CN112025682B - 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 - Google Patents
基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 Download PDFInfo
- Publication number
- CN112025682B CN112025682B CN202010911978.9A CN202010911978A CN112025682B CN 112025682 B CN112025682 B CN 112025682B CN 202010911978 A CN202010911978 A CN 202010911978A CN 112025682 B CN112025682 B CN 112025682B
- Authority
- CN
- China
- Prior art keywords
- muscle
- lower limb
- model
- joint
- human
- 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
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
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1651—Programme controls characterised by the control loop acceleration, rate control
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明提供了一种基于肌肉协同理论的柔性外骨骼机器人控制方法及系统,包括:步骤1:建立人体下肢简化骨骼肌肉模型;步骤2:基于肌肉协同理论确定人体下肢运动肌肉激活基元;步骤3:基于下肢简化骨骼肌肉模型和人体下肢运动肌肉激活基元建立下肢运动肌肉激活强度的数学映射模型;步骤4:根据数学映射模型设计比例微分控制器。本发明模仿人类的实际运动模式,建立了骨骼肌肉模型和肌肉协同模型,使得下肢外骨骼的运动与人类的实际运动更加契合;本发明控制方案计算量小,对硬件的要求低,稳定可靠。
Description
技术领域
本发明涉及机器人控制技术领域,具体地,涉及一种基于肌肉协同理论的柔性外骨骼机器人控制方法及系统。
背景技术
外骨骼机器人是一种可以辅助人完成行走、坐立、下蹲起立等多种运动的智能装置,其在军事、医疗等领域都得到了广泛的应用。
然而现有外骨骼机器人大多属于刚性外骨骼。其采用硬式外壳,通过机械化的结构给穿戴者提供一定的助力,但95%以上的刚性外骨骼系统因为太过笨重会造成穿戴者较大的体能消耗,这并不代表外骨骼系统没有提升穿戴者的力量或协助负重,由于人机不协调,外骨骼对人体期望运动造成较大阻力。
此外,现有外骨骼的控制方法依然不成熟。传统的控制方法将人体骨骼等效为刚性部件,以人体关节作为转动副,进行连接,同时结合惯性力,重力,科里奥利力和离心力的作用进行用力学建模和计算。中国专利110385697.A公开了一种外骨骼的控制方法及装置,其通过获取人体和外骨骼的质量、力矩等信息,计算出外骨骼所需提供的辅助力。中国专利110303471.A公开了一种助力外骨骼控制系统及控制方法,其通过传感通信系统感知运动意图、运动状态和生理信息,并做出命令决策,驱动机器人关节进行适时和适当的助力。这些控制方法的理论基础均没有能够包含人体的运动机理分析,运动模式与人的自然运动模式有很大的差别。它们通过预先定义的运动轨迹结合动力学模型,只能完成刚性外骨骼的基本控制,不适用与动力学较为复杂的柔性外骨骼系统,存在响应时间慢,对人的意图识别不精准的问题,难以达到人机协同运动的状态。
因此基于人体的自然运动机理,提出新型柔性外骨骼机器人的控制策略,具有重要的社会意义和广阔的市场前景。
专利文献CN110355761A(申请号:201910635595.0)公开了一种基于关节刚度和肌肉疲劳的康复机器人控制方法。本发明采集受试者的关节角度信号和表面肌电信号,结合正、逆动力学原理,通过遗传算法辨识肌肉的个性化生理参数,建立个性化关节骨骼肌肉模型,计算运动过程中的关节刚度信息;计算运动过程中表面肌电信号的中值频率,并利用其相对变化值获取受试者的疲劳信息;采用关节刚度信息和运动疲劳信息对阻抗模型的参数进行自适应调整,同时通过饱和函数对刚度和阻尼参数进行约束,实现康复机器人自适应阻抗控制方法。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于肌肉协同理论的柔性外骨骼机器人控制方法及系统。
根据本发明提供的基于肌肉协同理论的柔性外骨骼机器人控制方法,包括:
步骤1:建立人体下肢简化骨骼肌肉模型;
步骤2:基于肌肉协同理论确定人体下肢运动肌肉激活基元;
