CN113478465B - 动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质 - Google Patents

动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质 Download PDF

Info

Publication number
CN113478465B
CN113478465B CN202110833650.4A CN202110833650A CN113478465B CN 113478465 B CN113478465 B CN 113478465B CN 202110833650 A CN202110833650 A CN 202110833650A CN 113478465 B CN113478465 B CN 113478465B
Authority
CN
China
Prior art keywords
exoskeleton robot
fourier series
human body
robot model
power
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
CN202110833650.4A
Other languages
English (en)
Other versions
CN113478465A (zh
Inventor
王念峰
岳凡
张宪民
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110833650.4A priority Critical patent/CN113478465B/zh
Publication of CN113478465A publication Critical patent/CN113478465A/zh
Application granted granted Critical
Publication of CN113478465B publication Critical patent/CN113478465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
    • 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
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质，所述方法包括：建立人体‑动力外骨骼机器人模型；其中，所述人体‑动力外骨骼机器人模型包括动力外骨骼机器人模型；采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；以使人体‑动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。本发明使用傅里叶级数结合优化方法并结合人机模型，可以在较短时间内设计出对人体具有较好的辅助效果控制曲线。

Description

动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质
技术领域
本发明属于可穿戴机器人领域，具体涉及一种动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质。
背景技术
人体外骨骼机器人技术是一种可穿戴式的辅助机械或机电系统，可以增强人体行动能力、减轻负重和辅助运动。
主动外骨骼机器人通常配有能源来源，在步态的合适位置进行辅助或增强，从而实现某些效果。一般来说，有电机驱动和液压驱动等，近年的研究主要以电机为主。不同的动力外骨骼机器人动力单元拥有不同的电机参数和控制策略。因此对于每一个不同的单元存在不同的参数。
动力外骨骼机器人动力单元的动力来自于其电机或其他动力来源，因此其动力学的计算主要与电机的控制有关。在实际的动力外骨骼的控制中，基于步态周期的控制模式较为常用，其本质是一种基于时序控制，控制内部有一套根据步态的周期百分比优化的最优控制输出力曲线(也被称为“模板力”)，根据时间或者外部的其他传感器信号解算的步态周期百分比，使得电机以规定的模板力输出，其反馈控制则用于调整实际输出力曲线尽量贴近模板力曲线。
发明内容
为了解决上述现有技术的不足，本发明提供了一种动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质，其设计出的动力外骨骼机器人输出力曲线，可用于下肢行走、跑步等步态的辅助，使得人体在步态运动时消耗减少。
本发明的第一个目的在于提供一种动力外骨骼机器人输出力曲线的设计方法。
本发明的第二个目的在于提供一种动力外骨骼机器人输出力曲线的设计装置。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种动力外骨骼机器人输出力曲线的设计方法，所述方法包括：
建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人模型；
采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；
以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
进一步的，所述采用傅里叶级数随机生成所述动力外骨骼机器人模型步态周期辅助力，具体为：
傅里叶级数如下所示：
其中，a0，an，bn均为傅里叶级数变量，n为傅里叶阶数，n，k均为大于或等于1的正整数，且k>＝n。
进一步的，所述傅里叶级数变量的范围设置为：
