CN117095809B - 康复机器人主动训练柔性控制方法及装置 - Google Patents

康复机器人主动训练柔性控制方法及装置 Download PDF

Info

Publication number
CN117095809B
CN117095809B CN202311366514.4A CN202311366514A CN117095809B CN 117095809 B CN117095809 B CN 117095809B CN 202311366514 A CN202311366514 A CN 202311366514A CN 117095809 B CN117095809 B CN 117095809B
Authority
CN
China
Prior art keywords
joint
moment
rehabilitation robot
real
model
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
CN202311366514.4A
Other languages
English (en)
Other versions
CN117095809A (zh
Inventor
彭亮
王晨
侯增广
崔德成
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.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
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 Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202311366514.4A priority Critical patent/CN117095809B/zh
Publication of CN117095809A publication Critical patent/CN117095809A/zh
Application granted granted Critical
Publication of CN117095809B publication Critical patent/CN117095809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Business, Economics & Management (AREA)
  • Robotics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明属于康复训练器械的技术领域，提供了一种康复机器人主动训练柔性控制方法及装置，该康复机器人主动训练柔性控制方法包括：获取多个旋转关节的实时角度和实时角速度；计算实时角度的偏差量，根据第一等效阻抗模型对偏差量和实时角速度进行计算得到第一关节力矩；计算实时角度对应的位移的偏差量，根据第二等效阻抗模型对位移的偏差量和实时角速度对应的速度进行计算和矩阵转换得到第二关节力矩；基于第一关节力矩和第二关节力矩得到第三关节力矩。本发明所述方法能够在不干扰用户自由运动的情况下，保证康复机器人各关节运动的流畅性，提升用户康复训练的安全性，解决了复杂环境模型建模困难和机器人交互体验差的问题。

Description

康复机器人主动训练柔性控制方法及装置
技术领域
本发明涉及康复训练器械的技术领域，尤其涉及一种康复机器人主动训练柔性控制方法及装置。
背景技术
随着计算机和机器人技术在医疗康复领域的蓬勃发展，康复机器人因其控制精度高、不受人工康复医师的体力影响、计算机数据记录等特点，正在逐渐成为康复训练的首选。
相关技术中，通过建立机器人动力学模型，并采用零力控制的方法控制康复机器人跟随人体完成自由运动，但由于机器人的单关节具有特定的运动范围，当单关节转动超过角度阈值时会出现关节急停的情况，关节会受到反作用力而引起损伤，使得用户在完全自主的运动环境下进行康复训练的安全性低，同时影响训练的流畅性；对于关节的边缘运动姿态，由于机器人的关节工作空间边缘是肢体组合运动的局限性和周围环境物体产生的，若未对关节的边缘运动姿态进行约束或优化，也会引发安全问题。
