CN114967451A - 机器人控制方法、装置、存储介质及设备 - Google Patents
机器人控制方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN114967451A CN114967451A CN202210571437.5A CN202210571437A CN114967451A CN 114967451 A CN114967451 A CN 114967451A CN 202210571437 A CN202210571437 A CN 202210571437A CN 114967451 A CN114967451 A CN 114967451A
- Authority
- CN
- China
- Prior art keywords
- motion data
- target
- preset
- robot
- torque
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013016 damping Methods 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 17
- 238000012549 training Methods 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 11
- 239000012636 effector Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人控制方法、装置、存储介质及设备。其中，该方法包括：获取目标机器人的预设控制参数，以及初始运动数据，预设控制参数至少包括：被动速度、预设阻力、预设助力，初始运动数据至少包括：当前运动数据和历史运动数据；基于预设阻力和被动速度计算得到惯性参数，并根据历史运动数据和当前运动数据修正惯性参数确定惯性系数；对预设控制参数和惯性系数进行计算处理，得到目标运动数据，目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制目标机器人根据目标速度结合阻尼力矩或助力力矩进行运动。本发明解决了现有技术中机器人控制方法中部分参数不可控、机器人控制不稳定的技术问题。
Description
技术领域
本发明涉及智能控制技术领域，具体而言，涉及一种机器人控制方法、装置、存储介质及设备。
背景技术
随着科学技术的不断发展，在医疗器械技术领域研发了许多康复机器人，用于帮助患者进行康复训练。但是，现有的康复机器人末端效应器的主动模式会伴随着一系列的副作用，例如：末端效应器停顿位置不稳定，加速度/减速度恒定，以及阻力大小不可控。
现有的康复机器人无法建立适合康复训练场景的运动控制策略，无法贴合患者的肢体的运动意图，在患者需要助力时提供灵活安全的助力。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种机器人控制方法、装置、存储介质及设备，以至少解决现有技术中机器人控制方法中部分参数不可控、机器人控制不稳定的技术问题。
根据本发明实施例的一个方面，提供了一种机器人控制方法，包括：获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
可选的，上述对上述预设控制参数、上述历史运动数据和上述当前运动数据进行计算处理，得到目标运动数据，包括：对上述当前运动数据和上述历史运动数据做乘法运算，得到变向运动数据；基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据。
可选的，上述基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据，包括以下至少之一：若上述变向运动数据大于零，则基于上述预设控制参数和上述当前运动数据的计算结果确定上述目标运动数据；若上述变向运动数据小于零，则将上述目标机器人的被动速度置为零。
可选的，上述根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数，包括：获取上述历史运动数据中的历史力矩和上述当前运动数据中的输入力矩；根据预设比例系数算法对上述历史力矩和上述输入力矩进行计算处理，得到缩放比例系数；基于上述缩放比例系数和上述惯性参数，确定上述惯性系数。
可选的，对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，包括：计算上述预设助力与上述当前运动数据中的输入力之和，得到输入合力；基于上述输入合力与上述预设阻力的大小关系，确定上述目标速度；基于上述目标速度与预设速度阈值的大小关系，确定上述阻尼力矩和/或上述助力力矩；将上述目标速度以及上述阻尼力矩和/或上述助力力矩作为上述目标运动数据。
可选的，上述基于上述目标速度与预设速度阈值的大小关系，确定上述阻尼力矩和/或上述助力力矩，还包括：判断上述目标速度是否大于上述预设速度阈值；若上述目标速度大于上述预设速度阈值，则控制上述目标机器人生成上述阻尼力矩；若上述目标速度小于上述预设速度阈值，则控制上述目标机器人生成上述助力力矩。
根据本发明实施例的另一方面，还提供了一种机器人控制系统，包括：处理器，用于对预设控制参数和初始运动数据进行计算处理，得到目标运动数据；目标机器人，与上述处理器连接，用于接收上述目标运动数据，并根据上述目标运动数据进行运动；上述目标机器人还包括：编码器，用于获取并上传上述初始运动数据，其中，上述初始运动数据至少包括：当前运动数据和历史运动数据。
根据本发明实施例的另一方面，还提供了一种机器人控制装置，包括：获取模块，用于获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；第一计算模块，用于基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；第二计算模块，用于对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制模块，用于控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的机器人控制方法。
