CN112433495A - 基于scn人机不确定模型的康复机器人快速有限时间控制 - Google Patents
基于scn人机不确定模型的康复机器人快速有限时间控制 Download PDFInfo
- Publication number
- CN112433495A CN112433495A CN202011357061.5A CN202011357061A CN112433495A CN 112433495 A CN112433495 A CN 112433495A CN 202011357061 A CN202011357061 A CN 202011357061A CN 112433495 A CN112433495 A CN 112433495A
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- robot
- human
- machine
- man
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 3
- 206010017577 Gait disturbance Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于随机配置网络(Stochastic Configuration Networks,SCN)人机不确定模型的康复机器人快速有限时间控制方法。其特征为:基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型;基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计;基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定。
Description
技术领域:
本发明涉及轮式康复机器人的控制方法,尤其是具有人机不确定性的康复机器人控制领域。
背景技术:
交通事故及人口老龄化使步行障碍患者逐年增多,由于我国缺少专业康复人员,导致步行障碍患者无法得到及时有效的运动训练,从而步行功能逐渐丧失,无法实现日常独立生活。随着康复步行机器人在康复中心、养老院等场所的应用,有效解决了康复人员短缺的问题。然而,在实际应用中,人和机器人接触会产生人机不确定性,严重干扰了步行机器人对康复医生指定运动轨迹的跟踪,不仅无法达到理想的康复效果,而且过大的跟踪误差导致机器人碰撞周围物体,威胁训练者的安全。因此,研究步行机器人的控制方法,解决人机接触不确定问题,对保证训练者的康复效果和安全性具有重要意义。
近年来,康复步行机器人轨迹跟踪控制已有许多研究成果,然而这些结果都无法解决人和机器人合作运动中产生的人机不确定性问题,以及机器人在任意初始位置暂态跟踪性能不高的问题。如果人机接触和人机系统暂态性能不解决,将会产生较大的跟踪误差而威胁训练者的安全。到目前为止,还没有关于人机不确定估计及适应人机接触不确定性变化的任意初始位置的快速有限时间控制方法。本发明基于新视角提出了人机接触产生不确定性的估计方法,并研究了补偿人机不确定性的快速有限时间控制方法,对保障训练者的康复效果和安全性具有重要意义。
发明内容:
发明目的:
为了解决上述问题,本发明提供了一种基于SCN人机不确定模型的康复机器人快速有限时间控制方法。
技术方案:
本发明是通过以下技术方案来实现的:
一种基于SCN(Stochastic Configuration Networks,SCN)人机不确定模型的康复机器人快速有限时间控制方法,其特征在于:
1)基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型;
2)基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计;
3)基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定。
步骤如下:
步骤一)基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型,其特征在于:系统的动力学模型描述如下
其中
M表示机器人质量、m表示康复者质量、r0表示机器人中心到重心的距离,I0表示转动惯量,为系数矩阵,θi表示水平方向和机器人中心与第i个轮子中心连线间的夹角,li为机器人重心到每个轮子中心的距离,φi为水平方向与每个轮子对应li之间的夹角。u(t)表示机器人的控制输入力,fi为机器人每个轮子的输入力,X(t)为机器人的实际运动轨迹,i=1,2,3,4。
步骤二)基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计,其特征在于:以机器人运动轨迹和速度作为SCN的网络输入层,并通过权重ω和阈值b与隐含层连接,利用高斯函数得到隐含层输出G(x(t))。
其中
G(x(t))=[g1(ω1x(t)+b1),...,gL(ωLx(t)+bL)]T
gj(ωjx(t)+bj)为隐含层第j个节点的输出j=(1,2,...,L),ωh,j为输入层第h个输入连接隐含层第j个节点的权值,h=(1,2,...,6),bj为隐含层第j个节点的阈值。
其中
由于
其中
故
其中,参数0<r<1,{μL}为非负实数序列,μL≤(1-r)。当δL>0时,εL TεL<(r+μL)εL-1 TεL-1,随着随机配置的隐含层节点数不断增加,当此时εL TεL<rεL-1 TεL-1,容易得到即可实现人机系统不确定估计
步骤三)基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定,其特征在于:引入一条辅助轨迹xa(t),使实际跟踪轨迹由医生指定训练轨迹xd(t)和辅助轨迹xa(t)组成,即 xa(t)在有限时间T上满足xa(T)=0,且xa(0)=x1(0)-xd(0)。
其中
此时轨迹跟踪误差和速度跟踪误差分别为