发明内容
本发明提供一种康复机器人主动训练柔性控制方法及装置，用以解决现有技术未对机器人的单关节运动范围和边缘运动姿态进行限制和约束，容易导致用户在完全自主的运动环境进行康复训练的安全性低的缺陷，提升了用户进行康复训练的安全性和柔性。
本发明提供一种康复机器人主动训练柔性控制方法，应用于康复机器人，所述康复机器人包括多个旋转关节，包括：
获取所述多个旋转关节的实时角度和实时角速度；
根据关节空间角度阈值计算所述实时角度的偏差量，并根据第一等效阻抗模型对所述偏差量和所述实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算所述实时角度对应的位移和所述实时角速度对应的速度，根据笛卡尔空间运动阈值计算所述位移的偏差量，并根据第二等效阻抗模型对所述位移的偏差量和所述速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，所述第一等效阻抗模型基于机械臂阻抗控制系统确定，所述第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，所述笛卡尔空间运动阈值基于虚拟现实技术确定；
基于所述第一关节力矩和所述第二关节力矩，得到第三关节力矩，所述第三关节力矩用于作为所述康复机器人的零力控制输入，并结合所述康复机器人的交互力实现对所述多个旋转关节的运动状态的调节。
根据本发明提供的一种康复机器人主动训练柔性控制方法，所述获取所述多个旋转关节的实时角度和实时角速度包括：
采集所述康复机器人的关节动力学信息和力矩信息；
基于机器人动力学模型对所述关节动力学信息进行参数辨识，得到关节力矩数据，所述关节力矩数据用于表示所述康复机器人在空载模式下进行运动时所需的实时力矩，所述动力学模型基于所述康复机器人的惯性矩阵、科氏力和离心力项矩阵、重力向量和关节旋转角度信息确定；
基于所述力矩信息和所述关节力矩数据对所述康复机器人的目标交互力进行零力补偿计算，得到第一交互力补偿，所述目标交互力包括重力、摩擦力和转动惯量中的至少一项；
计算所述第一交互力补偿和所述关节力矩数据之间的和值，得到第一力矩，并以所述第一力矩作为所述多个旋转关节的控制输入，调节所述多个旋转关节的初始运动状态，得到所述实时角度和所述实时角速度。
根据本发明提供的一种康复机器人主动训练柔性控制方法，所述根据第二等效阻抗模型对所述位移的偏差量和所述速度进行阻抗控制计算和矩阵转换，得到第二关节力矩包括：
基于笛卡尔阻抗控制系统等效模型对所述位移的偏差量和所述速度进行阻抗控制计算，得到三维阻抗力，所述笛卡尔阻抗控制系统等效模型基于刚度参数、阻尼参数、关节位置误差和关节速度信息确定；
基于雅可比矩阵对所述三维阻抗力进行矩阵转换，得到所述第二关节力矩。
根据本发明提供的一种康复机器人主动训练柔性控制方法，在所述得到第三关节力矩之后，所述方法还包括：
计算所述第三关节力矩和所述康复机器人的交互力误差之间的差值，得到关节力矩差值，所述交互力误差基于所述康复机器人的力矩信息和关节力矩数据的差值得到；
根据PID对所述关节力矩差值进行力矩转换，得到第二交互力补偿；
计算所述第二交互力补偿和所述关节力矩数据之间的和值，得到第二力矩，并基于所述第二力矩控制所述多个旋转关节运动状态。
根据本发明提供的一种康复机器人主动训练柔性控制方法，所述第一等效阻抗模型应用如下公式得到：
；
其中，为第i个旋转关节的力矩，/>为刚度参数，/>为阻尼参数，/>为目标角度阈值，/>为当前角度信息，/>为当前关节角速度信息，/>为第i个旋转关节对应的力臂长度。
根据本发明提供的一种康复机器人主动训练柔性控制方法，所述笛卡尔阻抗控制系统等效模型应用如下公式得到：
；
其中，F为所述三维阻抗力，为所述刚度参数，/>为所述阻尼参数，为所述关节位置误差，/>为所述关节速度信息。
