CN116138909A - 一种种植牙机器人智能控制方法及系统 - Google Patents

一种种植牙机器人智能控制方法及系统 Download PDF

Info

Publication number
CN116138909A
CN116138909A CN202310442880.7A CN202310442880A CN116138909A CN 116138909 A CN116138909 A CN 116138909A CN 202310442880 A CN202310442880 A CN 202310442880A CN 116138909 A CN116138909 A CN 116138909A
Authority
CN
China
Prior art keywords
vibration
robot
mechanical arm
control
locust
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
Application number
CN202310442880.7A
Other languages
English (en)
Other versions
CN116138909B (zh
Inventor
王刚
李扬
岳术俊
史文超
王利运
陈江平
许奎雪
王露露
孙涛舰
魏章利
史春生
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.)
Beijing Chunlizhengda Medical Instruments Co Ltd
Original Assignee
Beijing Chunlizhengda Medical Instruments Co Ltd
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 Beijing Chunlizhengda Medical Instruments Co Ltd filed Critical Beijing Chunlizhengda Medical Instruments Co Ltd
Priority to CN202310442880.7A priority Critical patent/CN116138909B/zh
Publication of CN116138909A publication Critical patent/CN116138909A/zh
Application granted granted Critical
Publication of CN116138909B publication Critical patent/CN116138909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A61B34/77—Manipulators with motion or force scaling
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C3/00—Dental tools or instruments
    • A61C3/02—Tooth drilling or cutting instruments; Instruments acting like a sandblast machine
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C8/00—Means to be fixed to the jaw-bone for consolidating natural teeth or for fixing dental prostheses thereon; Dental implants; Implanting tools
    • A61C8/0089—Implanting tools or instruments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明公开了一种种植牙机器人智能控制方法及系统，所述方法包括确定当前机器人的机械臂位置和姿态；确定目标位置以及与机械臂末端的距离；机器人的机械臂末端的手术钻头行进至目标位置；控制备窝钻孔运动，基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制；备窝钻孔过程抗振动控制，通过对振动信号的采集处理和分析，确定备窝钻孔过程是否发生异常振动，若是，则调整运动参数抑制振动。本发明基于改进的蝗虫算法进行变参数控制提高了自抗扰控制器的控制精度和抗扰动能力并通过振动检测和神经网络算法实现对异常振动的识别和控制参数调整，从而实现自动抗振动控制。

Description

一种种植牙机器人智能控制方法及系统
技术领域
本发明涉及种植牙机器人技术领域，尤其是一种种植牙机器人智能控制方法及系统。
背景技术