根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述的机器人控制方法。
根据本发明实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的机器人控制方法。
在本发明实施例中，通过获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动，达到了根据预设控制参数和运动数据计算辅助患者运动的目标运动数据的目的，从而实现了基于目标运动数据控制机器人准确运动的技术效果，进而解决了现有技术中机器人控制方法中部分参数不可控、机器人控制不稳定的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的机器人控制方法流程图；
图2是根据本发明实施例的一种可选的目标机器人控制参数设置流程图；
图3是根据本发明实施例的一种可选的康复机器人控制流程结构示意图；
图4是根据本发明实施例的一种可选的变向控制结构示意图；
图5是根据本发明实施例的一种可选的阻尼力矩生成模型结构示意图；
图6是根据本发明实施例的一种可选的助力力矩生成模型结构示意图；
图7是根据本发明实施例的一种可选的基于位置/速度导纳的变量控制模型的结构示意图；
图8是根据本发明实施例的另一种可选的基于位置/速度导纳的变量控制模型的结构示意图；
图9是根据本发明实施例的一种机器人控制系统的结构示意图；
图10是根据本发明实施例的一种机器人控制装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种机器人控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的机器人控制方法流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；
步骤S104，基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；
步骤S106，对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；
步骤S108，控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
在本发明实施例中，上述步骤S102至S108中提供的机器人控制方法的执行主体为机器人的控制系统，操作人员可以在控制系统中预先设置目标机器人的控制参数，机器人在向目标位置进行运动前，首先获取上述预设控制参数、历史运动数据和当前运动数据；并对上述多项数据进行解耦、计算等处理，得到目标运动数据；完成计算后，控制系统将目标运动数据对应的运动量发送给上述目标机器人，上述目标机器人再根据运动量向目标位置进行运动。
需要说明的是，如图2所示的目标机器人控制参数设置流程图，用户在设置界面对上述目标机器人的被动速度、目标阻力、加速度、减速度、输入力的缩放比例、速度上限、速度阻尼、加速度时间、减速度时间等多项参数进行一一设置；在设置过程中，上述系统会根据已设置的参数自动计算惯性参数等计算得到的参数设置。此外，上述设置的步骤需严格按照预设顺序及规则进行设置。
可选的，依照图2中的步骤顺序设置速度导纳控制的各项参数，设计者可以将变量分离，分别设置助动模式中的被动速度、阻力、加速度曲线、减速度曲线以及速度上限，由此导纳控制变量可由上到下分别改变设置，根据上述步骤设置参数能够有效将变量分离，解耦效果更好。
在本发明实施例中，设置的被动速度采用Vauto表示，目标阻力采用Fimp表示，通过减速度ad设置导纳惯性参数M＝Fimp/ad；通过单位力加速度ad设置输入力缩放比S＝ad/((Finput-Fimp)/(Fimp/ad))，通常情况下S<1；设置速度相关的阻尼系数采用D表示，其中，阻力Fv＝-v*D；D＝k*v或D＝k，即上述阻尼系数为常数或线性变化；根据用户需求和安全需求可设置速度上限Vlim以及刚度K。
还需要说明的是，上述历史运动数据包括以下至少之一：历史速度、历史位置、历史运动方向等运动数据；上述当前运动数据包括以下至少之一：当前速度、当前位置、当前运动方向等运动数据。
作为一种可选的实施例，以医疗康复器械领域的康复机器人为例，如图3所示的康复机器人控制流程结构示意图，控制系统首先读取预设导纳模型参数值，即上述预设控制参数，再由当前位置目标开始，结合安装在末端效应器上的力矩传感器的反馈信息，通过位置/速度导纳控制推导出下一时刻位置/速度目标。
需要说明的是，图3所示的电机控制器的类型不做具体限定，暂以比例-积分-微分(Proportion Integration Differentiation,PID)控制器为例，可通过对控制器发送电机控制信号来对电机进行控制。除此之外，电机的比例以及积分参数可依据实际的动力学环境进行设置。上述机器人类型也不作具体限定，除康复机器人外，其他类型机器人也可以采用上述控制方法进行控制。
可选的，在上述康复机器人主动或者被动参与到患者康复训练中时，还可以建立起对应训练的虚拟场景，同时建立起适当的康复训练场景的运动控制策略，以尽量贴合患者的肢体的运动意图，或在患者需要助力时提供灵活安全的助力。
通过本发明实施例，通过对机器人导纳控制中的惯性、阻尼、刚度以及抗阻的有序设置以及传感器反馈的运动信息，来实现对电机速度的控制，从而实现对用户运动意图的跟随，并可根据训练场景从近似零力矩开始动态调整阻力大小，从而实现建立更贴近患者康复目标的训练场景；此外，在用户无法完成当前训练点轨迹时，通过时间累积的分量，在导纳控制中添加一定的助力的外力，或者改变其他的导纳参数，从而使用户稳定到达目标点。达到了根据预设控制参数和运动数据计算辅助患者运动的目标运动数据的目的，从而实现了基于目标运动数据控制机器人准确运动的技术效果，进而解决了现有技术中机器人控制方法中部分参数不可控、机器人控制不稳定的技术问题。
在一种可选的实施例中，上述对上述预设控制参数、上述历史运动数据和上述当前运动数据进行计算处理，得到目标运动数据，包括：对上述当前运动数据和上述历史运动数据做乘法运算，得到变向运动数据；基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据。