本发明还提供一种康复机器人主动训练柔性控制装置，包括：
参数获取模块，用于获取康复机器人的多个旋转关节的实时角度和实时角速度；
力矩生成模块，用于根据关节空间角度阈值计算所述实时角度的偏差量，并根据第一等效阻抗模型对所述偏差量和所述实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算所述实时角度对应的位移和所述实时角速度对应的速度，根据笛卡尔空间运动阈值计算所述位移的偏差量，并根据第二等效阻抗模型对所述位移的偏差量和所述速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，所述第一等效阻抗模型基于机械臂阻抗控制系统确定，所述第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，所述笛卡尔空间运动阈值基于虚拟现实技术确定；
第一力矩合成模块，用于基于所述第一关节力矩和所述第二关节力矩，得到第三关节力矩，所述第三关节力矩用于作为所述康复机器人的零力控制输入，并结合所述康复机器人的交互力实现对所述多个旋转关节的运动状态的调节。
根据本发明提供的一种康复机器人主动训练柔性控制装置，所述装置还包括：
第二力矩合成模块，用于在所述得到第三关节力矩之后，计算所述第三关节力矩和所述康复机器人的交互力误差之间的差值，得到关节力矩差值，所述交互力误差基于所述康复机器人的力矩信息和关节力矩数据的差值得到；
交互力补偿计算模块，用于根据PID对所述关节力矩差值进行力矩转换，得到第二交互力补偿；
第三力矩合成模块，用于计算所述第二交互力补偿和所述关节力矩数据之间的和值，得到第二力矩，并基于所述第二力矩控制所述多个旋转关节运动状态。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述康复机器人主动训练柔性控制方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述康复机器人主动训练柔性控制方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述康复机器人主动训练柔性控制方法。
本发明提供的康复机器人主动训练柔性控制方法及装置，通过第一等效阻抗模型对多个旋转关节的实时角度的偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩，通过第二等效阻抗模型对实时角度对应的位移的偏差量和实时角速度对应的速度进行阻抗控制计算和矩阵转换，得到第二关节力矩，再将第一关节力矩和第二关节力矩，得到第三关节力矩，作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节，实现了在不干扰用户自由运动的情况下，保证康复机器人各关节运动的流畅性，能够避免用户在康复训练时二次受伤，提升了用户进行康复训练的安全性，同时通过将虚拟现实技术应用到笛卡尔空间来构建阻抗模型，解决了复杂环境模型建模困难和机器人交互体验差的问题。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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获得其他的附图。
图1是本发明提供的康复机器人主动训练柔性控制方法的流程示意图之一；
图2是本发明提供的康复机器人主动训练柔性控制方法的流程示意图之二；
图3是本发明提供的康复机器人主动训练柔性控制方法的流程示意图之三；
图4是本发明提供的康复机器人主动训练柔性控制装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
下面结合图1-图4描述本发明的康复机器人主动训练柔性控制方法及装置。
图1是本发明提供的康复机器人主动训练柔性控制方法的流程示意图，如图1所示，该康复机器人主动训练柔性控制方法，应用于康复机器人，康复机器人包括多个旋转关节，包括如下步骤：
步骤110、获取多个旋转关节的实时角度和实时角速度。