其中e1(t)=[e11(t),e12(t),e13(t)]T,e1g(t)分别表示x轴,y轴和旋转角方向的轨迹跟踪误差。e2(t)=[e21(t),e22(t),e23(t)]T,e2g(t)分别表示x轴,y轴和旋转角方向的速度跟踪误差。
其中Γ和K4为自适应率参数。
由式(3)和式(6)可得跟踪误差系统为:
设计有限时间控制器为:
建立李雅普诺夫函数如下:
沿误差系统(8)对式(10)求导得
将有限时间控制器(9)代入式(11),可得
其中ε=w(t)-β*TG(x(t)),取参数k3>||ε||,并将自适应率(7)代入式(11),得
根据式(12),进一步有:
步骤四)基于MSP430系列单片机将输出PWM信号提供给电机驱动单元,使机器人实现对参考轨迹信号的运动轨迹和速度同时跟踪,其特征在于:以MSP430系列单片机为主控制器,主控制器的输入接电机测速模块、输出接电机驱动模块;电机驱动模块与直流电机相连;电源系统给各个电气设备供电。主控制器控制方法为读取电机编码器的反馈信号与主控制器给定的控制命令信号和计算得出误差信号。根据误差信号,主控制器按照预定的控制算法计算出电机的控制量,送给电机驱动模块,电机转动带动轮子维持自身平衡及按指定方式运动。
优点及效果:
本发明是一种基于SCN估计人机不确定性的康复步行训练机器人快速有限时间控制方法,优点如下:
本发明巧妙地分离出人机系统不确定项,建立了具有人机不确定性的康复步行训练机器人动力学模型;基于SCN方法构建了人机不确定的网络估计模型,并设计快速有限时间控制器补偿人机不确定对系统跟踪性能的影响,提高了系统任意初始位置的暂态性能,保障了系统跟踪精度和训练者的安全。
附图说明:
图1为本发明控制器工作框图;
图2为本发明系统坐标图;
图3为本发明的MSP430单片机最小系统;
图4为本发明的主控制器外围扩展电路;
图5为本发明硬件总体原理电路。
具体实施方式:
下面结合附图对本发明做进一步的说明,但本发明保护范围不受实施例的限制。
一种基于SCN估计人机不确定性的康复步行训练机器人快速有限时间控制方法。其特征在于:
1)基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型;
2)基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计;
3)基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定。
步骤如下:
步骤一)基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型,其特征在于:系统的动力学模型描述如下
其中
M表示机器人质量、m表示康复者质量、r0表示机器人中心到重心的距离,I0表示转动惯量,为系数矩阵,θi表示水平方向和机器人中心与第i个轮子中心连线间的夹角,li为机器人重心到每个轮子中心的距离,φi为水平方向与每个轮子对应li之间的夹角。u(t)表示机器人的控制输入力,fi为机器人每个轮子的输入力,X(t)为机器人的实际运动轨迹,i=1,2,3,4。
步骤二)基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计,其特征在于:以机器人运动轨迹和速度作为SCN的网络输入层,并通过权重ω和阈值b与隐含层连接,利用高斯函数得到隐含层输出G(x(t))。
其中
b=[b1,b2,...,bL]TG(x(t))=[g1(ω1x(t)+b1),...,gL(ωLx(t)+bL)]T
gj(ωjx(t)+bj)为隐含层第j个节点的输出j=(1,2,...,L),ωh,j为输入层第h个输入连接隐含层第j个节点的权值,h=(1,2,...,6),bj为隐含层第j个节点的阈值。
其中
其中,参数0<r<1,{μL}为非负实数序列,随着随机配置的隐含层节点数不断增加,当可实现人机系统不确定估计步骤三)基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定,其特征在于:引入一条辅助轨迹xa(t),使实际跟踪轨迹由医生指定训练轨迹xd(t)和辅助轨迹xa(t)组成,即 xa(t)在有限时间T上满足xa(T)=0,且xa(0)=x1(0)-xd(0)。
其中
此时轨迹跟踪误差和速度跟踪误差分别为
其中e1(t)=[e11(t),e12(t),e13(t)]T,e1g(t)分别表示x轴,y轴和旋转角方向的轨迹跟踪误差。e2(t)=[e21(t),e22(t),e23(t)]T,e2g(t)分别表示x轴,y轴和旋转角方向的速度跟踪误差。
设计辅助变量其中z1(t)=[z11(t),z12(t),z13(t)]T,z1g(t)分别表示x轴,y轴和旋转角方向的辅助变量误差;K1=diag(k11,k12,k13),Sig(ξ)α=[|ξ1|αsgn(ξ1),...,|ξn|αsgn(ξn)]T,
其中Γ和K4为自适应率参数。
由式(3)和式(6)可得跟踪误差系统为:
设计有限时间控制器为:
建立李雅普诺夫函数如下:
沿误差系统(8)对式(10)求导得
将有限时间控制器(9)代入式(11),可得
其中ε=w(t)-β*TG(x(t)),取参数k3>||ε||,并将自适应率(7)代入式(11),得
根据式(12),进一步有:
步骤四)基于MSP430系列单片机将输出PWM信号提供给电机驱动单元,使机器人实现对参考轨迹信号的运动轨迹和速度同时跟踪,其特征在于:以MSP430系列单片机为主控制器,主控制器的输入接电机测速模块、输出接电机驱动模块;电机驱动模块与直流电机相连;电源系统给各个电气设备供电。主控制器控制方法为读取电机编码器的反馈信号与主控制器给定的控制命令信号和计算得出误差信号。根据误差信号,主控制器按照预定的控制算法计算出电机的控制量,送给电机驱动模块,电机转动带动轮子维持自身平衡及按指定方式运动。
本发明巧妙地分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型,基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计,基于有限时间稳定理论设计快速跟踪控制器,补偿人机不确定性对系统跟踪精度的影响,使机器人在任意初始位置均可实现运动轨迹快速有限时间跟踪,能有效提高系统跟踪性能及训练者的安全性。