步骤3:基于下肢简化骨骼肌肉模型和人体下肢运动肌肉激活基元建立下肢运动肌肉激活强度的数学映射模型;
步骤4:根据数学映射模型设计比例微分控制器。
优选地,所述下肢简化骨骼肌肉模型包括骨骼模型和肌肉模型;
所述骨骼模型包括躯干部分、左侧大腿、左侧小腿、左侧脚、右侧大腿、右侧小腿和右侧脚;所述躯干部分包括头部、手臂和躯干;
所述骨骼模型包括六个自由度:髋关节屈曲/伸展,膝关节屈曲/伸展,踝关节跖屈/背屈在矢状面的旋转自由度;
所述肌肉模型包括九块肌肉实现下肢的运动;
其中,有六块单关节肌肉,分别为髂腰肌IL对应髋关节屈曲,臀大肌GM对应髋关节伸展,股外肌VA对应膝关节伸展,股二头肌短头BFS对应膝关节屈曲,胫骨前肌TA对应踝关节背屈,比目鱼肌SO对应踝关节跖屈;
有三块多关节肌肉,分别为股直肌RF对应髋关节屈曲和膝关节伸直,股二头肌长头BFL对应髋关节伸展和膝关节屈曲,腓肠肌GC对应膝关节背屈和踝关节跖屈;
所述肌肉模型的关节周围肌肉的力矩是恒定的,与关节角度无关。
优选地,提出人体下肢运动肌肉协同算法,包括:人类自然运动时,下肢各肌肉按时序进行不同强度的激活,即人类运动时,下肢运动模式可以分解为一组子运动模式的在时域上的线性叠加;
构建5个下肢运动肌肉激活基元,通过在时域上线性组合得到生活场景中的运动模式,包括:
模式1:激活臀大肌、股外肌和胫骨前肌;
模式2:激活腓肠肌和比目鱼肌;
模式3:激活髂腰肌、股直肌、股二头肌短头和腓肠肌;
模式4:激活股外肌和胫骨前肌;
模式5:激活臀大肌、股直肌、股二头肌长头和股二头肌短头。
优选地,所述肌肉激活基元在下肢简化骨骼肌肉模型上的数学表述为:
其中,m为九块肌肉中的任一块肌肉,Λi为不同步态和速度的振幅调整参数,ωm,i为五个激活脉冲的运动神经元的加权系数,所述肌肉实际输出力的方向为肌肉实际收缩的方向;
通过反馈控制来增加脚踝的下垂速度,当实际速度高于期望速度时,通过抑制站立小腿的脚踝处的单关节肌肉来减小蹬地力量,表述为:
其中,τ是脑干和小脑处接收躯体感觉信息传输并将运动命令发送到脊髓的时间滞后。
优选地,外骨骼以1.6m/s的速度步行时,参数为:
Λi=1(i=1,...,5),T=1.0s,Φ1=0rad,Φ2=1.59rad,Φ3=2.44rad,Φ4=3.69rad,Φ5=5.36rad,Δ1=0.75rad,Δ2=1.10rad,Δ3=1.20rad,Δ4=1.07rad,Δ5=0.94rad,ωGM,1=0.33,ωVA,1=1.02,ωTA,1=0.27,ωSO,2=1.09,ωGC,2=0.84,ωIL,3=0.99,ωBFS,3=0.34,ωTA,3=0.97,ωRF,3=0.02,ωGC,3=0.65,ωVA,4=0.23,ωTA,4=0.15,ωGM,5=1.17,ωBFS,5=0.76,ωRF,5=0.29,ωBFL,5=0.14,其余ωm,i=0。
优选地,当外骨骼以1.6m/s的速度跑步时,参数为:
Λ1=1.34,Λ2=1.29,Λ3=0.73,Λ4=0.62,Λ5=0.50,T=0.8s,Φ2=0.16rad。
优选地,外骨骼以1.6m/s的速度运动时,参数为:
优选地,所述比例微分控制器的数学表示为:
一种基于肌肉协同理论的柔性外骨骼机器人控制系统,其特征在于,包括:
模块M1:建立人体下肢简化骨骼肌肉模型;
模块M2:基于肌肉协同理论确定人体下肢运动肌肉激活基元;
模块M3:基于下肢简化骨骼肌肉模型和人体下肢运动肌肉激活基元建立下肢运动肌肉激活强度的数学映射模型;
模块M4:根据数学映射模型设计比例微分控制器。
与现有技术相比,本发明具有如下的有益效果:
1、本发明依据人的自然行走原理,能够很好的应用于下肢外骨骼机器人尤其是下肢柔性外骨骼机器人上,实现基于人体生理状态的机器人控制,提高外骨骼机器人使用的舒适性,具有极大的应用价值;
2、本发明模仿人类的实际运动模式,建立了骨骼肌肉模型和肌肉协同模型,使得下肢外骨骼的运动与人类的实际运动更加契合;
3、本发明控制方案计算量小,对硬件的要求低,稳定可靠;
4、本发明整套控制方案安完全别与传统控制方法,基于人体运动的基本原理针对柔索驱动的形式提出了有效的控制方案。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的整体控制框架示意图;
图2为肌肉骨骼模型示意图;
图3为肌肉协同算法示意图示意图;
图4为5种肌肉协同基元示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明属于机器人控制领域,尤其一种基于肌肉协同理论的柔性外骨骼机器人控制方法。系统针对柔性外骨骼无刚性结构的特点,对柔索驱动的形式提出了有效的控制方案。
整体的系统框图如图1。
根据本发明提供的一种人的下肢简化骨骼肌肉模型如图2。
所述下肢简化骨骼肌肉模型包括骨骼模型部分和肌肉模型。