在本发明实施例中，在计算目标运动数据之前，首先计算目标机器人的变向运动数据，上述变向运动数据用于确定用户及目标机器人的运动方向是否发生改变，以及时防止不必要的抖动，实现机器人的准确控制。
可选的，通过计算历史运动数据和上述当前运动数据的积，得到变向运动数据，若历史运动数据中的运动方向和当前运动数据中的运动方向不一致，则速度数据的符号不为同号，得到的乘积为负数，进而可以判断目标机器人的运动方向发生了改变；若历史运动数据中的运动方向和当前运动数据中的运动方向一致，则速度数据的符号为同号，得到的乘积为正数，进而可以判断目标机器人的运动方向发生了改变。
在一种可选的实施例中，上述基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据，包括：判断上述变向运动数据是否大于零；若上述变向运动数据大于零，则基于上述预设控制参数和上述当前运动数据的计算结果确定上述目标运动数据；若上述变向运动数据小于零，则将上述目标机器人的被动速度置为零。
作为一种可选的实施例，如图4所示的变向控制结构示意图，在时域系统内，当作用与用户肢体的终端效应器的目标速度与上一周期运动速度的符号相异时，将其运动速度置0，维持计数器内时间，通常将其设置成20ms以内，用以将终端效应器在过零阶段的能量有效的衰减，以防止不必要的抖动；当作用与用户肢体的终端效应器的目标速度与上一周期运动速度的符号相同时，则基于上述预设控制参数和上述当前运动数据的计算结果确定上述目标运动数据，并基于上述目标运动数据控制目标机器人运动。
需要说明的是，计算得到变向运动数据后，变相控制器及时将计算结果反馈给控制系统，控制系统基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据。
在本发明实施例中，在用户无法完成当前训练点轨迹时，通过时间累积的分量，在导纳控制中添加一定的助力的外力，或者改变其他的导纳参数，从而使用户稳定到达目标点。在计算助力前首先计算上述当前运动数据中输入力与预设助力之和，得到输入合力；并根据输入合力与预设参数中阻力的大小关系，判断是否需要由运动机器人提供助力或阻力，阻尼力矩和助力力矩生成流程如图和图6所示。
在一种可选的实施例中，对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，包括：计算上述预设助力与上述当前运动数据中的输入力之和，得到输入合力；基于上述输入合力与上述预设阻力的大小关系，确定上述目标速度；基于上述目标速度与预设速度阈值的大小关系，确定上述阻尼力矩和/或上述助力力矩；将上述目标速度以及上述阻尼力矩和/或上述助力力矩作为上述目标运动数据。
在本发明实施例中，如图7所示的一种基于位置/速度导纳的变量控制模型的结构示意图，以速度导纳控制为例，在阻力确定的情况之下，单位加速度只由导纳控制中的惯性参数决定，图7为用户输入力Finput与设定助力Fa之和大于阻力Fimp的情况，且用户输入力Finput与设定助力Fa与阻力Fimp方向相反，即：
abs(Finput+Fa)>abs(Fimp)且sgn(Finput+Fa)＝-sgn(Fimp)；
最终输出的目标速度可以根据预设参数计算为：
其中，Vtarget_1为上一周期的目标速度。
可选的，将上述最终输出的目标速度Vtarget作为上述目标运动数据，并根据上述目标速度控制机器人进行运动。
在本发明实施例中，如图8所示的另一种基于位置/速度导纳的变量控制模型的结构示意图，以速度导纳控制为例，基于对加速减速的解耦为目标，将减速度的设定为在阻抗力Fimp值确定的情况下，单位加速度只由导纳控制中的惯性参数决定，从而解决了导纳控制带来的加减速不可控的副作用。图8为用户输入力Finput与设定助力Fa之和小于阻力Fimp的情况；或用户输入力Finput与设定助力Fa之和大于阻力Fimp，但向反方向用力(与阻力Fimp方向相同)的情况，即：
abs(Finput+Fa)<abs(Fimp)；
或abs(Finput+Fa)>abs(Fimp)且sgn(Finput+Fa)＝sgn(Fimp)；
最终输出的目标速度可以根据预设参数计算为：
其中，Vtarget_1为上一周期的目标速度。
可选的，将上述最终输出的目标速度Vtarget作为上述目标运动数据，并根据上述目标速度控制机器人进行运动。
在一种可选的实施例中，上述对上述预设控制参数、上述历史运动数据和上述当前运动数据进行计算处理，得到目标运动数据，包括：获取上述历史运动数据中的历史力矩和上述当前运动数据中的输入力矩；根据预设比例系数算法对上述历史力矩和上述输入力矩进行计算处理，得到缩放比例系数；基于上述缩放比例系数和上述惯性参数，确定上述惯性系数。
可选的，如图7以及图8所示，出于对机器人终端效应器急停的需求，即当用户在相对高速移动的情况下切换到停止的状态，预设惯性系数可以由当前的传感器反馈力矩与上一次反馈的力矩生成，具体公式为：若abs(F'-F)＞Fα且abs(F')＞abs(F)，则α＝abs(F-F')/Fβ，否则α＝1；上述惯性系数M(F,F')＝α*M其中，F'为上一次反馈力矩，Fa为阈值力矩，Fβ为最大设定力矩，α为缩放比例系数。
可惜的，出于对安全的考虑，当用户突然施加一个相对较大的力矩，则惯性系数会相应地上升，具体公式为：若abs(F-F')＞Fα且abs(F)＞abs(F')，则β＝Fβ/a b(s-F'，否则β＝1；上述惯性系数M(F,F')＝β*M其中Fa为阈值力矩，Fβ为最大设定力矩，β为缩放比例系数。
作为一种可选的实施例，可以从实际需求出发，通过对位置/速度导纳逐层设置参数的形式将阻力、加速度、减速度和阻尼进行解耦，使得训练模型更加贴近用户需求。本申请实施例中控制参数设定方法能够对机器人的位置/速度导纳控制参数进行有效的约束以及优化。
在一种可选的实施例中，上述基于上述目标运动数据控制上述目标机器人进行运动，还包括：判断上述目标速度是否大于上述预设速度阈值；若上述目标速度大于上述预设速度阈值，则控制上述目标机器人生成上述阻尼力矩；若上述目标速度小于上述预设速度阈值，则控制上述目标机器人生成上述助力力矩。
