CN116671941A - 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 - Google Patents
一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 Download PDFInfo
- Publication number
- CN116671941A CN116671941A CN202310646916.3A CN202310646916A CN116671941A CN 116671941 A CN116671941 A CN 116671941A CN 202310646916 A CN202310646916 A CN 202310646916A CN 116671941 A CN116671941 A CN 116671941A
- Authority
- CN
- China
- Prior art keywords
- impedance
- user
- moment
- joint
- parameters
- 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 53
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 210000003414 extremity Anatomy 0.000 claims abstract description 28
- 230000002787 reinforcement Effects 0.000 claims abstract description 20
- 230000008878 coupling Effects 0.000 claims abstract description 9
- 238000010168 coupling process Methods 0.000 claims abstract description 9
- 238000005859 coupling reaction Methods 0.000 claims abstract description 9
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 13
- 230000005021 gait Effects 0.000 claims description 13
- 230000001771 impaired effect Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 210000003205 muscle Anatomy 0.000 abstract 2
- 230000009133 cooperative interaction Effects 0.000 abstract 1
- 210000000629 knee joint Anatomy 0.000 description 7
- 230000003183 myoelectrical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 239000004677 Nylon Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920001778 nylon Polymers 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010033892 Paraplegia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H2003/005—Appliances for aiding patients or disabled persons to walk about with knee, leg or stump rests
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H2003/007—Appliances for aiding patients or disabled persons to walk about secured to the patient, e.g. with belts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/12—Driving means
- A61H2201/1207—Driving means with electric or magnetic drive