牙齿的缺失影响了咀嚼、发音、容貌以及消化系统等功能,严重降低了患者的生活质量。目前种植牙手术操作主要有自由手,静、动态导航引导三种方式,其中自由手操作主要依赖医生经验,而静、动态导航引导手术仍然需要医生实施手术操作,自动化程度以及手术的灵活性都有提高的空间。随着机器人在各类医疗领域不断发展，种植手术领域也逐渐出现使用机器人进行种植牙的研究。机器人的智能化、高精准度等特点，使其在口腔医学领域的应用具有独特优势。
现有技术中种植牙机器人多采用半自动控制方式，部分种植牙机器人停留在需要医生设定较多的控制参数，在实际种植操作时，多数仅停留在机器人提供位姿信息，医生设计机器人执行动作的状态。
同时，对于一些能够进行自动控制的种植牙机器人，其仅采用较为简单的PID控制方式，备窝钻孔过程对于不同的组织无法进行自适应调节，从而影响患者手术舒适性，并且，在手术过程中，由于厚度再生效应，钻削过程中可能出现剧烈振动的现象，此时通常依靠医生的观察和手动操作进行调整，无法进行自动调整，并且当医生发现该状况产生时通常都已发生较为严重的振动，甚至危及患者安全。
发明内容
为了解决上述技术问题，本发明提供一种种植牙机器人智能控制方法及系统。所述种植牙机器人智能控制方法通过基于改进的蝗虫算法进行变参数控制，对自抗扰控制器参数进行优化整定，从而适应工作环境以及导纳模型参数的变化。进一步的，通过对备窝钻孔过程振动监测进行抗振动控制，实现当有异常振动时的自动参数调整。
为了解决上述存在的技术问题，实现发明目的，本发明是通过以下技术方案实现的：
一种种植牙机器人智能控制方法，包括如下步骤：
S1：获取传感器数据，确定当前机器人的机械臂位置和姿态；
S2：确定目标位置以及与机械臂末端的距离；
S3：机器人的机械臂末端的手术钻头行进至目标位置；具体为控制器基于路径规划方法对机器人的机械臂进行移动，使其手术钻头的轴线与预先设计的种植体窝洞轴线在一条直线上，并且手术钻头距目标钻孔位置一定距离；
S4：控制备窝钻孔运动，具体为基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制，通过实时调整钻削参数来实现控制；
S5：备窝钻孔过程抗振动控制，通过对振动信号的采集处理和分析，确定备窝钻孔过程是否发生异常振动，若是，则调整运动参数抑制振动。
进一步的，所述步骤S4包括：
S41：建立导纳控制模型为：
Figure SMS_1
式中，/>
Figure SMS_2
为机器人的期望惯量，/>
Figure SMS_3
为期望阻尼，/>
Figure SMS_4
为期望刚度，/>
Figure SMS_5
分别为机器人机械臂末端的实际加速度、速度、位置向量，/>
Figure SMS_6
分别为机器人机械臂末端的期望加速度、速度、位置向量，F为实际机器人机械臂末端的接触力，Fd为期望机器人机械臂末端的接触力；
S42：引入自抗扰控制进行补偿；
设计相应的状态观测器：
Figure SMS_7
式中：e为输出误差，/>
Figure SMS_8
均为观测器误差反馈增益，/>
Figure SMS_9
扩张状态观测器的输出，b为输入增益的估计值，u为控制量；
所述
Figure SMS_10
函数值表达式如下：/>
Figure SMS_11
其中，k、p、q为系数；
状态反馈控制器的形式为：
Figure SMS_12
式中：x0为期望值，k1、k2为控制器增益，u0为误差反馈控制量；
S43：基于改进的蝗虫算法进行待确定自抗扰控制器参数寻优和变参数控制。
进一步的，所述步骤S43还包括：
a.初始化参数隶属度函数中心值、宽度值、归一层和输出层之间的权值以及蝗虫种群数量、吸引强度参数、吸引尺寸参数以及最大迭代次数；
b.计算更新目标适应度值以及蝗虫种群位置；
Figure SMS_13
式中：/>
Figure SMS_14
为更新位置；/>
Figure SMS_15
为当前时刻蝗虫群间相互作用力；/>
Figure SMS_16
为当前时刻的重力；/>
Figure SMS_17
为当前时刻的风作用力；
算法可扩展成：
Figure SMS_18
式中：/>
Figure SMS_19
为第i个蝗虫在第d维的上、下界；/>
Figure SMS_20
为蝗虫的目标位置；N为设定的蝗虫种群规模；c为线性减缩因子，其模型可表示为：/>
Figure SMS_21
式中：/>
Figure SMS_22
为c的最大最小值；
Figure SMS_23
为最大迭代次数；t为当前迭代次数；
c.根据如下方式更新蝗虫个体位置，并计算适应度值；
Figure SMS_24
其中，x’为更新位置，x为原位置、/>
Figure SMS_25
服从正态分布，/>
Figure SMS_26
为随机数；
d.初始化模拟退火算法参数值，在得到蝗虫位置解的邻域内根据下式计算出新的解，并计算两个解的适应度值，根据判断条件选择；
Figure SMS_27
式中：xi为当前位置；xi+1为下一时刻位置；ub、lb为在维度下的位置上界和下界；l为迭代次数；
e.评价蝗虫种群，若满足终止条件，则输出最优参数，否则回到步骤b，直到满足终止条件；
f.随工作环境以及导纳模型参数的变化，通过改进的蝗虫算法对待确定自抗扰控制器参数进行改变，从而适应工作环境以及导纳模型参数的变化。
进一步的，步骤S43中的步骤d中所述判断条件为：