在该步骤中，康复机器人的肢体包括多个旋转关节，例如，康复机器人的上肢主要包括五个旋转关节，其中，前三个旋转关节用于实现肩关节运动，可实现三维方向上的自由活动，第四个旋转关节用于肘关节运动，主要活动方式为屈伸运动，第五个旋转关节用于腕关节运动，主要活动方式为翻转运动。
在该实施例中，每个旋转关节均配有直流无刷电机，直流无刷电机由电机控制器和关节扭矩传感器组成。
在该实施例中，康复机器人包括编码器采集模块、电机力矩控制模块和外部传感器模块；其中，编码器采集模块用于采集关节运动过程中的位置信息和速度信息，电机力矩控制模块主要用于完成对电机本身的闭环控制，例如位置控制、速度控制和力矩控制；外部传感器用于采集运动过程中施加的力矩大小，用于实现人机交互功能。
在该实施例中，康复机器人通过EtherCAT协议和关节电机通信，实现高实时性关节控制。
在该实施例中，通过向电机力矩控制模块提供一个初始零力控制输入，实现对康复机器人的关节运动状态的主动控制，并采集该状态下的关节实时角度和实时角速度。
比如，向康复机器人的外环PID（Proportional-Integral-Derivative control，比例积分微分控制）输入一个信号，结合交互力确定旋转关节的交互力补偿，并以此交互力补偿调节关节的转动角度和偏移量，得到关节实时角度/>和实时角速度/>。
步骤120、根据关节空间角度阈值计算实时角度的偏差量，并根据第一等效阻抗模型对偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算实时角度对应的位移和实时角速度对应的速度，根据笛卡尔空间运动阈值计算位移的偏差量，并根据第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，第一等效阻抗模型基于机械臂阻抗控制系统确定，第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，笛卡尔空间运动阈值基于虚拟现实技术确定。
在该步骤中，关节空间角度阈值通过在可根据用户需求设置，例如，关节空间角度阈值可设置为关节运动限幅的前10°。
在该步骤中，笛卡尔空间运动阈值可根据用户实际需求设置。
在该实施例中，关节空间下，经过人体关节和康复机器人关节的映射，可以计算出康复机器人的每个关节的运动范围限值，例如，上肢动作限值如下：
肩部前驱后伸运动范围：[-30°，160°]；
肩部内收外展运动范围：[0°，90°]；
肩部内旋外旋运动范围：[-60°，60°]；
肘部屈伸运动范围：[0°，150°]；
腕部翻转运动范围：[-70°，70°]。
在该实施例中，第一等效阻抗模型可以是根据机器人的机械臂阻抗控制系统构建的等效模型。
在该实施例中，第一等效阻抗模型可以应用如下公式得到：
；
其中，为第i个旋转关节的力矩，/>为刚度参数，/>为阻尼参数，/>为目标角度阈值，/>为当前角度信息，/>为当前关节角速度信息，/>为第i个旋转关节对应的力臂长度。
在该实施例中，通过上述第一等效阻抗模型，在关节空间的运动中，每个关节可在范围限值边缘处给上肢提供一种柔性的第一关节力矩，避免了由于边缘处的关节制动导致的冲击力，不仅提升了关节运动的流畅性，而且消除了上肢二次受伤的风险。
需要说明的是，康复机器人在笛卡尔空间的运动中，需要与环境进行交互，由于环境模型较为复杂，例如机器人基座，人体座椅等，在机器人运动过程中会发生不可预知的碰撞，不仅会对人体关节造成损伤，而且机器人与刚体碰撞会给关节带来不可逆的损坏，均会引发安全问题。
在该实施例中，笛卡尔空间下，结合虚拟场景中的碰撞检测算法：通过物理引擎检测碰撞器的相交并计算碰撞响应来实现，并根据物体的刚体属性：质量、速度和材质计算碰撞响应（反弹、摩擦力、角动量等）以完成机器人和环境物体之间的交互；当两个物体中的一个物体进入触发器区域时，Unity3D引擎会检测到这个事件。引擎会检查进入触发器的物体是否具有碰撞器组件，触发器只能与具有碰撞器的物体进行交互；如果进入触发器的物体具有碰撞器组件，Unity3D引擎会调用OnTriggerEnter() 函数，并将触发器所属的游戏对象作为参数传递给该函数，在物体的Transform组件中，通过修改Scale字段属性调整物体在虚拟环境中的大小，实现物体碰撞的预置功能。