在本发明实施例中，在确定用户需要在导纳控制中添加一定的助力的外力或者改变其他的导纳参数后，以需要添加一定的外力为例，通过上述输入合力与预设控制参数中阻力的大小关系，确定上述目标机器人的运动方式为阻力运动或助力运动，并根据历史运动数据和当前运动数据计算惯性系数，基于上述运动方式和上述惯性系数确定目标运动数据。
需要说明的是，上述目标机器人的运动方式可以通过上述速度信息是否大于预设速度阈值进行判断，若上述速度信息大于上述预设速度阈值，则确定用户行动较为轻松，可以通过目标机器人生成阻尼力矩帮助用户进行康复训练；若上述速度信息小于上述预设速度阈值，则确定用户行动较为困难，可以通过目标机器人生成助力力矩帮助用户进行康复训练。
作为一种可选的实施例，如图5所示的阻尼力矩生成模型结构示意图，阻尼生成模型D可以为(1)比例函数、(2)二次函数、(3)逻辑函数，分别可以表示为：
(1)Fv＝-D·(v-vs)
(2)Fv＝-D·(v-vs)2
(3)
作为一种可选的实施例，如图6所示的助力力矩生成模型结构示意图，当目标速度小于设定阈值Va并持续时间超过设定时间ta，则给予病患辅助力力矩帮助完成训练。助力生成模型A可以为(1)比例函数、(2)二次函数、(3)逻辑函数，分别可以表示为：
(1)Fa＝-A·(v-va)
(2)Fa＝-A·(v-va)2
(3)
可选的，通过用户评定来确定控制的整体预设参数。并在在训练过程中，康复机器人的末端效应器可以持续跟随病患的肢体运动；当效应器的速度持续低于速度阈值，则通过助力生成模型生成辅助力矩；当效应器的持续大于速度阈值，则通过阻尼力矩生成模型生成阻尼力矩。
通过上述步骤，可以实现对导纳控制中的惯性模型的改进，可以防止危险的急加速的产生，也可以在急停运动中跟随肢体，在变向的过程通过变向控制器中也可以保持住稳定性。在医学技术领域，应用于康复机器人上的输出力能够被细微地控制，进一步的可以在训练过程中对患者的肢体施加必要的助力以及阻尼，由此帮助患者适应训练。
实施例2
根据本发明实施例，还提供了一种用于实施上述机器人控制方法的系统实施例，图9是根据本发明实施例的一种机器人控制系统的结构示意图，如图9所示，上述系统包括：处理器90、目标机器人92和编码器94，其中：
处理器90，用于对预设控制参数和初始运动数据进行计算处理，得到目标运动数据；
目标机器人92，与上述处理器连接，用于接收上述目标运动数据，并根据上述目标运动数据进行运动；
上述目标机器人还包括：编码器94，用于获取并上传上述初始运动数据，其中，上述初始运动数据至少包括：当前运动数据和历史运动数据。
此处需要说明的是，上述处理器90、目标机器人92和编码器94对应于实施例1中的步骤S102至步骤S108，上述系统与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
需要说明的是，本实施例的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
实施例3
根据本发明实施例，还提供了一种用于实施上述机器人控制方法的装置实施例，图10是根据本发明实施例的一种机器人控制装置的结构示意图，如图10所示，上述装置包括：获取模块100、第一计算模块102、第二计算模块104和控制模块106，其中：
获取模块100，用于获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；
第一计算模块102，用于基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；
第二计算模块104，用于对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；
控制模块106，用于控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
此处需要说明的是，上述获取模块100、第一计算模块102、第二计算模块104和控制模块106对应于实施例1中的步骤S102至步骤S108，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
需要说明的是，本实施例的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
根据本发明的实施例，还提供了一种计算机可读存储介质的实施例。可选的，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例1所提供的机器人控制方法所执行的程序代码。
可选的，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选的，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：对上述当前运动数据和上述历史运动数据做乘法运算，得到变向运动数据；基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据。
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：若上述变向运动数据大于零，则基于上述预设控制参数和上述当前运动数据的计算结果确定上述目标运动数据；若上述变向运动数据小于零，则将上述目标机器人的被动速度置为零。
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：获取上述历史运动数据中的历史力矩和上述当前运动数据中的输入力矩；根据预设比例系数算法对上述历史力矩和上述输入力矩进行计算处理，得到缩放比例系数；基于上述缩放比例系数和上述惯性参数，确定上述惯性系数。
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：计算上述预设助力与上述当前运动数据中的输入力之和，得到输入合力；基于上述输入合力与上述预设阻力的大小关系，确定上述目标速度；基于上述目标速度与预设速度阈值的大小关系，确定上述阻尼力矩和/或上述助力力矩；将上述目标速度以及上述阻尼力矩和/或上述助力力矩作为上述目标运动数据。