-50≤a0≤50,-50≤an≤50,-50≤bn≤50
其中，n＝1…k。
进一步的，所述建立人体-动力外骨骼机器人模型，具体包括：
所述人体-动力外骨骼机器人模型还包括人体模型；
所述动力外骨骼机器人模型在动力学建模过程中，若控制律为φ(x)，则人体-动力外骨骼机器人模型的动力学计算，如下所示：
nbot,1＝nbot,2＝0
其中，fbot,1、fbot,2为动力外骨骼机器人的作用力，nbot,1、nbot,2为动力外骨骼机器人的作用力矩，p1、p2为机电外骨骼部署的位置坐标。
进一步的，所述以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值，具体包括：
所述人体-动力外骨骼机器人模型的人体机械功的计算方法，如下所示：
其中，W为人体机械功，Mj为第j个关节的力矩，ωj为第j个关节的角速度，k为人体关节总数；
以使人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值。
进一步的，所述优化算法为遗传算法。
进一步的，所述根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果，具体包括：
将所述傅里叶级数变量的值代入傅里叶级数，得到傅里叶曲线；
将所述傅里叶曲线作为动力外骨骼机器人输出力曲线的设计结果。
本发明的第二个目的可以通过采取如下技术方案达到：
一种动力外骨骼机器人输出力曲线的设计装置，所述装置包括：
建立模块，用于建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人模型；
采用模块，用于采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；
寻优模块，用于以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
结果模块，用于根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
本发明的第三个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的设计方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的设计方法。
本发明相对于现有技术具有如下的有益效果：
1、本发明通过傅里叶级数作为输出力曲线描述，使得任意输出力结果符合人体步态周期，同时增加了输出力描述的灵活性，扩展了辅助力的搜索空间。
2、本发明通过人体-动力外骨骼机器人模型输出结果，使得多关节或跨关节辅助的动力外骨骼机器人对于人体各个关节的影响均可以进行计算和考虑。
3、本发明通过人机模型结合优化算法，可以较快寻找到可行的输出力曲线结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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示出的结构获得其他的附图。
图1为本发明实施例1的动力外骨骼机器人输出力曲线的设计方法的流程图。
图2为本发明实施例1的动力外骨骼机器人部署位置示意图。
图3为本发明实施例1的随机傅里叶级数生成输出力曲线及其分解示意图。
图4为本发明实施例1的动力外骨骼机器人输出力曲线设计结果。
图5为本发明实施例2的动力外骨骼机器人输出力曲线的设计装置的结构框图。
图6为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中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的一部分实施例，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作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。应当理解，描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
实施例1：
如图1所示，本实施例提供了一种动力外骨骼机器人输出力曲线的设计方法，包括以下步骤：
S101、建立人体-动力外骨骼机器人模型。
建立人体-动力外骨骼机器人模型，简称人机模型，人体-动力外骨骼机器人模型包括人体模型和动力外骨骼机器人模型。
本实施例中，人机模型中的人体模型和外骨骼机器人模型均做单元化处理，在人机模型计算周期内不做区分。
动力外骨骼机器人模型的具体参数，如表1所示：
表1动力外骨骼机器人模型的参数
根据步态周期的左右对称性，在右大腿镜像位置生成相对应的动力外骨骼机器人，如图2所示。
人机模型人被建立，人体模型为多杆动力学模型，动力外骨骼机器人模型在动力学建模过程中，若其控制律为φ(x),则人机模型的动力学计算为：
nbot,1＝nbot,2＝0
式中，fbot,1、fbot,2为动力外骨骼机器人作用力，nbot,1、nbot,2为动力外骨骼机器人作用力矩，p1、p2为机电外骨骼部署位置坐标。
本实施例中的主动外骨骼机器人，主要结构为线驱动下肢动力外骨骼，其主要将电机布置在人体的合适位置，通过不同的控制策略线驱动进行人体步态某些区域或者整体区域进行辅助。
S102、采用傅里叶级数，随机生成动力外骨骼机器人模型步态周期辅助力。
傅里叶级数描述为：
其中，a0，an，bn均为变量，即为傅里叶级数系数，n为傅里叶阶数，k为傅里叶阶数上限，k为大于等于1的正整数。
考虑到机电外骨骼不能产生反向力输出，同时使得力输出曲线可以产生非使能状态，式中计算曲线只取大于零的部分，如图3所示。