在该实施例中，记录碰撞体和被碰撞体的ID，通过TCP/IP通信方式，将记录的信息发送到下位机控制器；对于TCP通信中的粘包问题，由于无法准确地分辨数据包的边界而导致接收方可能无法正确解析数据包，可以通过添加消息长度标识的方式准确解析数据，即在发送数据块之前，在数据包中添加消息长度的标识，接收方根据标识来准确地分割和解析数据。
在该实施例中，通过机器人运动学模型对实时角度和实时角速度分别进行运动学结算，得到实时角度对应的位移和实时角速度对应的速度；计算方式可以是利用机器人运动学关节间的齐次变换实现，例如，机器人运动学关节间的齐次变换矩阵如下所示：
；
其中，分别为关节/>绕/>和/>轴旋转的旋转矩阵，分别为关节沿/>轴和/>轴的偏移量。
在该实施例中，第二等效阻抗模型可以是笛卡尔阻抗控制系统的等效模型，将实时角度对应的位移的偏差量和实时角速度对应的速度输入至该等效模型进行阻抗控制计算，输出对应的三维阻抗力，并对三维阻抗力进行矩阵转换，得到第二关节力矩。
图2是本发明提供的康复机器人主动训练柔性控制方法的流程示意图之二，在图2所示的实施例中，模块6-关节空间角度计算模块用于设定机器人关节的关节空间角度阈值，模块6的输出为每个关节越界的角度值大小（实时角度的偏差量）以及当前状态下关节运动的角速度信息/>，并通过模块3-第一等效阻抗模型对/>和/>进行阻抗控制计算，得到第一关节力矩/>；通过模块5-Kinematic（运动学模型）对关节实时角度/>和实时角速度/>进行动力学转换，得到实时角度对应的位移/>和实时角速度对应的速度/>，并通过笛卡尔空间运动范围计算位移的偏差量，例如，通过模块4-笛卡尔空间位置计算模块计算位移的偏差量/>，通过模块7-第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算，输出三维阻抗力F，并通过模块2-雅克比矩阵转换模块对F进行矩阵转换，得到第二关节力矩/>。
步骤130、基于第一关节力矩和第二关节力矩，得到第三关节力矩，第三关节力矩用于作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节。
在该步骤中，通过将第一关节力矩与第二关节力矩进行叠加，得到第三关节力矩，再将第三关节力矩传入到康复机器人的零力控制的系统中，作为零力控制系统的外环反馈，形成阻抗控制闭环，组合成零力控制加基于边缘环境模型的阻抗控制系统。
在图2所示的实施例中，通过模块1-力矩叠加模块将第一关节力矩和第二关节力矩/>进行叠加后，输出第三关节力矩，并将第三关节力矩与交互力e k 的差值作为PID的输入，实现对多个旋转关节的运动状态的调节。
本发明实施例的康复机器人主动训练柔性控制方法，通过第一等效阻抗模型对多个旋转关节的实时角度的偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩，通过第二等效阻抗模型对实时角度对应的位移的偏差量和实时角速度对应的速度进行阻抗控制计算和矩阵转换，得到第二关节力矩，再将第一关节力矩和第二关节力矩，得到第三关节力矩，作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节，实现了在不干扰用户自由运动的情况下，保证康复机器人各关节运动的流畅性，能够避免用户在康复训练时二次受伤，提升了用户进行康复训练的安全性，同时通过将虚拟现实技术应用到笛卡尔空间来构建阻抗模型，解决了复杂环境模型建模困难和机器人交互体验差的问题。