所述骨骼部分将人体下肢运动骨骼为七个刚性部分,包括躯干部分(头部、手臂和躯干)、左侧大腿、左侧小腿、左侧脚、右侧大腿、右侧小腿和右侧脚。
所述骨骼部分共包含六个自由度,分别是髋关节屈曲/伸展,膝关节屈曲/伸展,踝关节跖屈/背屈的旋转自由度。
所述骨骼部分的每个自由度都包含一个线性阻尼单元,当关节角度超过其限位时,会受到较大的线性弹性和阻尼扭矩。根据人体实际结构,在矢状面内,膝关节的运动范围为0.1到2.8rad,踝关节的运动范围为-1.0到0.54rad。
所述肌肉部分包含九块主要肌肉来实现下肢的运动。
其中,有六块肌肉只参与一个关节的运动,分别为髂腰肌(IL)对应髋关节屈曲,臀大肌(GM)对应髋关节伸展,股外肌(VA)对应膝关节伸展,股二头肌短头(BFS)对应膝关节屈曲,胫骨前肌(TA)对应踝关节屈曲,比目鱼肌(SO)对应踝关节伸展。
有三块肌肉参与两个关节的运动,分别为股直肌(RF)对应髋关节屈曲和膝关节伸直,股二头肌长头(BFL)对应髋关节伸展和膝关节屈曲,腓肠肌(GC)对应膝关节屈曲和踝关节伸展。
所述肌肉部分认为关节周围肌肉手臂的力矩是恒定的,与关节角度无关。即可视为只要某一块肌肉发生了激活,则认为其提供的拉力是恒定的。
所述肌肉协同理论如图3所示。具体表述为,人类自然运动时,下肢各肌肉会按时序进行不同强度的激活,即人类运动时,下肢运动模式可以分解为一组子运动模式的在时域上的线性叠加。
优选的,针对于人类步行和跑步运动,大部分的肌肉激活模式可以分解为5个肌肉协同基元在时域上的线性组合。
优选的,5个基本肌肉协同基元如图4。
其中,模式1激活的肌肉为臀大肌(GM)、股外肌(VA)、胫骨前肌(TA);
模式2激活的肌肉为腓肠肌(GC),比目鱼肌(SO);
模式3激活的肌肉为髂腰肌(IL),股直肌(RF),股二头肌短头(BFS),腓肠肌(GC);
模式4激活的肌肉为股外肌(VA),胫骨前肌(TA);
模式5激活的肌肉为臀大肌[GM),股直肌(RF),股二头肌长头(BFL),股二头肌短头(BFS)。
所述肌肉协同基元在所述下肢简化骨骼肌肉模型上的具体的数学表述为:
特别的,对于一个正在步行的外骨骼,可以通过改变不同的步态周期时间T和第二种激活模式的初始相位值Φ2使外骨骼的运动状态过渡到跑步。
每块肌肉的实际输出表示为:
其中,m=IL(或GM,VA,BFS,TA,SO,RF,BFL,GC),Λi为不同步态和速度的振幅调整参数,ωm,i为五个激活脉冲的运动神经元的加权系数,所述肌肉实际输出力的方向为肌肉实际收缩的方向。
优选的,在实际使用中只需要调节参数T,Φi,Λi即可实现柔性外骨骼机器人的控制。
优选的,给出一组外骨骼以1.6m/s的速度步行时的参数:Λi=1(i=1,...,5),T=1.0s,Φ1=0rad,Φ2=1.59rad,Φ3=2.44rad,Φ4=3.69rad,Φ5=5.36rad,Δ1=0.75rad,Δ2=1.10rad,Δ3=1.20rad,Δ4=1.07rad,Δ5=0.94rad,ωGM,1=0.33,ωVA,1=1.02,ωTA,1=0.27,ωSO,2=1.09,ωGC,2=0.84,ωIL,3=0.99,ωBFS,3=0.34,ωTA,3=0.97,ωRF,3=0.02,ωGC,3=0.65,ωVA,4=0.23,ωTA,4=0.15,ωGM,5=1.17,ωBFS,5=0.76,ωRF,5=0.29,ωBFL,5=0.14,其余ωm,i=0。
当外骨骼以1.6s/m的速度跑步时,部分参数应更改:Λ1=1.34,Λ2=1.29,Λ3=0.73,Λ4=0.62,Λ5=0.50,T=0.8s,Φ2=0.16rad。
优选的,为了保持运动速度,当实际速度低于期望速度时,使用简单的反馈控制来增加脚踝的下垂速度。而当实际速度高于期望速度时,则通过抑制站立小腿的脚踝处的单关节肌肉来减小蹬地力量:
其中τ是脑干和小脑处接收躯体感觉信息传输并将运动命令发送到脊髓的时间滞后。
所述基于比例-微分控制器控制下肢外骨骼的具体数学表示为:
所述基于比例-微分控制器控制下肢外骨骼应在包含以下硬件设备的平台上运行:满足所述肌肉模型的柔性外骨骼,可以测量实际输出力矩的力传感器,可以运行控制算法并控制柔性外骨骼机器人的微处理器。
可选的,所述柔性外骨骼应可直接给人的髋、膝、踝关节提供助力。
可选的,所述柔性外骨骼应使用柔索模仿肌肉驱动人腿。
可选的,所述柔性外骨骼若没有足够多的驱动部件,应将针对每个关节,计算其所受到的所有肌肉拉力大小、方向之和,等效为一个驱动器。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (9)
1.一种基于肌肉协同理论的柔性外骨骼机器人控制方法,其特征在于,包括:
步骤1:建立人体下肢简化骨骼肌肉模型;
步骤2:基于肌肉协同理论确定人体下肢运动肌肉激活基元;
步骤3:基于下肢简化骨骼肌肉模型和人体下肢运动肌肉激活基元建立下肢运动肌肉激活强度的数学映射模型;
步骤4:根据数学映射模型设计比例微分控制器;
所述下肢简化骨骼肌肉模型包括骨骼模型和肌肉模型;