Claims (5)
1.基于SCN人机不确定模型的康复机器人快速有限时间控制,其特征在于:基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型;基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计;基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定;步骤如下:
1)基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型;
2)基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计;
3)基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定。
2.根据权利要求1所述基于SCN人机不确定模型的康复机器人快速有限时间控制,其特征在于基于康复步行训练机器人的动力学模型,分离由康复者引起人机系统的不确定项,建立具有人机不确定性的康复步行训练机器人动力学模型,系统的动力学模型描述如下
其中
M表示机器人质量、m表示康复者质量、r0表示机器人中心到重心的距离,I0表示转动惯量,为系数矩阵,θi表示水平方向和机器人中心与第i个轮子中心连线间的夹角,li为机器人重心到每个轮子中心的距离,φi为水平方向与每个轮子对应li之间的夹角。u(t)表示机器人的控制输入力,fi为机器人每个轮子的输入力,X(t)为机器人的实际运动轨迹,i=1,2,3,4。
3.根据权利要求1所述基于SCN人机不确定模型的康复机器人快速有限时间控制,其特征在于基于SCN方法构建人机不确定性的网络估计模型,以运动轨迹和速度为网络输入,通过不断随机配置隐含层节点参数,获得人机系统不确定性估计,以机器人运动轨迹和速度作为SCN的网络输入层,并通过权重ω和阈值b与隐含层连接,利用高斯函数得到隐含层输出G(x(t))。
其中
b=[b1,b2,...,bL]TG(x(t))=[g1(ω1x(t)+b1),...,gL(ωLx(t)+bL)]T
gj(ωjx(t)+bj)为隐含层第j个节点的输出j=(1,2,...,L),ωh,j为输入层第h个输入连接隐含层第j个节点的权值,h=(1,2,...,6),bj为隐含层第j个节点的阈值。
其中
4.根据权利要求1所述基于SCN人机不确定模型的康复机器人快速有限时间控制,其特征在于基于有限时间稳定理论设计跟踪控制器,抑制人机不确定性对系统跟踪精度的影响,同时保证机器人在任意初始位置,均可使跟踪误差系统快速有限时间稳定,引入一条辅助轨迹xa(t),使实际跟踪轨迹由医生指定训练轨迹xd(t)和辅助轨迹xa(t)组成,即 xa(t)在有限时间T上满足xa(T)=0,且xa(0)=x1(0)-xd(0)。
其中
此时轨迹跟踪误差和速度跟踪误差分别为
其中e1(t)=[e11(t),e12(t),e13(t)]T,e1g(t)分别表示x轴,y轴和旋转角方向的轨迹跟踪误差。e2(t)=[e21(t),e22(t),e23(t)]T,e2g(t)分别表示x轴,y轴和旋转角方向的速度跟踪误差。
设计辅助变量其中z1(t)=[z11(t),z12(t),z13(t)]T,z1g(t)分别表示x轴,y轴和旋转角方向的辅助变量误差;K1=diag(k11,k12,k13),Sig(ξ)α=[|ξ1|αsgn(ξ1),...,|ξn|αsgn(ξn)]T,
其中Γ和K4为自适应率参数。
由式(3)和式(6)可得跟踪误差系统为:
设计有限时间控制器为:
建立李雅普诺夫函数如下:
沿误差系统(8)对式(10)求导得
将有限时间控制器(9)代入式(11),可得
其中ε=w(t)-β*TG(x(t)),取参数k3>||ε||,并将自适应率(7)代入式(11),得
根据式(12),进一步有:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011357061.5A CN112433495B (zh) | 2020-11-27 | 2020-11-27 | 基于scn人机不确定模型的康复机器人快速有限时间控制 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011357061.5A CN112433495B (zh) | 2020-11-27 | 2020-11-27 | 基于scn人机不确定模型的康复机器人快速有限时间控制 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112433495A true CN112433495A (zh) | 2021-03-02 |
CN112433495B CN112433495B (zh) | 2023-11-21 |
Family
ID=74699331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011357061.5A Active CN112433495B (zh) | 2020-11-27 | 2020-11-27 | 基于scn人机不确定模型的康复机器人快速有限时间控制 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112433495B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359470A (zh) * | 2021-07-05 | 2021-09-07 | 沈阳工业大学 | 康复机器人抑制结构变化的指定暂态时间稳定控制方法 |
CN113359767A (zh) * | 2021-07-05 | 2021-09-07 | 沈阳工业大学 | 机器人结构慢变化的有界轨迹跟踪误差安全驱动控制方法 |