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Pain & Pain Management (AREA)
- Epidemiology (AREA)
- Power Engineering (AREA)
- Prostheses (AREA)
Abstract
本发明提供了一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法，包括：镜像算法、最优控制算法、阻抗控制算法、强化学习算法；通过镜像算法根据偏瘫用户患侧肢体和健侧肢体的肌肉力矩调节外骨骼系统的辅助力矩；通过阻抗控制算法根据用户运动轨迹建立阻抗模型，揭示人机耦合系统的关节交互力矩和运动轨迹的数学关系；通过最优控制算法以最大限度地减少外骨骼系统的运动轨迹跟踪误差和用户肌肉力为目的建立数学模型；通过强化学习算法在机器人与人体动力学模型参数有限的条件下优化阻抗模型参数，实现最佳的助力行走效果。
Description
技术领域
本发明涉及外骨骼套装技术领域，特别涉及一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法。
背景技术
有研究表明，对于偏瘫、截瘫等下肢运动功能障碍患者，及早介入康复治疗将极大提升后续的康复效果，患者通过康复训练后往往能够自主完成步行、爬坡等运动，但往往需要助力助行设备提供辅助支撑，下肢外骨骼机器人是一类能够使助力助行定量化、长效化、规范化的新型辅助设备，它可提供有效的下肢运动功能辅助，促进患者受损神经功能重塑，量化评估康复过程并反馈康复进度。相比较传统助力助行设备，下肢外骨骼机器人助力助行具有可长时间辅助、力度灵活可控、控制精度高等特点，可促使助力助行面向不同下肢运动功能障碍人群的外骨骼主动控制，提升安全性、患者参与性与依从性。然而，由于柔性下肢外骨骼所使用的柔性材料具有较大的不确定性以及强非线性，以及助力过程中人体性能的变化，人机耦合动力学难以建模，阻抗模型的参数信息不明确，不能保证准确的控制和有效的辅助，因此，柔性外骨骼机器人的控制是一个很大的挑战。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法，以实现精确的轨迹跟踪，保证康复训练的准确性和有效性。
所述方法应用于柔性下肢外骨骼机器人，所述控制方法包括镜像自适应阻抗控制方法，所述镜像自适应阻抗控制方法包括：镜像方法、阻抗控制算法、最优控制算法和积分强化学习算法；所述镜像方法根据用户受损肢体和健康肢体的生理参数调节柔性下肢外骨骼系统的输出力矩；所述阻抗控制算法根据用户在特定步态下的运动轨迹建立关节力矩和关节角度的数学模型；所述最优控制算法以最大限度地减少外骨骼系统的运动轨迹跟踪误差，降低用户的主动力矩；所述积分强化学习算法在模型参数有限的条件下优化规定的外骨骼阻抗参数。
所述镜像方法包括：建立人-机耦合动力学模型，公式为：
其中，q是用户的关节角度，是用户的关节角速度，/>是用户的关节角加速度，M(q)为惯性矩阵，/>为离心力和科里奥利力方程，G(q)为重力转矩，τs为柔性材料和摩擦力等因素产生的扭矩，τa是外骨骼系统的辅助力矩，τh是用户关节的主动力矩。
所述镜像方法根据如下公式调节柔性下肢外骨骼系统的输出力矩：
τ1＝τHL-τIL
其中，τHL是通过健康肢体产生的肌电信号得到的关节力矩，τIL是通过受损肢体产生的肌电信号得到的关节力矩，τ1是柔性下肢外骨骼系统需要补偿的关节力矩。
所述关节力矩和关节角度的数学模型的公式为：
其中，分别是期望的惯性、阻尼和刚度；qm表示阻抗模型输出轨迹的角度，/>是阻抗模型输出轨迹的角速度，/>是阻抗模型输出轨迹的角加速度，基于阻抗模型的建立，机器人的动力学模型计算公式写为：：
是与期望轨迹相关的辅助输入，计算公式为：
其中，中间参数中间参数/>中间参数/>中间参数/>是由期望轨迹的位于与期望轨迹的速度组成的矩阵，/>表示对/>求导，qd表示期望轨迹的位置，/>为期望轨迹的速度，In×n表示n维的单位矩阵，T表示矩阵转置，u为外骨骼系统的控制输入，/>是由阻抗模型输出轨迹的位置与输出轨迹的角速度组成的矩阵，由前馈控制输入ue和反馈控制输入ud组成，控制输入的计算公式为：
其中，中间参数ed为期望轨迹与阻抗模型输出轨迹之间的误差，计算公式为：
ed＝qd-qm
人体下肢阻抗模型用公式线性表示为：
其中，Kd，Kp和Ke均为人体阻抗模型中的未知参数，表示用户的关节力矩的一阶导数。
所述最优控制算法通过引入性能指数J以最大限度地减少外骨骼系统的运动轨迹跟踪误差，降低用户的主动力矩，所述性能指数J的计算公式为：