优化过程中傅里叶的阶数需要依照优化的具体情况决定，一般来说，过小或者过大的阶数所得到的优化结果都不会理想，阶数需要在一定的合理范围内。
本实施例中，设置傅里叶阶数为9，ω＝2π，变量范围为：
-50≤a0≤50,-50≤an≤50,-50≤bn≤50
其中，n＝1…k；
变量范围影响最终生成辅助力的大小，一般来说，其数值需要根据电机性能进行限制。
S103、以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值。
以人体机械功最小的目标函数对傅里叶级数变量进行优化算法寻优。
人机模型的人体机械功的计算方法为：
式中，W为人体机械功，Mj为第j个关节的力矩，ωj为第j个关节的角速度，k为人体关节总数。
人体机械功最小为：
min W
人体机械功最小作为目标函数。
本实施例中，优化算法为遗传算法。
在遗传算法寻优过程中，每一个个体适应度计算事实上遵循：
(1)分配傅里叶级数变量：
(2)还原为傅里叶曲线：
(3)带入人机模型计算出适应度(即人体机械功的计算方法)。
遗传算法的过程为：
(1)初始化个体；
(2)计算个体适应度；
(3)选择评价函数即目标函数；
(4)交叉、变异；
(5)产生下一代并计算个体适应度(返回步骤(2))，直到达到遗传算法代数上限。
以使人体机械功最小，对傅里叶级数变量进行优化算法寻优，从而得到傅里叶级数变量的值。
S104、根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
将傅里叶级数变量的值代入傅里叶级数公式，得到傅里叶曲线；傅里叶曲线作为动力外骨骼机器人输出力曲线的设计结果。
一开始最优个体编码仍为傅里叶级数变量。由于后续载入动力外骨骼程序中一般只接受输出力曲线形式，因此结果采用还原后的傅里叶曲线而非傅里叶变量。
将结果中目标函数最优的傅里叶曲线作为动力外骨骼机器人输出力曲线的设计结果。
本实施例中的设计结果见图4，粗实线为设计结果的傅里叶级数展开在步态周期中的辅助力结果，细实线为遗传算法的每一代的历史寻优结果。
最终的寻优个体参数，如表2所示：
表2最终的寻优个体参数
计算结果说明使用该动力外骨骼机器人输出力曲线，理论上可以减少7.81％的人体机械功。
尽管本实施中使用的人机模型为单元化建模方法，但人机模型也可以不使用单元化建模方案，任何可以通过定义人体相关参数和外骨骼动力学，从而可以计算出人体机械功的建模方法，均在本专利的保护范围内。
本领域技术人员可以理解，实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。
应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图5所示，本实施例提供了一种动力外骨骼机器人输出力曲线的设计装置，该装置包括建立模块501、采用模块502、寻优模块503和结果模块504，其中：
建立模块501，用于建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人；
采用模块502，用于采用傅里叶级数随机生成所述动力外骨骼机器人步态周期辅助力；
寻优模块503，用于以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
结果模块504，用于根据傅里叶级数变量的值，得到所述动力外骨骼机器人输出力曲线的设计结果。
本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例3：
本实施例提供了一种计算机设备，该计算机设备可以为计算机，如图6所示，其通过系统总线601连接的处理器602、存储器、输入装置603、显示器604和网络接口605，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质606和内存储器607，该非易失性存储介质606存储有操作系统、计算机程序和数据库，该内存储器607为非易失性存储介质中的操作系统和计算机程序的运行提供环境，处理器602执行存储器存储的计算机程序时，实现上述实施例1的设计方法，如下：
建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人模型；
采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；
以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
实施例4：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例1的设计方法，如下：
建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人模型；
采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；
以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述，本发明建立的人体-动力外骨骼机器人模型，包括人体模型和动力外骨骼机器人，采用傅里叶级数随机生成动力外骨骼机器人模型步态周期辅助力，以人体机械功最小目标函数对傅里叶级数变量进行优化算法寻优，将结果中目标函数最优的傅里叶曲线作为动力外骨骼机器人输出力曲线的设计结果。本发明使用傅里叶级数结合优化方法与人机模型，可以在较短时间内设计出对人体具有较好的辅助效果控制曲线。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