在一些实施例中，获取多个旋转关节的实时角度和实时角速度包括：采集康复机器人的关节动力学信息和力矩信息；基于机器人动力学模型对关节动力学信息进行参数辨识，得到关节力矩数据，关节力矩数据用于表示康复机器人在空载模式下进行运动时所需的实时力矩，动力学模型基于康复机器人的惯性矩阵、科氏力和离心力项矩阵、重力向量和关节旋转角度信息确定；基于力矩信息和关节力矩数据对康复机器人的目标交互力进行零力补偿计算，得到第一交互力补偿，目标交互力包括重力、摩擦力和转动惯量中的至少一项；计算第一交互力补偿和关节力矩数据之间的和值，得到第一力矩，并以第一力矩作为多个旋转关节的控制输入，调节多个旋转关节的初始运动状态，得到实时角度和实时角速度。
在该实施例中，关节动力学信息包括旋转关节的质量信息和惯量信息等。
在该实施例中，外部传感器包括关节扭矩传感器，关节扭矩传感器实时用于采集各个旋转关节的力矩信息。
在该实施例中，通过对康复机器人进行改进型DH参数标定，获得康复机器人的关节动力学信息，并通过下式对实时获取的康复机器人的速度信息进行一阶低通滤波：
；
其中，为当前信号，/>为上一时刻计算得到的信号值，/>为控制比例，/>为滤波后的关节运动学信息（主要是滤波后的速度信息）。
在该实施例中，在得到滤波后的力矩信息之后，可以采用中心差分算法计算机器人的关节加速度，为运动学模型提供输入数据。
在该实施例中，利用机器人动力学模型对关节动力学信息进行参数辨识，得到的辨识信息包括多个关节的惯性张量、质量矩、关节质量和摩擦系数；其中，动力学模型应用如下公式确定：
；
其中，为关节力矩数据，/>为惯性矩阵，/>为科氏力和离心力项矩阵，/>为重力向量，/>分别为关节角度、角速度和角加速度，/>为粘性摩擦系数，/>为库伦摩擦系数。
在该实施例中，由于Newton-Euler法通过关节间的运动和力的关系进行计算，具有迭代次数快，实时性高的优点，因此本发明采用Newton-Euler法建模；其迭代过程包括外推法和内推法，其中外推法的公式如下：
内推法的公式如下：
其中，分别代表连杆线速度，线加速度，角速度，角加速度；/>为坐标变换矩阵；/>为关节速度和加速度；/>为/>坐标系原点到/>坐标系原点的矢量；/>为连杆质量，/>代表连杆的质心。/>表示惯性张量矩阵，/>分别为连杆上的力和力矩。/>为作用在关节中的关节轴。
在该实施例中，参数辨识是一个线性拟合过程，比如，利用QR分解从关节动力学信息中分离出线性无关的可辨识参数，获得可辨识的最小参数集，即辨识信息。
在该实施例中，动力学模型可以由其机器人标准的动力学模型结合摩擦力模型构建，根据康复机器人的自由度（关节数），选择采用五阶傅里叶级数的方法生成激励轨迹，公式如下：
其中，为傅里叶级数，/>为基础频率，/>为关节角度初始化，/>和为傅里叶系数，t为时刻。
在该实施例中，通过激励轨迹采集康复机器人运动数据，通过加权最小二乘法的线性拟合能力，对机器人动力学参数进行辨识，获得各个关节的惯性张量，质量矩，关节质量，摩擦系数等参数，进而得到更精准精准的机器人动力学模型，以完成关节运动信息到关节力矩的转换。
在该实施例中，通过辨识信息获取更精准的动力学模型，并输出得到的关节力矩数据，再结合外部传感器采集的力矩信息进行差值计算，最终能够得到人体上肢和康复机器人的交互力。
在该实施例中，通过采用动力学参数辨识的方法，将动力学模型进行线性化处理，同时为了消除动力学公式中的二次项，通过平行轴定理，将惯性参数的表示方法由质心处转换为连杆处坐标系下的表示方法，已完成动力学模型的线性化处理；平行轴定理的表达式如下式所示：
；
其中，i为关节坐标系，I i 为惯性张量矩阵，为关节坐标系下的惯性张量矩阵，C i 为质心坐标系，/>为连杆质心位置，E为单位矩阵，/>为连杆质心位置的转置。
在该实施例中，动力学模型的线性化处理的迭代公式如下：
其中，为机械臂关节/>的线性化递推公式，/>为递推状态矩阵，/>为动力学参数输入矩阵。
在该实施例中，采用如下公式通过加权最小二乘法计算可辨识的最小参数集，即辨识信息：
；
其中，X WLS 为可辨识的最小参数集，是由采集数据构成的观测矩阵，/>为力矩测量值噪声标准差的协方差矩阵，/>为采集的关节力矩数据。
在该实施例中，通过动力学模型得到关节力矩数据，并通过外部传感器采集的力矩信息进行计算，可以得到第一交互力补偿。
在该实施例中，通过下式进行零力补偿计算：
；