所述骨骼模型包括躯干部分、左侧大腿、左侧小腿、左侧脚、右侧大腿、右侧小腿和右侧脚;所述躯干部分包括头部、手臂和躯干;
所述骨骼模型包括六个自由度:髋关节屈曲/伸展,膝关节屈曲/伸展,踝关节跖屈/背屈在矢状面的旋转自由度;
所述肌肉模型包括九块肌肉实现下肢的运动;
其中,有六块单关节肌肉,分别为髂腰肌IL对应髋关节屈曲,臀大肌GM对应髋关节伸展,股外肌VA对应膝关节伸展,股二头肌短头BFS对应膝关节屈曲,胫骨前肌TA对应踝关节背屈,比目鱼肌SO对应踝关节跖屈;
有三块多关节肌肉,分别为股直肌RF对应髋关节屈曲和膝关节伸直,股二头肌长头BFL对应髋关节伸展和膝关节屈曲,腓肠肌GC对应膝关节背屈和踝关节跖屈;
所述肌肉模型的关节周围肌肉的力矩是恒定的,与关节角度无关。
2.根据权利要求1所述的基于肌肉协同理论的柔性外骨骼机器人控制方法,其特征在于,提出人体下肢运动肌肉协同算法,包括:人类自然运动时,下肢各肌肉按时序进行不同强度的激活,即人类运动时,下肢运动模式可以分解为一组子运动模式的在时域上的线性叠加;
构建5个下肢运动肌肉激活基元,通过在时域上线性组合得到生活场景中的运动模式,包括:
模式1:激活臀大肌、股外肌和胫骨前肌;
模式2:激活腓肠肌和比目鱼肌;
模式3:激活髂腰肌、股直肌、股二头肌短头和腓肠肌;
模式4:激活股外肌和胫骨前肌;
模式5:激活臀大肌、股直肌、股二头肌长头和股二头肌短头。
3.根据权利要求1所述的基于肌肉协同理论的柔性外骨骼机器人控制方法,其特征在于,所述肌肉激活基元在下肢简化骨骼肌肉模型上的数学表述为:
其中,m为九块肌肉中的任一块肌肉,Λi为不同步态和速度的振幅调整参数,ωm,i为五个激活脉冲的运动神经元的加权系数,所述肌肉实际输出力的方向为肌肉实际收缩的方向;
通过反馈控制来增加脚踝的下垂速度,当实际速度高于期望速度时,通过抑制站立小腿的脚踝处的单关节肌肉来减小蹬地力量,表述为:
其中,τ是脑干和小脑处接收躯体感觉信息传输并将运动命令发送到脊髓的时间滞后。
5.根据权利要求3所述的基于肌肉协同理论的柔性外骨骼机器人控制方法,其特征在于,外骨骼以1.6m/s的速度步行时,参数为:
Λi=1(i=1,…,5),T=1.0s,Φ1=0rad,Φ2=1.59rad,Φ3=2.44rad,Φ4=3.69rad,Φ5=5.36rad,Δ1=0.75rad,Δ2=1.10rad,Δ3=1.20rad,Δ4=1.07rad,Δ5=0.94rad,ωGM,1=0.33,ωVA,1=1.02,ωTA,1=0.27,ωSO,2=1.09,ωGC,2=0.84,ωIL,3=0.99,ωBFS,3=0.34,ωTA,3=0.97,ωRF,3=0.02,ωGC,3=0.65,ωVA,4=0.23,ωTA,4=0.15,ωGM,5=1.17,ωBFS,5=0.76,ωRF,5=0.29,ωBFL,5=0.14,其余ωm,i=0。
6.根据权利要求3所述的基于肌肉协同理论的柔性外骨骼机器人控制方法,其特征在于,当外骨骼以1.6m/s的速度跑步时,参数为:
Λ1=1.34,Λ2=1.29,Λ3=0.73,Λ4=0.62,Λ5=0.50,T=0.8s,Φ2=0.16rad。
9.一种根据权利要求1-8任一项所述基于肌肉协同理论的柔性外骨骼机器人控制方法的系统,其特征在于,包括:
模块M1:建立人体下肢简化骨骼肌肉模型;
模块M2:基于肌肉协同理论确定人体下肢运动肌肉激活基元;
模块M3:基于下肢简化骨骼肌肉模型和人体下肢运动肌肉激活基元建立下肢运动肌肉激活强度的数学映射模型;
模块M4:根据数学映射模型设计比例微分控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010911978.9A CN112025682B (zh) | 2020-09-02 | 2020-09-02 | 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010911978.9A CN112025682B (zh) | 2020-09-02 | 2020-09-02 | 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112025682A CN112025682A (zh) | 2020-12-04 |
CN112025682B true CN112025682B (zh) | 2022-04-19 |
Family
ID=73590568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010911978.9A Active CN112025682B (zh) | 2020-09-02 | 2020-09-02 | 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112025682B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112643670B (zh) * | 2020-12-07 | 2022-07-29 | 洛阳尚奇机器人科技有限公司 | 一种基于滑模观测器的柔性关节控制方法 |