Figure SMS_28
式中：E(i)为状态i下的能量；E(j)为状态j下的能量；K为波尔兹曼常数；物体从状态i到状态j，若
Figure SMS_29
，则状态j被接收；否则，若/>
Figure SMS_30
大于[0,1)的随机数，则仍是状态j被接收，若/>
Figure SMS_31
小于[0,1)的随机数，则是状态i被保留住。
进一步的，所述待确定自抗扰控制器参数包括控制器增益k1、k2、b，系统输入增益a1、a2、a3。
进一步的，所述步骤5还包括：
S51：采用振动加速度传感器对振动信号进行检测，将振动加速度传感器设置在机械臂的末端靠近手术钻头的位置，获取振动信号；
S52：调整运动参数抑制振动，所述运动参数包括手术钻头转速、进给速度以及力反馈误差阈值。
进一步的，所述步骤S51还包括：
a.信号预处理，包括采用陷波滤波器滤除噪声；
b.信号重构，对每个频带对应的子信号重构；
c.计算信号能量熵；
对重构得到的子信号进行求取能量之和：
Figure SMS_32
所述/>
Figure SMS_33
为子信号的能量；
振动信号的能量熵为：
Figure SMS_34
d.判断是否发生异常振动
通过将能量熵的值与预设值进行比较，确定是否出现异常振动；所述预设值为与钻头转速以及钻头参数相关的函数当能量熵大于预设值时，则判断发生异常振动，否则为无异常振动。
进一步的，所述步骤S52包括：
a.获取振动信号特征，所述振动信号特征包括时域特征、频域特征以及能量熵；
b.建立神经网络模型，将振动信号特征输入神经网络；
c.根据神经网络的输出调整运动参数。
本发明还提供一种种植牙机器人智能控制系统，其包括：
传感器模块，其用于获取传感器数据，确定当前机器人的机械臂位置和姿态；
目标确定模块，其用于确定目标位置以及与机械臂末端的距离；
机械臂运动控制模块，其用于控制机器人的机械臂末端的手术钻头行进至目标位置；具体为控制器基于路径规划方法对机器人的机械臂进行移动，使其手术钻头的轴线与预先设计的种植体窝洞轴线在一条直线上，并且手术钻头距目标钻孔位置一定距离；
备窝钻孔运动控制模块，其用于基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制，其中包括建立导纳控制模型模块、自抗扰控制补偿模块、改进的蝗虫算法进行变参数控制模块；
备窝钻孔过程抗振动控制模块，其用于进行抗振动控制，其中包括振动检测模块以及运动参数抑制振动调整模块。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有一种种植牙机器人智能控制方法的程序指令，所述一种种植牙机器人智能控制的程序指令可被一个或者多个处理器执行，以实现如上所述的一种种植牙机器人智能控制方法的步骤。
与现有技术相比，本申请的有益效果是：
（1）基于改进的蝗虫算法进行变参数控制提高了自抗扰控制器的控制精度和抗扰动能力。
（2）通过振动检测和神经网络算法实现对异常振动的识别和控制参数调整，从而实现自动抗振动控制，解决了现有技术中异常振动对备窝钻孔精度影响的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种种植牙机器人智能控制方法流程示意图；
图2是根据本申请实施例的变控制参数的自抗扰控制方法流程示意图；
图3是根据本申请实施例的振动控制流程示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
参见图1，一种种植牙机器人智能控制方法包括以下步骤：
S1：获取传感器数据，确定当前机器人的机械臂位置和姿态；
S2：确定目标位置以及与机械臂末端的距离；
S3：机器人的机械臂末端的手术钻头行进至目标位置；具体为控制器基于路径规划方法对机器人的机械臂进行移动，使其手术钻头的轴线与预先设计的种植体窝洞轴线在一条直线上，并且手术钻头距目标钻孔位置一定距离。
在现有技术中，种植牙机器人手术钻头从较远距离移动的目标距离附近时，通常采用手动的方式将种植牙机器人机械臂上带有钻头的一端移动到距离患者较近的位置，进一步采用自动控制的方式将机械臂上带有钻头的一端移动到更精确的位置。采用如上的方式缺点在于需要人工干预，移动效率较低。
S4：控制备窝钻孔运动；
种植牙手术中很重要的一个步骤就是进行种植牙的备窝钻孔，根据预先设计的种植体窝洞轴线在牙槽骨上进行钻孔，以便后续安装种植体。根据之前设计的制作导板以及牙槽骨的骨量，选择适宜的长度的种植体以及相应系列钻，使用牙科种植机快速钻，以大量生理盐水进行冲洗。
在钻孔过程中，钻头在牙槽骨上逐层钻削，其运动可以分解为两个方向的运动，包括绕钻头的旋转运动以及纵向的进给运动。钻削力既不能过小，否则影响钻削的效果和速度，也不能过大，否则容易对患者组织造成伤害。因此，对备窝钻孔控制方法尤为重要。
由于备窝钻孔过程中会逐层穿透硬度不同的组织，包括牙龈、牙槽骨等，钻头在工作过程中要先后经过这些不同的组织层，由于钻头和组织的接触力包含了不同大小和方向的分力，直接对其进行固定的控制难以实现，因此，本发明基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制，通过实时调整钻削参数来控制。