其中，为关节力矩数据，/>为力矩信息，/>为二者的差值，用于表示康复机器人与上肢接触产生的交互力。
在该实施例中，可以引入一个零力矩数据与进行差值运算，并利用PID将该差值转换为力矩，作为第一交互力补偿；具体应用如下公式得到第一交互力补偿：
；
其中，为第一交互力补偿，/>分别为PID的调节参数，/>为k个时刻的误差累积之和，/>为第k时刻的交互力，/>为第j时刻的交互力，为第k-1时刻的交互力。
在该实施例中，PID能够将输入的参数量转换为力矩，即PID的输出结果为施加相应交互力时关节需要提供的额外输出力矩。
图3是本发明提供的康复机器人主动训练柔性控制方法的流程示意图之三，在图3所示的实施例中，模块5-交互力矩计算模块将模块6-动力学模型计算模块输出的关节力矩数据和外部关节扭矩传感器（对应关节扭矩传感器）采集力矩信息进行差值运算，得到机器人与上肢接触产生的交互力；然后将该交互力/>作为反馈信号，与输入信号/>同时输入到模块1-PID中；经过PID输出关节需要提供的额外输出力矩，即交互力补偿；通过模块2-前馈输入叠加模块，将交互力补偿力矩和作为前馈提供的模块6-动力学模型计算模块的输出力矩（对应/>）叠加，得到最终的控制系统输入力矩，即第一力矩；执行模块3-电机力矩控制模块（CST），将第一力矩作为输入，并经过电机力矩PID内环完成对康复机器人控制系统（Robot）的力矩控制，Robot通过最终输出的力矩/>控制各旋转关节的运动状态。
本发明实施例提供的康复机器人主动康复训练控制方法，通过机器人动力学模型对关节动力学信息进行参数辨识，得到康复机器人的关节力矩数据，并将力矩信息和关节力矩数据对康复机器人的目标交互力进行零力补偿计算，通过交互力补偿为康复机器人提供外力的补偿力矩，以采集多个旋转关节的实时角度和实时角速度，能够减少克服静摩擦力需要的额外力，提升主动康复训练过程中的柔顺性。
在一些实施例中，根据第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算和矩阵转换，得到第二关节力矩包括：基于笛卡尔阻抗控制系统等效模型对位移的偏差量和速度进行阻抗控制计算，得到三维阻抗力，笛卡尔阻抗控制系统等效模型基于刚度参数、阻尼参数、关节位置误差和关节速度信息确定；基于雅可比矩阵对三维阻抗力进行矩阵转换，得到第二关节力矩。
在该实施例中，第二等效阻抗模型可以是笛卡尔阻抗控制系统的等效模型，该等效模型可以应用如下公式得到：
；
其中，F为三维阻抗力，为刚度参数，/>为阻尼参数，/>为关节位置误差，/>为关节速度信息。
在该实施例中，在该实施例中，根据被碰撞关节i，对关节i及以前的关节采用阻抗控制，进行机器人的运动学结算，实时计算当前关节角度时刻，笛卡尔空间下的位置信息，与碰撞检测点的位置信息/>做比较，将初始碰撞点时的位置信息作为碰撞点位置；该误差向量为/>，其中分别为环境位置阈值的三维空间坐标，/>为当前机器人计算点的实时运动位置三维坐标；将当前关节在笛卡尔空间下的位置信息（包括位移的偏差量和速度）输入至第二等效阻抗模型进行阻抗控制计算，得到三维阻抗力F。
在该实施例中，三维阻抗力无法直接输入给多关节控制，需要将笛卡尔空间中的力信息对三维阻抗力进行矩阵转换，得到相应的第二关节力矩。
在该实施例中，应用如下公式对F进行力域雅可比矩阵转换，得到第二关节力矩：
；
其中，第二关节力矩（同上述）中/>为控制关节监测点运动的电机个数（与关节数相同，一个关节对应一个电机），/>为/>个控制关节的三维雅可比计算矩阵，为空间中三个方向的阻抗力。
本发明实施例提供的康复机器人主动康复训练控制方法，通过笛卡尔阻抗控制系统等效模型对位移的偏差量和速度进行阻抗控制计算，得到三维阻抗力，通过雅可比矩阵对三维阻抗力进行矩阵转换，得到第二关节力矩，为与第一关节力矩进行叠加而实现机器人关节控制提供数据支撑，实现了基于关节阈值阻抗控制和边缘复杂环境阻抗控制，反馈给人体柔性力，降低用户受伤和机器人损伤的风险。