1.一种动力外骨骼机器人输出力曲线的设计方法，其特征在于，所述方法包括：
建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人模型；
采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；
以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
2.根据权利要求1所述的设计方法，其特征在于，所述采用傅里叶级数随机生成所述动力外骨骼机器人模型步态周期辅助力，具体为：
傅里叶级数如下所示：
其中，a0，an，bn均为傅里叶级数变量，n为傅里叶阶数，k为傅里叶阶数上限；n，k均为大于或等于1的正整数。
3.根据权利要求2所述的设计方法，其特征在于，所述傅里叶级数变量的范围设置为：
-50≤a0≤50,-50≤an≤50,-50≤bn≤50
其中，n＝1…k。
4.根据权利要求1所述的设计方法，其特征在于，所述建立人体-动力外骨骼机器人模型，具体包括：
所述人体-动力外骨骼机器人模型还包括人体模型；
所述动力外骨骼机器人模型在动力学建模过程中，若控制律为φ(x)，则人体-动力外骨骼机器人模型的动力学计算，如下所示：
nbot,1＝nbot,2＝0
其中，fbot,1、fbot,2为动力外骨骼机器人的作用力，nbot,1、nbot,2为动力外骨骼机器人的作用力矩，p1、p2为机电外骨骼部署的位置坐标。
5.根据权利要求4所述的设计方法，其特征在于，所述以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值，具体包括：
所述人体-动力外骨骼机器人模型的人体机械功的计算方法，如下所示：
其中，W为人体机械功，Mj为第j个关节的力矩，ωj为第j个关节的角速度，m为人体关节总数；
以使人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值。
6.根据权利要求5所述的设计方法，其特征在于，所述优化算法为遗传算法。
7.根据权利要求1-6任一项所述的设计方法，其特征在于，所述根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果，具体包括：
将所述傅里叶级数变量的值代入傅里叶级数，得到
傅里叶曲线；
将所述傅里叶曲线作为动力外骨骼机器人输出力曲线的设计结果。
8.一种动力外骨骼机器人输出力曲线的设计装置，其特征在于，所述装置包括：
建立模块，用于建立人体-动力外骨骼机器人模型；其中，所述人体-动力外骨骼机器人模型包括动力外骨骼机器人模型；
采用模块，用于采用傅里叶级数，随机生成所述动力外骨骼机器人模型步态周期辅助力；
寻优模块，用于以使人体-动力外骨骼机器人模型的人体机械功最小，对傅里叶级数变量进行优化算法寻优，得到傅里叶级数变量的值；
结果模块，用于根据傅里叶级数变量的值，得到动力外骨骼机器人输出力曲线的设计结果。
9.一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-7任一项所述的设计方法。
10.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的设计方法。
CN202110833650.4A 2021-07-23 2021-07-23 动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质 Active CN113478465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110833650.4A CN113478465B (zh) 2021-07-23 2021-07-23 动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110833650.4A CN113478465B (zh) 2021-07-23 2021-07-23 动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113478465A CN113478465A (zh) 2021-10-08
CN113478465B true CN113478465B (zh) 2023-08-18