如图2所示，变控制参数的自抗扰控制方法包括如下步骤：
S41：建立导纳控制模型
机器人机械臂与外界环境接触的交互过程可以等效为一个“质量-弹簧-阻尼”模型。其中，Ke为环境刚度，F为机器人机械臂末端的接触力，Xe为参考位置，X为机器人机械臂末端实际位置。将环境看成弹性体，则：
Figure SMS_35
考虑如下的环境目标导纳模型：
Figure SMS_36
式中，/>
Figure SMS_37
机器人的期望惯量，/>
Figure SMS_38
为期望阻尼，/>
Figure SMS_39
为期望刚度，/>
Figure SMS_40
分别为机器人机械臂末端的实际加速度、速度、位置向量，/>
Figure SMS_41
分别为机器人机械臂末端的期望加速度、速度、位置向量，F为实际机器人机械臂末端的接触力，Fd为期望机器人机械臂末端的接触力。
一维导纳控制模型为：
Figure SMS_44
进行拉氏变换得到导纳控制的控制规律：/>
Figure SMS_46
其中，f与fd之间的差值为力误差/>
Figure SMS_48
：/>
Figure SMS_43
位置误差/>
Figure SMS_45
为：/>
Figure SMS_47
导纳控制过程通过安装在机器人机械臂末端的力传感器检测机器人的接触力f，并根据力误差/>
Figure SMS_49
计算位置偏差/>
Figure SMS_42
，然后再根据位置偏差通过位置执行器实时修正预期位置，从而使机械臂手术钻头到达指定位置。
S42：引入自抗扰控制进行补偿
机械臂是一个高阶非线性系统，一般难以获得其准确的数学模型，此外，由于机械臂在运动过程中容易受到外界干扰，参数发生变化，因此，控制器参数的整定效果往往较差。
导纳控制存在稳态力误差，自抗扰控制能够实现不依赖系统模型的无静差控制，因此在导纳控制的基础上引入自抗扰控制来消除力误差。
在原期望力的基础上，通过自抗扰控制器算出新期望力；再根据导纳关系决定末端位置值，发送为位置执行器。图中，
Figure SMS_50
均为状态观测量，/>
Figure SMS_51
原期望力，/>
Figure SMS_52
为新期望力，
Figure SMS_53
为期望位置，/>
Figure SMS_54
为指令位置，b为输入增益的估计值，/>
Figure SMS_55
均为系统输入增益。
设计相应的状态观测器：
Figure SMS_56
式中：e为输出误差，/>
Figure SMS_57
均为观测器误差反馈增益，/>
Figure SMS_58
为扩张状态观测器的输出，b为输入增益的估计值，u为控制量；
所述
Figure SMS_59
函数值表达式如下：/>
Figure SMS_60
其中，k、p、q为系数；
状态反馈控制器的形式为：
Figure SMS_61
式中：x0为期望值，k1、k2为控制器增益，u0为误差反馈控制量。
S43：基于改进的蝗虫算法进行待确定自抗扰控制器参数寻优和变参数控制；
控制系数和修正系数等参数是自抗扰控制器的待整定参数，所述参数很大程度上会影响自抗扰控制器的控制精度和抗扰动能力。
本发明基于改进蝗虫算法确定最优自抗扰控制器参数，具体包括如下步骤：
（1）初始化参数隶属度函数中心值、宽度值、归一层和输出层之间的权值以及蝗虫种群数量、吸引强度参数、吸引尺寸参数以及最大迭代次数。
（2）计算更新目标适应度值以及蝗虫种群位置。
Figure SMS_62
式中：/>
Figure SMS_63
为更新位置；/>
Figure SMS_64
为当前时刻蝗虫群间相互作用力；/>
Figure SMS_65
为当前时刻的重力；/>
Figure SMS_66
为当前时刻的风作用力。
所述
Figure SMS_67
如下所示：/>
Figure SMS_68
式中：/>
Figure SMS_69
为第i个蝗虫和第j个蝗虫距离；/>
Figure SMS_70
为第i个蝗虫位置到第j个蝗虫位置的单位向量。/>
Figure SMS_71
Figure SMS_72
式中：s(r)为蝗虫种群间相互作用力；f为吸引强度参数；l为吸引尺度参数。可选的，选择f=0.5,l=1.5。
根据定义与化简，算法可扩展成：
Figure SMS_73
式中：ubd、lbd为第i个蝗虫在第d维的上、下界；/>
Figure SMS_74
为蝗虫的目标位置；N为设定的蝗虫种群规模；c为线性减缩因子，其模型可表示为：/>
Figure SMS_75
式中：/>
Figure SMS_76
为c的最大最小值；/>
Figure SMS_77
最大迭代次数；t为当前迭代次数；可选的，选取cmin=0，cmax=2。
（3）根据如下方式更新蝗虫个体位置，并计算适应度值。
Figure SMS_78
其中，x’为更新位置，x为原位置、/>
Figure SMS_79
服从正态分布，/>
Figure SMS_80
为随机数,可选的，/>
Figure SMS_81
为(0,2)随机数,r为[-3,3]的随机数。
计算适应度值所采用的目标函数为：
Figure SMS_82
其中，e0为误差值，N为总采样数。