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：判断上述目标速度是否大于上述预设速度阈值；若上述目标速度大于上述预设速度阈值，则控制上述目标机器人生成上述阻尼力矩；若上述目标速度小于上述预设速度阈值，则控制上述目标机器人生成上述助力力矩。
根据本发明的实施例，还提供了一种处理器的实施例。可选的，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例1所提供的机器人控制方法所执行的程序代码。
可选地，在程序运行时控制处理器所在设备执行以下功能：对上述当前运动数据和上述历史运动数据做乘法运算，得到变向运动数据；基于上述变向运动数据、上述预设控制参数和当前运动数据确定上述目标运动数据。
可选地，在程序运行时控制处理器所在设备执行以下功能：若上述变向运动数据大于零，则基于上述预设控制参数和上述当前运动数据的计算结果确定上述目标运动数据；若上述变向运动数据小于零，则将上述目标机器人的被动速度置为零。
可选地，在程序运行时控制处理器所在设备执行以下功能：获取上述历史运动数据中的历史力矩和上述当前运动数据中的输入力矩；根据预设比例系数算法对上述历史力矩和上述输入力矩进行计算处理，得到缩放比例系数；基于上述缩放比例系数和上述惯性参数，确定上述惯性系数。
可选地，在程序运行时控制处理器所在设备执行以下功能：计算上述预设助力与上述当前运动数据中的输入力之和，得到输入合力；基于上述输入合力与上述预设阻力的大小关系，确定上述目标速度；基于上述目标速度与预设速度阈值的大小关系，确定上述阻尼力矩和/或上述助力力矩；将上述目标速度以及上述阻尼力矩和/或上述助力力矩作为上述目标运动数据。
可选地，在程序运行时控制处理器所在设备执行以下功能：判断上述目标速度是否大于上述预设速度阈值；若上述目标速度大于上述预设速度阈值，则控制上述目标机器人生成上述阻尼力矩；若上述目标速度小于上述预设速度阈值，则控制上述目标机器人生成上述助力力矩。
本申请实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标机器人的预设控制参数，以及初始运动数据，其中，上述预设控制参数按照预设顺序进行设置，上述预设控制参数至少包括：被动速度、预设阻力、预设助力，上述初始运动数据至少包括：当前运动数据和历史运动数据；基于上述预设阻力和上述被动速度计算得到惯性参数，并根据上述历史运动数据和上述当前运动数据修正上述惯性参数确定惯性系数；对上述预设控制参数和上述惯性系数进行计算处理，得到目标运动数据，其中，上述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；控制上述目标机器人根据上述目标速度结合上述阻尼力矩或上述助力力矩进行运动。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种机器人控制方法，其特征在于，包括：
获取目标机器人的预设控制参数，以及初始运动数据，其中，所述预设控制参数按照预设顺序进行设置，所述预设控制参数至少包括：被动速度、预设阻力、预设助力，所述初始运动数据至少包括：当前运动数据和历史运动数据；
基于所述预设阻力和所述被动速度计算得到惯性参数，并根据所述历史运动数据和所述当前运动数据修正所述惯性参数确定惯性系数；
对所述预设控制参数和所述惯性系数进行计算处理，得到目标运动数据，其中，所述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；
控制所述目标机器人根据所述目标速度结合所述阻尼力矩或所述助力力矩进行运动。
2.根据权利要求1所述的方法，其特征在于，所述对所述预设控制参数、所述历史运动数据和所述当前运动数据进行计算处理，得到目标运动数据，包括：
对所述当前运动数据和所述历史运动数据做乘法运算，得到变向运动数据；
基于所述变向运动数据、所述预设控制参数和当前运动数据确定所述目标运动数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述变向运动数据、所述预设控制参数和当前运动数据确定所述目标运动数据，包括以下至少之一：
若所述变向运动数据大于零，则基于所述预设控制参数和所述当前运动数据的计算结果确定所述目标运动数据；
若所述变向运动数据小于零，则将所述目标机器人的被动速度置为零。
4.根据权利要求1所述的方法，其特征在于，所述根据所述历史运动数据和所述当前运动数据修正所述惯性参数确定惯性系数，包括：
获取所述历史运动数据中的历史力矩和所述当前运动数据中的输入力矩；
根据预设比例系数算法对所述历史力矩和所述输入力矩进行计算处理，得到缩放比例系数；
基于所述缩放比例系数和所述惯性参数，确定所述惯性系数。
5.根据权利要求1所述的方法，其特征在于，对所述预设控制参数和所述惯性系数进行计算处理，得到目标运动数据，包括：
计算所述预设助力与所述当前运动数据中的输入力之和，得到输入合力；
基于所述输入合力与所述预设阻力的大小关系，确定所述目标速度；
基于所述目标速度与预设速度阈值的大小关系，确定所述阻尼力矩和/或所述助力力矩；
将所述目标速度以及所述阻尼力矩和/或所述助力力矩作为所述目标运动数据。
6.根据权利要求5所述的方法，其特征在于，所述基于所述目标速度与预设速度阈值的大小关系，确定所述阻尼力矩和/或所述助力力矩，还包括：
判断所述目标速度是否大于所述预设速度阈值；
若所述目标速度大于所述预设速度阈值，则控制所述目标机器人生成所述阻尼力矩；
若所述目标速度小于所述预设速度阈值，则控制所述目标机器人生成所述助力力矩。
7.一种机器人控制系统，其特征在于，包括：
处理器，用于对预设控制参数和初始运动数据进行计算处理，得到目标运动数据；
目标机器人，与所述处理器连接，用于接收所述目标运动数据，并根据所述目标运动数据进行运动；
所述目标机器人还包括：编码器，用于获取并上传所述初始运动数据，其中，所述初始运动数据至少包括：当前运动数据和历史运动数据。
8.一种机器人控制装置，其特征在于，包括：
获取模块，用于获取目标机器人的预设控制参数，以及初始运动数据，其中，所述预设控制参数按照预设顺序进行设置，所述预设控制参数至少包括：被动速度、预设阻力、预设助力，所述初始运动数据至少包括：当前运动数据和历史运动数据；