其中，表示输入矩阵XTQX和控制矩阵/>在自时刻t开始至训练结束的积分，dτ表示关于时间的微分，τ表示时间系数，中间参数X＝/>Q与R表示最优控制的惩罚矩阵，T表示矩阵的转置；
通过最小化能量函数以优化阻抗参数，计算公式为：
其中，K为优化后的阻抗参数，K＝[Kq M]，P表示最优控制算法中代数黎卡提方程的解，所述黎卡提方程的公式为：
0＝ATP+PA-PBR-1BTP+Q
其中，中间参数中间参数/>In×n表示n维的单位矩阵，中间参数/>中间参数/>中间参数/>优化后，最优前馈控制输入的计算公式为：
ue＝-R-1BTPX
利用积分强化学习贝尔曼方程，通过策略迭代对所述黎卡提方程进行求解，所述贝尔曼方程的计算公式为：
其中，X(t)表示中间参数在时刻t的函数，Δt表示迭代周期，eτ表示干扰噪声。
所述积分强化学习算法通过策略改进为每个步态周期更新控制输入：
ue i+1＝-R-1BTPiX
所述积分强化学习算法的目标是重复更新迭代阻抗模型中未知参数Kd，Kp和Ke，直到惩罚函数收敛，得到最优参数，最终，控制器的输出方程表示为：
τa＝τ1+Kvr
其中，τ1表示性下肢外骨骼系统需要补偿的关节力矩，Kv为控制系数，r为滑模误差，公式为：
e＝qm-q
∈＝∫0 te(τ)dτ
其中，e表示期望阻抗模型的轨迹输出角度qm与实际关节角度q的误差，表示期望阻抗模型的轨迹输出角度qm与实际关节角度q的误差变化率，∈表示从0到t时刻的累计误差，δ1和δ2为常数。
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法。
与现有技术相比，本发明建议如下有益效果：
一、该控制方法综合考虑了用户受损肢体和健康肢体的生理参数，针对用户完成特定步态调节外骨骼系统的输出力矩，与传统控制方法相比，所述方法围绕按需辅助原则，避免用户因不合适的辅助输出而摔倒受伤。
二、柔性外骨骼系统人机耦合模型的建立比较困难，所述阻抗控制建立的数学模型可以在不了解人机模型信息的条件下，根据用户状态进行优化，并实现精确的轨迹跟踪。
三、所述控制方法适用于任意期望轨迹，不同肢体障碍程度用户或不同难度助行任务均可使用该控制方法，均可达到良好的轨迹跟踪与减轻用户负担效果。
四、所述最优控制算法通过积分强化学习获得能量函数的最优解，基于用户穿戴外骨骼反复行走训练采集数据，高效探索柔性机器人的最佳辅助策略。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明方法的示意框图。
图2是柔性外骨骼机器人系统示意图。
具体实施方式
本发明提供了一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法，包括镜像自适应阻抗控制方法，所述镜像自适应阻抗控制方法包括：镜像方法、阻抗控制算法、最优控制算法和积分强化学习算法；所述镜像方法根据用户受损肢体和健康肢体的生理参数调节柔性下肢外骨骼系统的输出力矩；所述阻抗控制算法根据用户在特定步态下的运动轨迹建立关节力矩和关节角度的数学模型；所述最优控制算法以最大限度地减少外骨骼系统的运动轨迹跟踪误差，降低用户的主动力矩；所述积分强化学习算法在模型参数有限的条件下优化规定的外骨骼阻抗参数。
所述镜像方法包括：建立人-机耦合动力学模型，公式为：
其中，q是用户的关节角度，是用户的关节角速度，/>是用户的关节角加速度，M(q)为惯性矩阵，/>为离心力和科里奥利力方程，G(q)为重力转矩，τs为柔性材料和摩擦力等因素产生的扭矩，τa是外骨骼系统的辅助力矩，τh是用户关节的主动力矩。
所述镜像方法根据如下公式调节柔性下肢外骨骼系统的输出力矩：
τ1＝τHL-τIL
其中，τHL是通过健康肢体产生的肌电信号得到的关节力矩，τIL是通过受损肢体产生的肌电信号得到的关节力矩，τ1是柔性下肢外骨骼系统需要补偿的关节力矩。
所述关节力矩和关节角度的数学模型的公式为：
其中，分别是期望的惯性、阻尼和刚度；qm表示阻抗模型输出轨迹的角度，/>是阻抗模型输出轨迹的角速度，/>是阻抗模型输出轨迹的角加速度，计算公式为：
是与期望轨迹相关的辅助输入，计算公式为：
其中，中间参数中间参数/>中间参数/>中间参数/>是由期望轨迹的位于与期望轨迹的速度组成的矩阵，/>表示对/>求导，qd表示期望轨迹的位置，/>为期望轨迹的速度，In×n表示n维的单位矩阵，T表示矩阵转置，u为外骨骼系统的控制输入，/>是由阻抗模型输出轨迹的位置与输出轨迹的角速度组成的矩阵，由前馈控制输入ue和反馈控制输入ud组成，控制输入的计算公式为：
其中，中间参数ed为期望轨迹与阻抗模型输出轨迹之间的误差，计算公式为：
ed＝qd-qm
人体下肢阻抗模型用公式线性表示为：
其中，Kd，Kp和Ke均为人体阻抗模型中的未知参数，表示用户的关节力矩的一阶导数。