（4）初始化模拟退火算法参数值，在得到蝗虫位置解的邻域内根据下式计算出新的解，并计算两个解的适应度值，根据判断条件选择。
Figure SMS_83
式中：xi为当前位置；xi+1为下一时刻位置；ub、lb为在维度下的位置上界和下界；l为迭代次数。
所述判断条件为：
Figure SMS_84
式中：E(i)为状态i下的能量；E(j)为状态j下的能量；K为波尔兹曼常数；物体从状态i到状态j，若/>
Figure SMS_85
，则状态j被接收；否则，若/>
Figure SMS_86
大于[0,1)的随机数，则仍是状态j被接收，若/>
Figure SMS_87
小于[0,1)的随机数，则是状态i被保留住。
（5）评价蝗虫种群，若满足终止条件，则输出最优参数，否则回到步骤（2），直到满足终止条件。
（6）随工作环境以及导纳模型参数的变化，通过改进的蝗虫算法对自抗扰控制器的控制参数进行改变，从而适应工作环境以及导纳模型参数的变化。
待确定自抗扰控制器参数包括控制器增益k1、k2、b，系统输入增益a1、a2、a3。
S5：备窝钻孔过程抗振动控制
机械臂末端的手术钻头在不同的转速下呈现不同程度的振动，并且由于厚度再生效应，钻削过程中可能出现剧烈振动的现象，而钻削过程对机械臂的振动较为敏感，因此，在备窝钻孔过程中有必要进行抗振动控制，减小机械臂振动带来的钻孔误差。振动控制流程如图3所示：
S51：振动检测
本发明采用振动加速度传感器对振动信号进行检测，可选的，将振动加速度传感器设置在机械臂的末端靠近手术钻头的位置，获取振动信号。
进一步，对采集的振动信号进行处理和分析。
（1）信号预处理
通过采集振动信号可以确定备窝钻孔过程振动发生的发展过程。当剧烈振动发生时，高频振动信号取代旋转频率成为振动信号的主导部分。为避免旋转频率与剧烈振动频率互相淹没，需要对采集的振动信号进行预处理，具体的，采用陷波滤波器滤除噪声。
（2）信号重构
设每个子频带带宽为
Figure SMS_88
，则每个频带对应的子信号重构过程为：/>
Figure SMS_89
其中，n为迭代次数，/>
Figure SMS_90
为执行n次SST的结果，g()为紧支窗函数。
滤波后的信号时频分布可以表示为：
Figure SMS_91
其中，/>
Figure SMS_92
为狄里克雷函数。所述/>
Figure SMS_93
表示为：/>
Figure SMS_94
其中，Int为取整，Re为取复数的实部。/>
Figure SMS_95
其中，s为滤波后的信号，g为紧支窗函数。
（3）计算信号能量熵
对重构得到的子信号进行求取能量之和：
Figure SMS_96
所述/>
Figure SMS_97
为子信号的能量；
振动信号的能量熵为：
Figure SMS_98
（4）判断是否发生异常振动
能量熵可以准确描述信号能量分布变化，当异常振动发生时，能量熵的值会有较大幅度的增长，因此，本发明通过将能量熵的值与预设值进行比较，确定是否出现异常振动。所述预设值为与钻头转速以及钻头参数相关的函数，其表达式如下：
Figure SMS_99
所述k为调节系数，b0为修正系数，w为手术钻头的转速，s为钻头参数相关系数，其大小与钻头材料、尺寸相关，所述参数影响钻头振动。所述调节系数k与修正系数b0根据经验确定。
当
Figure SMS_100
时，则判断发生异常振动，否则为无异常振动。
S52：调整运动参数抑制振动
若检测到手术钻头系统发生异常振动，则需调整运动参数来抑制异常振动，具体方式包括：
（1）获取振动信号特征，所述振动信号特征包括时域特征、频域特征以及能量熵。
（2）建立神经网络模型，将振动信号特征输入神经网络。
（3）根据神经网络的输出调整运动参数，所述运动参数包括手术钻头转速、进给速度以及力反馈误差阈值。
S6：结束备窝，机械臂返回初始状态。
在本实施方式中，通过改进的蝗虫算法进行变参数控制提高了自抗扰控制器的控制精度和抗扰动能力。通过振动检测和神经网络算法实现对异常振动的识别和运动参数调整，从而实现自动抗振动控制。
本发明实施例还提出一种种植牙机器人智能控制系统，包括：
传感器模块，其用于获取传感器数据，确定当前机器人的机械臂位置和姿态；
目标确定模块，其用于确定目标位置以及与机械臂末端的距离；
机械臂运动控制模块，其用于控制机器人的机械臂末端的手术钻头行进至目标位置；具体为控制器基于路径规划方法对机器人的机械臂进行移动，使其手术钻头的轴线与预先设计的种植体窝洞轴线在一条直线上，并且手术钻头距目标钻孔位置一定距离。
备窝钻孔运动控制模块，其用于基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制，其中包括建立导纳控制模型模块、自抗扰控制补偿模块、改进的蝗虫算法进行变参数控制模块。
备窝钻孔过程抗振动控制模块，其用于进行抗振动控制，其中包括振动检测模块以及抑制振动调整模块。
此外，本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有一种种植牙机器人智能控制方法的程序指令，所述一种种植牙机器人智能控制程序指令可被一个或者多个处理器执行，以实现如上所述的一种种植牙机器人智能控制方法的步骤。