Family

ID=77942128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110833650.4A Active CN113478465B (zh) 2021-07-23 2021-07-23 动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN113478465B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118357930B (zh) * 2024-06-18 2024-10-15 之江实验室 拟人运动方法、基于拟人运动模型的拟人运动方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018017436A1 (en) * 2016-07-22 2018-01-25 President And Fellows Of Harvard College Controls optimization for wearable systems
CN108309704A (zh) * 2018-03-05 2018-07-24 中国科学技术大学 一种基于能量优化的下肢外骨骼踝关节装置
CN112370742A (zh) * 2020-10-29 2021-02-19 深圳华鹊景医疗科技有限公司 机械臂的主动拖动方法、装置及上肢康复机器人
CN112675504A (zh) * 2020-12-12 2021-04-20 浙大宁波理工学院 一种穿戴式登山助力机器人及其助力控制方法
CN112720489A (zh) * 2020-12-25 2021-04-30 华南理工大学 可穿戴机器人和人体的单元化联合建模方法、系统及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11034016B2 (en) * 2018-05-11 2021-06-15 Arizona Board Of Regents On Behalf Of Northern Arizona University Exoskeleton device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018017436A1 (en) * 2016-07-22 2018-01-25 President And Fellows Of Harvard College Controls optimization for wearable systems
CN109789543A (zh) * 2016-07-22 2019-05-21 哈佛大学校长及研究员协会 用于可穿戴系统的控制优化
CN108309704A (zh) * 2018-03-05 2018-07-24 中国科学技术大学 一种基于能量优化的下肢外骨骼踝关节装置
CN112370742A (zh) * 2020-10-29 2021-02-19 深圳华鹊景医疗科技有限公司 机械臂的主动拖动方法、装置及上肢康复机器人
CN112675504A (zh) * 2020-12-12 2021-04-20 浙大宁波理工学院 一种穿戴式登山助力机器人及其助力控制方法
CN112720489A (zh) * 2020-12-25 2021-04-30 华南理工大学 可穿戴机器人和人体的单元化联合建模方法、系统及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
适应个体差异的下肢康复机器人步态规划;陈贵亮;周晓晨;刘更谦;;机械设计与制造(第12期);全文 *

Also Published As

Publication number Publication date
CN113478465A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
Huang et al. A stable self-organizing fuzzy controller for robotic motion control
Cheng et al. Contour error reduction for free-form contour following tasks of biaxial motion control systems
Rutkowski et al. Novel online speed profile generation for industrial machine tool based on flexible neuro-fuzzy approximation
Tchon et al. Singular inverse kinematic problem for robotic manipulators: A normal form approach
Barai et al. Optimal two-degree-of-freedom fuzzy control for locomotion control of a hydraulically actuated hexapod robot
KR102275302B1 (ko) 입력 포화를 가지는 불확실한 전기 구동 로봇 시스템에 대해 pso를 이용한 rbfnn 기반 분산 적응 추종 시스템
CN113478465B (zh) 动力外骨骼机器人输出力曲线的设计方法、装置、设备和介质
Castillo et al. Reinforcement learning-based cascade motion policy design for robust 3D bipedal locomotion
Liu et al. Real-time solution of the forward kinematics for a parallel haptic device using a numerical approach based on neural networks
Fazli et al. Real-time implementation of a super twisting control algorithm for an upper limb wearable robot
Ren et al. A novel robust finite-time trajectory control with the high-order sliding mode for human–robot cooperation
Alavandar et al. Adaptive Neuro-Fuzzy Inference System based control of six DOF robot manipulator.
Gholipour et al. Robust control of robotic manipulators in the task-space using an adaptive observer based on Chebyshev polynomials
Mao et al. Precision trajectory tracking on XY motion stage using robust interval type-2 fuzzy PI sliding mode control method
Chen et al. A Maxwell-slip based hysteresis model for nonlinear stiffness compliant actuators
Nagano et al. Simplification of motion generation in the singular configuration of a wheel-legged mobile robot
Selim et al. Variable-time-interval trajectory optimization-based dynamic walking control of bipedal robot
Xu et al. A double-iterative learning and cross-coupling control design for high-precision motion control
Oh et al. Development of simplified statics of robot manipulator and optimized muscle torque distribution based on the statics
Katayama et al. Efficient solution method based on inverse dynamics for optimal control problems of rigid body systems
Liu et al. Systematic optimal design procedures for the Gough-Stewart platform used as motion simulators
Baek et al. A motion phase-based hybrid assistive controller for lower limb exoskeletons
Zhang et al. Fuzzy PID inverse compensation for mechanic systems with input backlash
Jung et al. The operational space formulation on humanoids considering joint stiffness and bandwidth limit
Ogura et al. Interactive biped locomotion based on visual/auditory information

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