所述最优控制算法通过引入性能指数J以最大限度地减少外骨骼系统的运动轨迹跟踪误差，降低用户的主动力矩，所述性能指数J的计算公式为：
其中，表示输入矩阵XTQX和控制矩阵/>在自时刻t开始至训练结束的积分，dτ表示关于时间的微分，τ表示时间系数，中间参数/> Q与R表示最优控制的惩罚矩阵，T表示矩阵的转置；
通过最小化能量函数以优化阻抗参数，计算公式为：
其中，K为优化后的阻抗参数，K＝[Kq M]，P表示最优控制算法中代数黎卡提方程的解，所述黎卡提方程的公式为：
0＝ATP+PA-PBR-1BTP+Q
其中，中间参数中间参数/>In×n表示n维的单位矩阵，中间参数/>中间参数/>中间参数/>优化后，最优前馈控制输入的计算公式为：
ue＝-R-1BTPX
利用积分强化学习贝尔曼方程，通过策略迭代对所述黎卡提方程进行求解，所述贝尔曼方程的计算公式为：
其中，X(t)表示中间参数在时刻t的函数，Δt表示迭代周期，eτ表示干扰噪声。
所述积分强化学习算法通过策略改进为每个步态周期更新控制输入：
ue i+1＝-R-1BTPiX
所述积分强化学习算法的目标是重复更新迭代阻抗模型中未知参数Kd，Kp和Ke，直到惩罚函数收敛，得到最优参数，最终，控制器的输出方程表示为：
τa＝τ1+Kvr
其中，τ1表示性下肢外骨骼系统需要补偿的关节力矩，Kv为控制系数，r为滑模误差，公式为：
e＝qm-q
∈＝∫0 re(τ)dτ
其中，e表示期望阻抗模型的轨迹输出角度qm与实际关节角度q的误差，表示期望阻抗模型的轨迹输出角度qm与实际关节角度q的误差变化率，∈表示从0到t时刻的累计误差，δ1和δ2为常数。
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法。
实施例
如图1所示，本实施例公开了一种用于柔性下肢外骨骼的控制方法，具体实施方式如下：针对膝关节辅助的柔性外骨骼机器人系统展开实施例(本实施例中，所述柔性外骨骼机器人系统的具体内容可以参考专利名称“一种用于柔性下肢外骨骼的变刚度扭绳驱动装置”、公开号：ZL202220690601.X的发明专利申请的内容，以及论文“A Variable StiffnessExosuit for Walking Assistance”，论文doi：10.1088/1742-6596/2402/1/012033)，如图2所示，该系统由尼龙绑带，柔性外骨骼，扭绳，伺服电机，鲍登线缆等部件组成。系统通过姿态传感器与肌电传感器(图2中未标出)采集用户的关节角度和肌电信号，反馈给控制器，控制器通过所述柔性下肢外骨骼的控制方法，计算相应辅助力矩。由伺服电机产生对应辅助力矩，通过扭绳与鲍登线缆将力矩作用在用户膝关节上，以辅助用户完成步态训练。考虑到柔性外骨骼机器人和用户肢体之间存在紧密物理交互，建立人-机耦合动力学模型，其公式为：
其中，q是用户的膝关节角度，M(q)为惯性矩阵，为离心力和科里奥利力方程，G(q)为重力转矩，τs为尼龙绑带和摩擦力等因素产生的扭矩，τa是外骨骼系统的驱动力矩，τh是用户膝关节的主动力矩。
柔性外骨骼穿戴于用户的受损肢体，通过肌电传感器采集用户受损肢体和健康肢体的生理信号，经过滤波去噪、整流计算后得到相应的关节力。对于偏瘫患者，健康肢体的肌电图状态可作为激励受损肢体的参照，进行镜像训练。健康肢体完成步态训练，受损肢体需要在外骨骼的帮助下完成相同的运动，因此，按照下述公式按需辅助调节外骨骼系统的输出力矩：
τ1＝τHL-τIL
其中，τHL是通过健康肢体产生的肌电信号得到的膝关节力矩，τIL是通过受损肢体产生的肌电信号得到的膝关节力矩，τ1是下肢柔性外骨骼机器人需要补充的关节力矩。
优选的，由于外骨骼本身柔性结构和人机系统的紧密耦合，难以确定人机动力学耦合模型，动力学模型中许多参数无法明确，因此，通过阻抗控制将外骨骼动力学模型转换为参数确定的机器人阻抗模型，公式为：
所述公式中，分别是期望的惯性、阻尼和刚度；qm，/>是阻抗模型的输出角度，角速度，角加速度，其计算公式为：
是与期望轨迹相关的辅助输入，其计算公式为：
其中，qd为期望轨迹，In×n表示n维的单位矩阵，u为外骨骼系统的控制输入，由前馈控制输入ue和反馈控制输入ud组成，控制输入的计算公式为：
其中，ed为期望轨迹与阻抗模型输出轨迹之间的误差，其计算公式为：
ed＝qd-qm
至此，通过阻抗模型建立完成特定步态时运动轨迹与关节力矩应满足的数学模型。上述人体下肢阻抗模型用公式线性表示为：
其中，Kd，Kp和Ke均为人体阻抗模型中的未知参数，所述未知参数受不同用户生理参数与特定训练步态影响。
优选的，为提高上述柔性外骨骼系统轨迹跟踪的能力，通过最优控制算法引入能力函数优化阻抗控制参数，最大限度地减少柔性外骨骼系统的运动轨迹跟踪误差，降低用户的主动膝关节力矩，公式为：