以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (10)

1.一种种植牙机器人智能控制方法，其特征在于，包括如下步骤：
S1：获取传感器数据，确定当前机器人的机械臂位置和姿态；
S2：确定目标位置以及与机械臂末端的距离；
S3：机器人的机械臂末端的手术钻头行进至目标位置；具体为控制器基于路径规划方法对机器人的机械臂进行移动，使其手术钻头的轴线与预先设计的种植体窝洞轴线在一条直线上，并且手术钻头距目标钻孔位置一定距离；
S4：控制备窝钻孔运动，具体为基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制，通过实时调整钻削参数来实现控制；
S5：备窝钻孔过程抗振动控制，通过对振动信号的采集处理和分析，确定备窝钻孔过程是否发生异常振动，若是，则调整运动参数抑制振动。
2.根据权利要求1所述的种植牙机器人智能控制方法，其特征在于，所述步骤S4包括：
S41：建立导纳控制模型为：
Figure QLYQS_1
式中，/>
Figure QLYQS_2
为机器人的期望惯量，/>
Figure QLYQS_3
为期望阻尼，/>
Figure QLYQS_4
为期望刚度，/>
Figure QLYQS_5
分别为机器人机械臂末端的实际加速度、速度、位置向量，/>
Figure QLYQS_6
分别为机器人机械臂末端的期望加速度、速度、位置向量，F为实际机器人机械臂末端的接触力，Fd为期望机器人机械臂末端的接触力；
S42：引入自抗扰控制进行补偿；
设计相应的状态观测器：
Figure QLYQS_7
式中：e为输出误差，/>
Figure QLYQS_8
均为观测器误差反馈增益，/>
Figure QLYQS_9
为扩张状态观测器的输出，b为输入增益的估计值，u为控制量；
所述
Figure QLYQS_10
函数值表达式如下：/>
Figure QLYQS_11
其中，k、p、q为系数；
状态反馈控制器的形式为：
Figure QLYQS_12
式中：x0为期望值，k1、k2为控制器增益，u0为误差反馈控制量；
S43：基于改进的蝗虫算法进行待确定自抗扰控制器参数寻优和变参数控制。
3.根据权利要求2所述的种植牙机器人智能控制方法，其特征在于，所述步骤S43还包括：
a.初始化参数隶属度函数中心值、宽度值、归一层和输出层之间的权值以及蝗虫种群数量、吸引强度参数、吸引尺寸参数以及最大迭代次数；
b.计算更新目标适应度值以及蝗虫种群位置；
Figure QLYQS_13
式中：
Figure QLYQS_14
为更新位置；/>
Figure QLYQS_15
为当前时刻蝗虫群间相互作用力；/>
Figure QLYQS_16
为当前时刻的重力；/>
Figure QLYQS_17
为当前时刻的风作用力；
算法可扩展成：
Figure QLYQS_18
式中：/>
Figure QLYQS_19
为第i个蝗虫在第d维的上、下界；/>
Figure QLYQS_20
为蝗虫的目标位置；N为设定的蝗虫种群规模；c为线性减缩因子，其模型可表示为：/>
Figure QLYQS_21
式中：/>
Figure QLYQS_22
为c的最大最小值；/>
Figure QLYQS_23
为最大迭代次数；t为当前迭代次数；
c.根据如下方式更新蝗虫个体位置，并计算适应度值；
Figure QLYQS_24
其中，x’为更新位置，x为原位置、/>
Figure QLYQS_25
服从正态分布，/>
Figure QLYQS_26
为随机数；
d.初始化模拟退火算法参数值，在得到蝗虫位置解的邻域内根据下式计算出新的解，并计算两个解的适应度值，根据判断条件选择；
Figure QLYQS_27
式中：xi为当前位置；xi+1为下一时刻位置；ub、lb为在维度下的位置上界和下界；1为迭代次数；
e.评价蝗虫种群，若满足终止条件，则输出最优参数，否则回到步骤b，直到满足终止条件；
f.随工作环境以及导纳模型参数的变化，通过改进的蝗虫算法对待确定自抗扰控制器参数进行改变，从而适应工作环境以及导纳模型参数的变化。
4.根据权利要求3所述的种植牙机器人智能控制方法，其特征在于，步骤S43中的步骤d中所述判断条件为：
Figure QLYQS_28
式中：E(i)为状态i下的能量；E(j)为状态j下的能量；K为波尔兹曼常数；物体从状态i到状态j，若/>
Figure QLYQS_29
，则状态j被接收；否则，若/>
Figure QLYQS_30
大于[0,1)的随机数，则仍是状态j被接收，若/>
Figure QLYQS_31
小于[0,1)的随机数，则是状态i被保留住。
5.根据权利要求2所述的种植牙机器人智能控制方法，其特征在于，所述待确定自抗扰控制器参数包括控制器增益k1、k2、b，系统输入增益a1、a2、a3。
6.根据权利要求1所述的种植牙机器人智能控制方法，其特征在于，所述步骤5还包括：
S51：采用振动加速度传感器对振动信号进行检测，将振动加速度传感器设置在机械臂的末端靠近手术钻头的位置，获取振动信号；