CN112618285A (zh) * | 2020-12-30 | 2021-04-09 | 华南理工大学 | 一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 |
CN113084813B (zh) * | 2021-04-13 | 2022-05-03 | 中国科学院自动化研究所 | 基于肌肉参数优化构建约束力场的机器人运动控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886215A (zh) * | 2014-04-04 | 2014-06-25 | 中国科学技术大学 | 一种基于肌肉协同的步行能力计算方法和装置 |
CN106067178A (zh) * | 2016-05-30 | 2016-11-02 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
CN108785997A (zh) * | 2018-05-30 | 2018-11-13 | 燕山大学 | 一种基于变导纳的下肢康复机器人柔顺控制方法 |
CN109262618A (zh) * | 2018-12-12 | 2019-01-25 | 武汉理工大学 | 基于肌肉协同的上肢多关节同步比例肌电控制方法与系统 |
CN109693223A (zh) * | 2017-10-20 | 2019-04-30 | 中国科学院沈阳自动化研究所 | 一种穿戴式上肢仿生柔性外骨骼机器人及其助力方法 |
CN110917577A (zh) * | 2019-11-27 | 2020-03-27 | 西安交通大学 | 一种利用肌肉协同作用的多阶段下肢训练系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9031691B2 (en) * | 2013-03-04 | 2015-05-12 | Disney Enterprises, Inc. | Systemic derivation of simplified dynamics for humanoid robots |
-
2020
- 2020-09-02 CN CN202010911978.9A patent/CN112025682B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886215A (zh) * | 2014-04-04 | 2014-06-25 | 中国科学技术大学 | 一种基于肌肉协同的步行能力计算方法和装置 |
CN106067178A (zh) * | 2016-05-30 | 2016-11-02 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
CN109693223A (zh) * | 2017-10-20 | 2019-04-30 | 中国科学院沈阳自动化研究所 | 一种穿戴式上肢仿生柔性外骨骼机器人及其助力方法 |
CN108785997A (zh) * | 2018-05-30 | 2018-11-13 | 燕山大学 | 一种基于变导纳的下肢康复机器人柔顺控制方法 |
CN109262618A (zh) * | 2018-12-12 | 2019-01-25 | 武汉理工大学 | 基于肌肉协同的上肢多关节同步比例肌电控制方法与系统 |
CN110917577A (zh) * | 2019-11-27 | 2020-03-27 | 西安交通大学 | 一种利用肌肉协同作用的多阶段下肢训练系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112025682A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Admittance shaping-based assistive control of SEA-driven robotic hip exoskeleton | |
CN112025682B (zh) | 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 | |
Ferrati et al. | Virtual modelling of a real exoskeleton constrained to a human musculoskeletal model | |