所述公式中，Q与R为最优控制的惩罚矩阵，通过最小化能量函数以优化阻抗参数，其计算公式为：
其中，K为优化后的阻抗参数，K＝[Kq M]，P为最优控制算法中代数黎卡提方程的解，所述黎卡提方程的公式为：
0＝ATP+PA-PBR-1BTP+Q
其中，优化后，最优前馈控制输入的计算公式为：
ue＝-R-1BTPX
优选的，为获得阻抗模型的最优参数阻抗参数，最小化用户主动力和轨迹跟踪误差，利用积分强化学习贝尔曼方程，通过策略迭代对权利要求4中所述黎卡提方程进行求解，所述贝尔曼方程的计算公式为：
其中，Δt为迭代周期，eτ为干扰噪声；
通过策略改进为每个步态周期更新控制输入：
ue i+1＝-R-1BTpiX
为了使能量函数最小化，所述积分强化学习的目标是重复更新迭代阻抗模型中未知参数Kd，Kp和Ke，直到惩罚函数收敛，得到最优参数，最大限度地降低用户主动力并减小跟踪误差。
至此，整个控制框架中，在不涉及机器人动力学和人的阻抗参数的情况下，最小化用户主动力矩并减少实际轨迹和期望轨迹之间的跟踪误差。最终，控制器的输出方程表示为：
τa＝τ1+Kvr
其中，τa为柔性外骨骼系统的辅助力矩，Kv为控制系数，r为滑模误差，其公式为：
e＝qm-q
其中，δ1和δ2为常数，控制器设计的目的是使模型跟踪误差收敛于零，需要注意的是，上述误差(qm-q)并不是轨迹跟踪误差(qd-q)。至此得到柔性外骨骼系统输出的膝关节辅助力矩τa。通过伺服电机输出控制器得到的力矩，控制外骨骼辅助用户受损肢体完成步态训练。
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机。MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法，具体实现该技术方案的方法和途径很多，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。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (8)
1.一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法，其特征在于，包括镜像自适应阻抗控制方法，所述镜像自适应阻抗控制方法包括：镜像方法、阻抗控制算法、最优控制算法和积分强化学习算法；所述镜像方法根据用户受损肢体和健康肢体的生理参数调节柔性下肢外骨骼系统的输出力矩；所述阻抗控制算法根据用户在特定步态下的运动轨迹建立关节力矩和关节角度的数学模型；所述最优控制算法以最大限度地减少外骨骼系统的运动轨迹跟踪误差，降低用户的主动力矩；所述积分强化学习算法在模型参数有限的条件下优化规定的外骨骼阻抗参数。
2.根据权利要求1所述的方法，其特征在于，所述镜像方法包括：建立人-机耦合动力学模型，公式为：
其中，q是用户的关节角度，是用户的关节角速度，/>是用户的关节角加速度，M(q)为惯性矩阵，/>为离心力和科里奥利力方程，G(q)为重力转矩，τs为柔性材料和摩擦力等因素产生的扭矩，τa是外骨骼系统的辅助力矩，τh是用户关节的主动力矩。
3.根据权利要求2所述的方法，其特征在于，所述镜像方法根据如下公式调节柔性下肢外骨骼系统的输出力矩：
τ1＝τHL-τIL
其中，τHL是通过健康肢体产生的肌电信号得到的关节力矩，τIL是通过受损肢体产生的肌电信号得到的关节力矩，τ1是柔性下肢外骨骼系统需要补偿的关节力矩。
4.根据权利要求3所述的方法，其特征在于，所述关节力矩和关节角度的数学模型的公式为：
其中，分别是期望的惯性、阻尼和刚度；qm表示阻抗模型输出轨迹的角度，/>是阻抗模型输出轨迹的角速度，/>是阻抗模型输出轨迹的角加速度。基于阻抗模型的建立，机器人的动力学模型计算公式写为：
是与期望轨迹相关的辅助输入，计算公式为：
其中，中间参数中间参数/>中间参数/>中间参数是由期望轨迹的位于与期望轨迹的速度组成的矩阵，/>表示对/>求导，qd表示期望轨迹的位置，/>为期望轨迹的速度，In×n表示n维的单位矩阵，T表示矩阵转置，u为外骨骼系统的控制输入，/>是由阻抗模型输出轨迹的位置与输出轨迹的角速度组成的矩阵，由前馈控制输入ue和反馈控制输入ud组成，控制输入的计算公式为：
其中，中间参数ed为期望轨迹与阻抗模型输出轨迹之间的误差，计算公式为：
ed＝qd-qm
人体下肢阻抗模型用公式线性表示为：
其中，Kd，Kp和Ke均为人体阻抗模型中的未知参数，表示用户的关节力矩的一阶导数。
5.根据权利要求4所述的方法，其特征在于，所述最优控制算法通过引入性能指数J以最大限度地减少外骨骼系统的运动轨迹跟踪误差，降低用户的主动力矩，所述性能指数J的计算公式为：