S52：调整运动参数抑制振动，所述运动参数包括手术钻头转速、进给速度以及力反馈误差阈值。
7.根据权利要求1所述的种植牙机器人智能控制方法，其特征在于，所述步骤S51还包括：
a.信号预处理，包括采用陷波滤波器滤除噪声；
b.信号重构，对每个频带对应的子信号重构；
c.计算信号能量熵；
对重构得到的子信号进行求取能量之和：
Figure QLYQS_32
所述/>
Figure QLYQS_33
为子信号的能量；
振动信号的能量熵为：
Figure QLYQS_34
d.判断是否发生异常振动
通过将能量熵的值与预设值进行比较，确定是否出现异常振动；所述预设值为与钻头转速以及钻头参数相关的函数当能量熵大于预设值时，则判断发生异常振动，否则为无异常振动。
8.根据权利要求1所述的种植牙机器人智能控制方法，其特征在于，所述步骤S52包括：
a.获取振动信号特征，所述振动信号特征包括时域特征、频域特征以及能量熵；
b.建立神经网络模型，将振动信号特征输入神经网络；
c.根据神经网络的输出调整运动参数。
9.一种种植牙机器人智能控制系统，其特征在于，包括：
传感器模块，其用于获取传感器数据，确定当前机器人的机械臂位置和姿态；
目标确定模块，其用于确定目标位置以及与机械臂末端的距离；
机械臂运动控制模块，其用于控制机器人的机械臂末端的手术钻头行进至目标位置；具体为控制器基于路径规划方法对机器人的机械臂进行移动，使其手术钻头的轴线与预先设计的种植体窝洞轴线在一条直线上，并且手术钻头距目标钻孔位置一定距离；
备窝钻孔运动控制模块，其用于基于变控制参数的自抗扰控制方法对备窝钻孔过程进行控制，其中包括建立导纳控制模型模块、自抗扰控制补偿模块、改进的蝗虫算法进行变参数控制模块；
备窝钻孔过程抗振动控制模块，其用于进行抗振动控制，其中包括振动检测模块以及运动参数抑制振动调整模块。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有一种种植牙机器人智能控制方法的程序指令，所述一种种植牙机器人智能控制的程序指令可被一个或多个处理器执行，以实现如权利要求1至8之一所述的一种种植牙机器人智能控制方法的步骤。
CN202310442880.7A 2023-04-24 2023-04-24 一种种植牙机器人智能控制方法及系统 Active CN116138909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310442880.7A CN116138909B (zh) 2023-04-24 2023-04-24 一种种植牙机器人智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310442880.7A CN116138909B (zh) 2023-04-24 2023-04-24 一种种植牙机器人智能控制方法及系统

Publications (2)

Publication Number Publication Date
CN116138909A true CN116138909A (zh) 2023-05-23
CN116138909B CN116138909B (zh) 2023-10-27

Family

ID=86358596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310442880.7A Active CN116138909B (zh) 2023-04-24 2023-04-24 一种种植牙机器人智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN116138909B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116968036A (zh) * 2023-09-20 2023-10-31 廊坊市珍圭谷科技有限公司 一种用于精密设备制造的机械手臂控制装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10137955A1 (de) * 2001-08-07 2003-02-27 Deutsch Zentr Luft & Raumfahrt Verfahren zur Bewegungskommandierung eines Serviceroboters
CN109171965A (zh) * 2018-09-27 2019-01-11 上海电气集团股份有限公司 基于虚拟夹具的机器人的控制方法及系统
CN110605721A (zh) * 2019-10-24 2019-12-24 苏州艾利特机器人有限公司 一种基于末端六维力传感器的机械臂拖动示教方法
CN112720476A (zh) * 2020-12-22 2021-04-30 北京天智航医疗科技股份有限公司 机械臂控制方法、装置、介质及电子设备
CN113021359A (zh) * 2021-05-27 2021-06-25 深圳市越疆科技有限公司 机械臂控制方法、装置、设备、系统、存储介质及机械臂