第一计算模块，用于基于所述预设阻力和所述被动速度计算得到惯性参数，并根据所述历史运动数据和所述当前运动数据修正所述惯性参数确定惯性系数；
第二计算模块，用于对所述预设控制参数和所述惯性系数进行计算处理，得到目标运动数据，其中，所述目标运动数据至少包括以下之一：目标速度、阻尼力矩和/或助力力矩；
控制模块，用于控制所述目标机器人根据所述目标速度结合所述阻尼力矩或所述助力力矩进行运动。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至6中任意一项所述的机器人控制方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行权利要求1至6中任意一项所述的机器人控制方法。
11.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任意一项所述的机器人控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210571437.5A CN114967451A (zh) | 2022-05-24 | 2022-05-24 | 机器人控制方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210571437.5A CN114967451A (zh) | 2022-05-24 | 2022-05-24 | 机器人控制方法、装置、存储介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114967451A true CN114967451A (zh) | 2022-08-30 |
Family
ID=82955541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210571437.5A Pending CN114967451A (zh) | 2022-05-24 | 2022-05-24 | 机器人控制方法、装置、存储介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114967451A (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130173059A1 (en) * | 2012-01-02 | 2013-07-04 | Hyundai Motor Company | Method and system for controlling driving of wearable robot |
| US20160067061A1 (en) * | 2014-08-15 | 2016-03-10 | Honda Motor Co., Ltd | Integral admittance shaping for an exoskeleton control design framework |
| US20160158601A1 (en) * | 2014-12-04 | 2016-06-09 | Korea Polytechnic University Industry Academic Cooperation Foundation | Human muscular strength amplification robot driven by intention of user and driving method thereof |
| KR20170008637A (ko) * | 2015-07-14 | 2017-01-24 | 현대자동차주식회사 | 착용식 로봇의 구동 제어 방법 및 시스템 |
| CN109662866A (zh) * | 2019-02-01 | 2019-04-23 | 中山大学 | 一种基于表现的自适应康复机器人控制方法 |
| CN109910005A (zh) * | 2019-03-04 | 2019-06-21 | 上海电气集团股份有限公司 | 用于机器人的变导纳控制方法以及系统 |
| US20200306952A1 (en) * | 2019-04-01 | 2020-10-01 | Bionik, Inc. | System, Method and/or Computer Readable Medium for Controlling an Exoskeleton |
| CN112207823A (zh) * | 2020-09-22 | 2021-01-12 | 北京石油化工学院 | 一种康复机器人等速运动控制方法及系统 |
| CN112263440A (zh) * | 2020-11-17 | 2021-01-26 | 南京工程学院 | 一种柔性下肢外骨骼与助行器共融康复助力方法及装置 |
| CN112621714A (zh) * | 2020-12-02 | 2021-04-09 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 基于lstm神经网络的上肢外骨骼机器人控制方法及装置 |
| CN113305843A (zh) * | 2021-05-28 | 2021-08-27 | 深圳亿嘉和科技研发有限公司 | 一种机械臂零力控制方法 |
| CN113370185A (zh) * | 2021-06-24 | 2021-09-10 | 上海中研久戈科技有限公司 | 一种助力外骨骼的识别控制系统以及识别控制方法 |
| CN113568313A (zh) * | 2021-09-24 | 2021-10-29 | 南京航空航天大学 | 基于操作意图识别的变导纳辅助大部件装配方法及系统 |
| CN113843801A (zh) * | 2021-10-18 | 2021-12-28 | 上海节卡机器人科技有限公司 | 复合机器人的控制方法、装置及系统 |
| CN113858201A (zh) * | 2021-09-29 | 2021-12-31 | 清华大学 | 意图驱动的自适应阻抗控制方法、系统、设备、存储介质及机器人 |
