Δkd值较大所造成的调节过程的时间延长,如列表3所示。
(7)利用面积重心法对步骤(6)得到的PID控制系统的三个参数的修正值Δkp,Δki,Δkd的模糊调整值进行解模糊化处理,以得到Δkp、Δki、Δkd的精确数值,并对PID控制器的三个参数Kp,Ki,Kd不断进行调整,直至系统达到稳定状态后停止调整;
所述步骤(7)中对PID控制器的三个参数Kp,Ki,Kd的调整是根据如下式所示的参数调整算式实现的;
kp=Δkp+kp'
ki=Δki+ki'
kd=Δkd+kd'
式中,k'p,k′i,k'd分别是Kp,Ki,Kd的初始值。
(8)因为在远程主从血管介入手术机器人系统中,主从两端是分别连接PC 上位机通过TCP/IP协议,实现主端操作器和从端操作器的通信,所以主端从端数据的的传输与接收,以及反馈信息经过网络就会产生延时控制量,其控制结构见图1,利用拉氏变换的延时定理将时域里的延时量转换成,控制数据从主端PC 机发送到从端PC机产生的时延即为前向通道中时延
从端PC机发往主端的反馈数据时存在的时延即为反馈通路中的时延
及系统本身因为电机响应及算法处理产生的純滞后即为系统本身纯滞后e
-τs,其等效的控制结构图如图2和图3 所示;在被控对象的传递函数的部分和控制器节点分别并联一个Smith预估补偿模型,此模型即为模糊PID-改进的Smith算法模型,如图4所示,然后由预估器对时滞进行补偿和消除,从而消除时延及纯滞后对控制系统性能的影响,提高控制系统性能;
所述步骤(8)中由预估器对时滞进行补偿和消除是通过测量系统主端位移采集量,从端电机的位移输出量,将其放入MATLAB系统辨识工具箱中,得出系统被控对象的传递函数模型,将预估模型设置为被控对象的传递函数模型,即为Smith预估补偿模型,分别将其并联至被控对象传递函数的部分和控制器节点。该方法公知。
从整个系统传递函数来看,系统闭环特征方程中含有延时参数,会导致系统滞后,控制效果不稳定,误差大,加入补偿后,将前向通道的网络时延
系统纯滞后e
-τs移到闭环之外,反馈通路中的时延
消除,改进了控制效果,同时使被延迟了的被调量超前反映到调节器,使调节器提前动作对从端电机的运动进行控制,实现较好的主从跟踪效果。该方法公知。
所述步骤(8)中的控制对象是介入手术机器人的从端电机的运动模型。
(9)在模糊PID-改进的Smith算法的作用下,利用可编程控制器进行算法的实现,可以通过Target Support Package来实现,只需在MATLAB命令窗口输入targetinstaller,选择arduino对应的Target Support Package,安装后便可以将 simulink模型生成代码烧录至arduino中。代码的生成和下载都是自动的,属于公知技术。该算法能够使被延迟了的被调量超前反映到调节器中,进而使调节器提前动作,从而对从端电机的运动进行控制,实现较好的主从跟踪效果。
一种实现上述方法的介入手术系统,其特征在于,它包括介入手术系统的主端部分和从端部分,其特征在于它包括主端控制器、从端控制器、主端操作器、从端操作器、主端PC机、从端PC机及IP摄像机,其控制系统结构示意图见图 4;其中,所述介入手术系统的主端部分通过直线位移传感器采集医生操作的数据信息,该数据信息通过主端PC机,依局域网发送到从端PC机;所述主端控制器输入端同时接收从端机器人采集的电机位移信号,进而由主端控制器进行模糊PID和改进的Smith算法实现,经过处理后得出相应的控制量,进而对电机实现控制。
所述主端控制器采用Arduino DUE控制器。
下面通过附图结合具体实施例对本发明作进一步详述,以下实施例只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
尽管为说明目的公开了本发明的实施例和附图,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换、变化和修改都是可能的,因此,本发明的范围不局限于实施例和附图所公开的内容。