CN113419423A (zh) * | 2021-07-05 | 2021-09-21 | 沈阳工业大学 | 一种服务机器人有限时间适应结构变化的跟踪控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3028608A1 (de) * | 1980-07-28 | 1982-02-11 | Bernd Ing. Krieg (grad.), 2000 Hamburg | Kunstbein mit hydraulischer pendel- und standphasensteuerung fuer oberschenkelamputationen sowie knie- und hueftgelenkexartikulationen |
US4833381A (en) * | 1987-12-31 | 1989-05-23 | Westinghouse Electric Corp. | Optical automatic seam tracker and real time control system for an industrial robot |
EP0323277A2 (en) * | 1987-12-31 | 1989-07-05 | Westinghouse Electric Corporation | Parametric path modeling for an optical automatic seam tracker and real time robotic control system |
US5371669A (en) * | 1992-06-18 | 1994-12-06 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Sliding mode control method having terminal convergence in finite time |
US5455763A (en) * | 1992-12-30 | 1995-10-03 | Framatome | Process control method and device wherein models of the process and the control system are used to correct an input set point signal |
CN104635738A (zh) * | 2014-11-21 | 2015-05-20 | 沈阳工业大学 | 不确定康复步行训练机器人的精确轨迹跟踪最优控制方法 |
CN107479381A (zh) * | 2017-08-29 | 2017-12-15 | 沈阳工业大学 | 冗余康复步行训练机器人各轴跟踪误差最优预测控制方法 |
CN110989589A (zh) * | 2019-11-30 | 2020-04-10 | 沈阳工业大学 | 一种不同训练者质量随机变化的康复步行机器人的跟踪控制方法 |
-
2020
- 2020-11-27 CN CN202011357061.5A patent/CN112433495B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3028608A1 (de) * | 1980-07-28 | 1982-02-11 | Bernd Ing. Krieg (grad.), 2000 Hamburg | Kunstbein mit hydraulischer pendel- und standphasensteuerung fuer oberschenkelamputationen sowie knie- und hueftgelenkexartikulationen |
US4833381A (en) * | 1987-12-31 | 1989-05-23 | Westinghouse Electric Corp. | Optical automatic seam tracker and real time control system for an industrial robot |
EP0323277A2 (en) * | 1987-12-31 | 1989-07-05 | Westinghouse Electric Corporation | Parametric path modeling for an optical automatic seam tracker and real time robotic control system |
US5371669A (en) * | 1992-06-18 | 1994-12-06 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Sliding mode control method having terminal convergence in finite time |
US5455763A (en) * | 1992-12-30 | 1995-10-03 | Framatome | Process control method and device wherein models of the process and the control system are used to correct an input set point signal |
CN104635738A (zh) * | 2014-11-21 | 2015-05-20 | 沈阳工业大学 | 不确定康复步行训练机器人的精确轨迹跟踪最优控制方法 |
CN107479381A (zh) * | 2017-08-29 | 2017-12-15 | 沈阳工业大学 | 冗余康复步行训练机器人各轴跟踪误差最优预测控制方法 |
CN110989589A (zh) * | 2019-11-30 | 2020-04-10 | 沈阳工业大学 | 一种不同训练者质量随机变化的康复步行机器人的跟踪控制方法 |