| US20220009095A1 (en) * | 2020-07-08 | 2022-01-13 | Ubtech Robotics Corp Ltd | Impedance control method, and controller and robot using the same |
| CN113925746A (zh) * | 2021-10-28 | 2022-01-14 | 南京市梦栖梧科技有限公司 | 一种基于脑机接口的外骨骼机器人控制方法及控制装置 |
| CN114191791A (zh) * | 2021-11-12 | 2022-03-18 | 深圳华鹊景医疗科技有限公司 | 康复机器人主动控制方法、装置及康复机器人 |
| CN114406983A (zh) * | 2021-12-06 | 2022-04-29 | 中国科学院深圳先进技术研究院 | 下肢外骨骼机器人的自适应导纳控制方法及相关装置 |
| CN114454166A (zh) * | 2022-02-11 | 2022-05-10 | 苏州艾利特机器人有限公司 | 一种机械臂阻抗控制方法及装置 |
-
2022
- 2022-05-24 CN CN202210571437.5A patent/CN114967451A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130173059A1 (en) * | 2012-01-02 | 2013-07-04 | Hyundai Motor Company | Method and system for controlling driving of wearable robot |
| US20160067061A1 (en) * | 2014-08-15 | 2016-03-10 | Honda Motor Co., Ltd | Integral admittance shaping for an exoskeleton control design framework |
| US20160158601A1 (en) * | 2014-12-04 | 2016-06-09 | Korea Polytechnic University Industry Academic Cooperation Foundation | Human muscular strength amplification robot driven by intention of user and driving method thereof |
| KR20170008637A (ko) * | 2015-07-14 | 2017-01-24 | 현대자동차주식회사 | 착용식 로봇의 구동 제어 방법 및 시스템 |
| CN109662866A (zh) * | 2019-02-01 | 2019-04-23 | 中山大学 | 一种基于表现的自适应康复机器人控制方法 |
| CN109910005A (zh) * | 2019-03-04 | 2019-06-21 | 上海电气集团股份有限公司 | 用于机器人的变导纳控制方法以及系统 |
| US20200306952A1 (en) * | 2019-04-01 | 2020-10-01 | Bionik, Inc. | System, Method and/or Computer Readable Medium for Controlling an Exoskeleton |
| US20220009095A1 (en) * | 2020-07-08 | 2022-01-13 | Ubtech Robotics Corp Ltd | Impedance control method, and controller and robot using the same |
| CN112207823A (zh) * | 2020-09-22 | 2021-01-12 | 北京石油化工学院 | 一种康复机器人等速运动控制方法及系统 |
| CN112263440A (zh) * | 2020-11-17 | 2021-01-26 | 南京工程学院 | 一种柔性下肢外骨骼与助行器共融康复助力方法及装置 |
| CN112621714A (zh) * | 2020-12-02 | 2021-04-09 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 基于lstm神经网络的上肢外骨骼机器人控制方法及装置 |
| CN113305843A (zh) * | 2021-05-28 | 2021-08-27 | 深圳亿嘉和科技研发有限公司 | 一种机械臂零力控制方法 |
| CN113370185A (zh) * | 2021-06-24 | 2021-09-10 | 上海中研久戈科技有限公司 | 一种助力外骨骼的识别控制系统以及识别控制方法 |
| CN113568313A (zh) * | 2021-09-24 | 2021-10-29 | 南京航空航天大学 | 基于操作意图识别的变导纳辅助大部件装配方法及系统 |
| CN113858201A (zh) * | 2021-09-29 | 2021-12-31 | 清华大学 | 意图驱动的自适应阻抗控制方法、系统、设备、存储介质及机器人 |
| CN113843801A (zh) * | 2021-10-18 | 2021-12-28 | 上海节卡机器人科技有限公司 | 复合机器人的控制方法、装置及系统 |
| CN113925746A (zh) * | 2021-10-28 | 2022-01-14 | 南京市梦栖梧科技有限公司 | 一种基于脑机接口的外骨骼机器人控制方法及控制装置 |
| CN114191791A (zh) * | 2021-11-12 | 2022-03-18 | 深圳华鹊景医疗科技有限公司 | 康复机器人主动控制方法、装置及康复机器人 |
| CN114406983A (zh) * | 2021-12-06 | 2022-04-29 | 中国科学院深圳先进技术研究院 | 下肢外骨骼机器人的自适应导纳控制方法及相关装置 |