Cao et al. | Effect of hip assistance modes on metabolic cost of walking with a soft exoskeleton | |
CN105796286B (zh) | 使用气囊传感器的下肢外骨骼机器人控制方法 | |
Qiu et al. | Exoskeleton online learning and estimation of human walking intention based on dynamical movement primitives | |
CN102727361B (zh) | 坐卧式下肢康复机器人 | |
Wei et al. | Synergy-based control of assistive lower-limb exoskeletons by skill transfer | |
CN103040586A (zh) | 用于下肢运动训练的外骨骼机器人及其运动控制方法 | |
CN102698411B (zh) | 坐卧式下肢康复机器人 | |
Duenas et al. | Motorized and functional electrical stimulation induced cycling via switched repetitive learning control | |
Ma et al. | Online gait planning of lower-limb exoskeleton robot for paraplegic rehabilitation considering weight transfer process | |
Zhu et al. | Design and voluntary control of variable stiffness exoskeleton based on sEMG driven model | |
Li et al. | Human-in-the-loop adaptive control of a soft exo-suit with actuator dynamics and ankle impedance adaptation | |
Abdulla et al. | Functional electrical stimulation-based cycling assisted by flywheel and electrical clutch mechanism: A feasibility simulation study | |
Zhang et al. | Modeling biological motor control for human locomotion with functional electrical stimulation | |
Chen et al. | Combining human volitional control with intrinsic controller on robotic prosthesis: A case study on adaptive slope walking | |
Taherifar et al. | Assistive-compliant control of wearable robots for partially disabled individuals | |
Tan et al. | A time-independent control system for natural human gait assistance with a soft exoskeleton | |
CN111991694A (zh) | 功能电刺激和电机混合驱动的下肢外骨骼装置及控制方法 | |
Guo et al. | A study on control mechanism of above knee robotic prosthesis based on CPG model | |
Jiang et al. | Control of a new cycling rehabilitation robot based on fuzzy PID | |
Kamnik et al. | Rehabilitation robot cell for multimodal standing-up motion augmentation | |
Ye et al. | An adaptive shared control of a novel robotic walker for gait rehabilitation of stroke patients | |
KR102544549B1 (ko) | 인체를 보조하는 웨어러블 장치를 설계하기 위한 시뮬레이션 방법 및 이를 수행하는 장치들 |
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 |