其中，表示输入矩阵XTQX和控制矩阵/>在自时刻t开始至训练结束的积分，dτ表示关于时间的微分，τ表示时间系数，中间参数/> Q与R表示最优控制的惩罚矩阵，T表示矩阵的转置；
通过最小化能量函数以优化阻抗参数，计算公式为：
其中，K为优化后的阻抗参数，K＝[Kq M]，P表示最优控制算法中代数黎卡提方程的解，所述黎卡提方程的公式为：
0＝ATP+PA-PBR-1BTP+Q
其中，中间参数中间参数/>In×n表示n维的单位矩阵，中间参数/>中间参数/>中间参数/>优化后，最优前馈控制输入的计算公式为：
ue＝-R-1BTPX。
6.根据权利要求5所述的方法，其特征在于，利用积分强化学习贝尔曼方程，通过策略迭代对所述黎卡提方程进行求解，所述贝尔曼方程的计算公式为：
其中，X(t)表示中间参数在时刻t的函数，Δt表示迭代周期，eτ表示干扰噪声。
7.根据权利要求6所述的方法，其特征在于，所述积分强化学习算法通过策略改进为每个步态周期更新控制输入：
ue i+1＝-R-1BTPiX
所述积分强化学习算法的目标是重复更新迭代阻抗模型中未知参数Kd，Kp和Ke，直到惩罚函数收敛，得到最优参数，最终，控制器的输出方程表示为：
τa＝τ1+Kvr
其中，τ1表示性下肢外骨骼系统需要补偿的关节力矩，Kv为控制系数，r为滑模误差，公式为：
e＝qm-q
其中，e表示期望阻抗模型的轨迹输出角度qm与实际关节角度q的误差，表示期望阻抗模型的轨迹输出角度qm与实际关节角度q的误差变化率，∈表示从0到t时刻的累计误差，δ1和δ2为常数。
8.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310646916.3A CN116671941A (zh) | 2023-06-02 | 2023-06-02 | 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310646916.3A CN116671941A (zh) | 2023-06-02 | 2023-06-02 | 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116671941A true CN116671941A (zh) | 2023-09-01 |
Family
ID=87784892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310646916.3A Pending CN116671941A (zh) | 2023-06-02 | 2023-06-02 | 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116671941A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117442400A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市心流科技有限公司 | 一种智能假肢的校正方法、装置、设备及存储介质 |
-
2023
- 2023-06-02 CN CN202310646916.3A patent/CN116671941A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117442400A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市心流科技有限公司 | 一种智能假肢的校正方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111956452B (zh) | 一种上肢康复机器人控制方法及装置 | |
| Wu et al. | Neural-network-enhanced torque estimation control of a soft wearable exoskeleton for elbow assistance | |
| JP7054130B2 (ja) | 運動学習支援装置および運動学習支援方法 | |
| CN116671941A (zh) | 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 | |
| CN112274865B (zh) | 下肢康复机器人的按需辅助自适应控制方法和系统 | |
| CN116687707A (zh) | 一种基于动态运动基元的机器人镜像训练控制方法 | |