Non-Patent Citations (3)
Title |
---|
LIU, CL等: "Safe Exploration: Addressing Various Uncertainty Levels in Human Robot Interactions", 2015 AMERICAN CONTROL CONFERENCE, pages 465 - 470 * |
叶锦华等: "不确定轮式移动机器人的有限时间镇定控制", 华南理工大学学报( 自然科学版), vol. 41, no. 8, pages 48 - 54 * |
孙平: "不确定康复训练机器人速度与加速度同时约束的跟踪控制", 北京理工大学学报, vol. 38, no. 10, pages 1067 - 1072 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359470A (zh) * | 2021-07-05 | 2021-09-07 | 沈阳工业大学 | 康复机器人抑制结构变化的指定暂态时间稳定控制方法 |
CN113359767A (zh) * | 2021-07-05 | 2021-09-07 | 沈阳工业大学 | 机器人结构慢变化的有界轨迹跟踪误差安全驱动控制方法 |
CN113419423A (zh) * | 2021-07-05 | 2021-09-21 | 沈阳工业大学 | 一种服务机器人有限时间适应结构变化的跟踪控制方法 |
CN113359470B (zh) * | 2021-07-05 | 2023-08-11 | 沈阳工业大学 | 康复机器人抑制结构变化的指定暂态时间稳定控制方法 |
CN113359767B (zh) * | 2021-07-05 | 2023-08-18 | 沈阳工业大学 | 机器人结构慢变化的有界轨迹跟踪误差安全驱动控制方法 |
CN113419423B (zh) * | 2021-07-05 | 2023-10-24 | 沈阳工业大学 | 一种服务机器人有限时间适应结构变化的跟踪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112433495B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112433495A (zh) | 基于scn人机不确定模型的康复机器人快速有限时间控制 | |
Ijspeert et al. | Trajectory formation for imitation with nonlinear dynamical systems | |
CN107831667B (zh) | 康复步行训练机器人的补偿人机互作用力的跟踪控制方法 | |
CN107479381B (zh) | 冗余康复步行训练机器人各轴跟踪误差最优预测控制方法 | |
CN110989589B (zh) | 一种不同训练者质量随机变化的康复步行机器人的跟踪控制方法 | |
CN110597072B (zh) | 机器人导纳柔顺控制方法及系统 | |
CN112506054B (zh) | 基于scn观测主动推力的康复机器人随机有限时间稳定控制 | |
CN107703762B (zh) | 康复步行训练机器人的人机互作用力辨识及控制方法 | |
Wang et al. | ZMP theory-based gait planning and model-free trajectory tracking control of lower limb carrying exoskeleton system | |
CN112433475B (zh) | 基于scn系统偏移量辨识的坐垫机器人限时学习控制方法 | |
Yu et al. | Humanoid control of lower limb exoskeleton robot based on human gait data with sliding mode neural network | |
Ren et al. | Computational models to synthesize human walking | |
Kim et al. | Coordinated three-dimensional motion of the head and torso by dynamic neural networks | |
CN116000917A (zh) | 康复步行机器人的运动轨迹安全触发数据驱动控制方法 | |
CN112571424B (zh) | 基于scn步行力估计的康复机器人各轴速度直接约束控制 | |
CN114888806B (zh) | 欠驱动单腿支撑液压助力外骨骼的鲁棒控制方法及装置 | |
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 | |
Mothish et al. | Stoch BiRo: Design and Control of a Low-Cost Bipedal Robot | |
CN113325720A (zh) | 具有运动速度决策的康复训练机器人自适应跟踪控制方法 | |
CN113359767B (zh) | 机器人结构慢变化的有界轨迹跟踪误差安全驱动控制方法 | |
CN112433474A (zh) | 基于scn内干扰力估计的坐垫机器人安全触发控制方法 | |
CN113359470A (zh) | 康复机器人抑制结构变化的指定暂态时间稳定控制方法 | |
CN114859727A (zh) | 基于速度观测的康复机器人预定学习时间迭代控制方法 | |
CN113419423B (zh) | 一种服务机器人有限时间适应结构变化的跟踪控制方法 | |
CN115793459A (zh) | 人机系统环境数据驱动估计的康复机器人补偿控制方法 |
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 |