CN113787524A (zh) * 2021-11-18 2021-12-14 极限人工智能有限公司 一种机械臂的控制方法、装置、手术机器人及存储介质
CN113995629A (zh) * 2021-11-03 2022-02-01 中国科学技术大学先进技术研究院 基于镜像力场的上肢双臂康复机器人导纳控制方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10137955A1 (de) * 2001-08-07 2003-02-27 Deutsch Zentr Luft & Raumfahrt Verfahren zur Bewegungskommandierung eines Serviceroboters
CN109171965A (zh) * 2018-09-27 2019-01-11 上海电气集团股份有限公司 基于虚拟夹具的机器人的控制方法及系统
CN110605721A (zh) * 2019-10-24 2019-12-24 苏州艾利特机器人有限公司 一种基于末端六维力传感器的机械臂拖动示教方法
CN112720476A (zh) * 2020-12-22 2021-04-30 北京天智航医疗科技股份有限公司 机械臂控制方法、装置、介质及电子设备
CN113021359A (zh) * 2021-05-27 2021-06-25 深圳市越疆科技有限公司 机械臂控制方法、装置、设备、系统、存储介质及机械臂
CN113995629A (zh) * 2021-11-03 2022-02-01 中国科学技术大学先进技术研究院 基于镜像力场的上肢双臂康复机器人导纳控制方法及系统
CN113787524A (zh) * 2021-11-18 2021-12-14 极限人工智能有限公司 一种机械臂的控制方法、装置、手术机器人及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116968036A (zh) * 2023-09-20 2023-10-31 廊坊市珍圭谷科技有限公司 一种用于精密设备制造的机械手臂控制装置
CN116968036B (zh) * 2023-09-20 2024-04-05 廊坊市珍圭谷科技有限公司 一种用于精密设备制造的机械手臂控制装置

Also Published As

Publication number Publication date
CN116138909B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN116138909B (zh) 一种种植牙机器人智能控制方法及系统
EP1908389A1 (en) Medical controller
CN113977602B (zh) 一种力反馈末端夹持器导纳控制方法
JP2014507195A (ja) 自動利得制御式動的適合呼吸補償
CN111856942B (zh) 一种远程介入手术控制系统的时滞与误差的改进方法
WO2023045425A1 (zh) 一种透析中低血压事件风险的评估方法和系统
CN115177860A (zh) 性能调整方法及装置
CN110875703A (zh) 机器学习装置、控制系统以及机器学习方法
Buzurovic et al. A novel approach to an automated needle insertion in brachytherapy procedures
CN113456213B (zh) 一种基于人工智能的射频消融参数优化和信息合成方法及系统
JP2007029290A (ja) 医療用制御装置
Govind et al. Design of a novel PID controller for cardiac pacemaker
CN112515923B (zh) 下肢外骨骼步态规划方法及计算机可读存储介质、设备
CN116931435B (zh) 一种肉苁蓉加工干燥用自动调控系统及方法
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
CN113907880A (zh) 介入装置的定位设备、方法及计算机设备、可读存储介质
JP7079899B2 (ja) ロボットジョイント制御
JP6866940B1 (ja) 自動操縦ロボットの制御装置及び制御方法
CN116472003A (zh) 非对称柔性装置的张力控制
CN114502081A (zh) 用于在存在异常传感器信号的情况下控制柔性设备的方法和系统
JP2021114968A (ja) 温室内環境推定方法、温室内環境推定装置及びコンピュータプログラム
CN111584061A (zh) 基于无模型自适应算法的多爪针自动穿刺控制装置及控制方法
JP7079881B2 (ja) ロボットジョイント制御
CN111789749B (zh) 视力矫正仪的控制方法、视力矫正仪和计算机存储介质
CN113069208B (zh) 手术导航方法、装置、电子设备及存储介质

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