| CN114454166A (zh) * | 2022-02-11 | 2022-05-10 | 苏州艾利特机器人有限公司 | 一种机械臂阻抗控制方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| 刘干: "二自由度下肢外骨骼模型辨识与导纳控制研究", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2022, 15 January 2022 (2022-01-15), pages 52 - 62 * |
| 刘干: "二自由度下肢外骨骼模型辨识与导纳控制研究", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2022, 15 January 2022 (2022-01-15), pages 60 - 70 * |
| 王中禹: "面向上肢康复的智能主被动训练控制方法研究", 中国优秀硕士学位论文全文数据库 医药卫生科技辑, vol. 2022, 15 April 2022 (2022-04-15) * |
| 陈思成: "膝关节康复机器人控制策略研究", 中国优秀硕士学位论文全文数据库 医药卫生科技辑, vol. 2022, 15 March 2022 (2022-03-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111872941B (zh) | 平衡控制方法、装置、仿人机器人及可读存储介质 | |
| Sanger | Neural network learning control of robot manipulators using gradually increasing task difficulty | |
| CN110597072B (zh) | 机器人导纳柔顺控制方法及系统 | |
| CN113858201B (zh) | 用于柔性驱动机器人的自适应变阻抗控制方法、系统与设备 | |
| CN117215204B (zh) | 基于强化学习的机器人步态训练方法及系统 | |
| Su et al. | Hybrid adaptive/robust motion control of rigid-link electrically-driven robot manipulators | |
| 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 | |
| Rone et al. | Controller design, analysis, and experimental validation of a robotic serpentine tail to maneuver and stabilize a quadrupedal robot | |
| Wang et al. | ZMP theory-based gait planning and model-free trajectory tracking control of lower limb carrying exoskeleton system | |
| Selim et al. | Variable-time-interval trajectory optimization-based dynamic walking control of bipedal robot | |
| CN114967451A (zh) | 机器人控制方法、装置、存储介质及设备 | |
| CN112757299A (zh) | 质心轨迹的获取方法、装置、机器人及存储介质 | |
| Bauer et al. | Telerehabilitation with exoskeletons using adaptive robust integral RBF-neural-network impedance control under variable time delays | |
| Takeda et al. | Dance partner robot cooperative motion generation with adjustable length of dance step stride based on physical interaction | |
| Sun et al. | The design of the DC servo motor controller based on fuzzy immune PID algorithm | |
| Yasrebi et al. | Passive wave variable control of haptic interaction with an unknown virtual environment | |
| CN112632803A (zh) | 跟踪控制方法和装置、电子设备及存储介质 | |
| Alawad et al. | Active disturbance rejection control with decoupling case for a lower limb exoskeleton of swing leg | |
| CN118832573A (zh) | 一种安全物理人机交互控制方法、终端及介质 | |
| CN118092146B (zh) | 一种膝关节牵引器的自适应牵引力控制方法 | |
| CN117961878A (zh) | 外骨骼机器人控制方法、装置、存储介质和电子设备 | |
| CN118534768A (zh) | 一种康复训练自适应阻抗控制方法和系统 | |
| CN116277034B (zh) | 应对负载变化的机器人控制方法、装置及电子设备 | |
| CN110647035B (zh) | 一种膝关节外骨骼角度的无模型自适应反演控制方法 | |
| CN109634406B (zh) | 一种仿生两手指运动控制方法、装置及设备 |
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 |