| Lv et al. | Model reference adaptive impedance control in lower limbs rehabilitation robot | |
| Wu et al. | Fuzzy sliding mode control of an upper limb exoskeleton for robot-assisted rehabilitation | |
| CN115363907A (zh) | 一种基于虚拟现实康复训练系统的康复决策方法 | |
| Taherifar et al. | Assistive-compliant control of wearable robots for partially disabled individuals | |
| Zhang et al. | Fuzzy radial-based impedance controller design for lower limb exoskeleton robot | |
| Aguirre-Ollinger et al. | Omnidirectional platforms for gait training: Admittance-shaping control for enhanced mobility | |
| Aguirre-Ollinger et al. | A one-degree-of-freedom assistive exoskeleton with inertia compensation: the effects on the agility of leg swing motion | |
| CN116421443A (zh) | 三维肢体镜像康复机器人的控制方法及康复机器人 | |
| 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 | |
| Zhou et al. | Admittance control strategy with output joint space constraints for a lower limb rehabilitation robot | |
| Imani et al. | Sliding mode controller for a hybrid lower limb rehabilitation robot with fuzzy adjustment of impedance interaction: A patient cooperation approach | |
| CN110265112B (zh) | 一种下肢康复机器人的三维步态康复训练方法 | |
| Ding et al. | Robust and safe control of a knee joint orthosis | |
| Abbass et al. | Design of Optimized Desired Optimal Controller (DOC)-Based Multivariable Model Reference Adaptive Control (MRAC) Algorithm for Robotic Human Knee Flexion During Gait. | |
| CN114434452B (zh) | 一种基于势能场的镜像机械臂控制方法及镜像机械臂设备 | |
| Bey et al. | A Novel Funnel-Based L 1 Adaptive Fuzzy Approach for the Control Of An Actuated Ankle Foot Orthosis | |
| CN116922396B (zh) | 一种外骨骼系统的助力控制方法 | |
| Gritli et al. | Position Control of Robotic Systems via Linear Controllers with Application to a Lower Limb Rehabilitation Exoskeleton Robot: Design and Comparative Analysis | |
| Benahmed et al. | Comparative study of non-linear controllers for the regulation of the paraplegic knee movement using functional electrical stimulation |
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 |