在一些实施例中，在得到第三关节力矩之后，该方法还包括：计算第三关节力矩和康复机器人的交互力误差之间的差值，得到关节力矩差值，交互力误差基于康复机器人的力矩信息和关节力矩数据的差值得到；根据PID对关节力矩差值进行力矩转换，得到第二交互力补偿；计算第二交互力补偿和关节力矩数据之间的和值，得到第二力矩，并基于第二力矩控制多个旋转关节运动状态。
在该实施例中，通过下式进行零力补偿计算：
；
其中，为关节力矩数据，/>为力矩信息，/>为二者的差值，用于表示康复机器人与上肢接触产生的交互力。
在该实施例中，以第三关节力矩（+/>）作为零力控制系统的外环反馈，将第三关节力矩与/>进行差值运算，得到关节力矩差值，并利用PID将该关节力矩差值转换为力矩，作为第二交互力补偿，最后计算第二交互力补偿与关节力矩数据/>之间的和值，得到第二力矩。
在图2所示的实施例中，电机力矩控制模块（CST）将第二力矩作为输入，完成对康复机器人控制系统（Robot）的力矩控制，Robot通过最终输出的力矩控制各旋转关节的运动状态。/>
本发明实施例提供的康复机器人主动康复训练控制方法，通过计算第三关节力矩和康复机器人的交互力误差之间的差值，得到关节力矩差值，再根据PID对关节力矩差值进行力矩转换，得到第二交互力补偿，最后计算第二交互力补偿和关节力矩数据之间的和值，得到第二力矩，以实现对康复机器人的多个旋转关节运动状态的控制，降低了用户和康复机器人在复杂环境下运动的安全风险。
下面对本发明提供的康复机器人主动训练柔性控制装置进行描述，下文描述的康复机器人主动训练柔性控制装置与上文描述的康复机器人主动训练柔性控制方法可相互对应参照。
图4是本发明提供的康复机器人主动训练柔性控制装置的结构示意图，如图4所示，该康复机器人主动训练柔性控制装置包括：参数获取模块410、力矩生成模块420和第一力矩合成模块430。
参数获取模块410，用于获取康复机器人的多个旋转关节的实时角度和实时角速度；
力矩生成模块420，用于根据关节空间角度阈值计算实时角度的偏差量，并根据第一等效阻抗模型对偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算实时角度对应的位移和实时角速度对应的速度，根据笛卡尔空间运动阈值计算位移的偏差量，并根据第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，第一等效阻抗模型基于机械臂阻抗控制系统确定，第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，笛卡尔空间运动阈值基于虚拟现实技术确定；
第一力矩合成模块430，用于基于第一关节力矩和第二关节力矩，得到第三关节力矩，第三关节力矩用于作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节。
本发明实施例的康复机器人主动训练柔性控制装置，通过第一等效阻抗模型对多个旋转关节的实时角度的偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩，通过第二等效阻抗模型对实时角度对应的位移的偏差量和实时角速度对应的速度进行阻抗控制计算和矩阵转换，得到第二关节力矩，再将第一关节力矩和第二关节力矩，得到第三关节力矩，作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节，实现了在不干扰用户自由运动的情况下，保证康复机器人各关节运动的流畅性，能够避免用户在康复训练时二次受伤，提升了用户进行康复训练的安全性，同时通过将虚拟现实技术应用到笛卡尔空间来构建阻抗模型，解决了复杂环境模型建模困难和机器人交互体验差的问题。
根据本发明提供的一种康复机器人主动训练柔性控制装置，装置还包括：
第二力矩合成模块，用于在得到第三关节力矩之后，计算第三关节力矩和康复机器人的交互力误差之间的差值，得到关节力矩差值，交互力误差基于康复机器人的力矩信息和关节力矩数据的差值得到；
交互力补偿计算模块，用于根据PID对关节力矩差值进行力矩转换，得到第二交互力补偿；
第三力矩合成模块，用于计算第二交互力补偿和关节力矩数据之间的和值，得到第二力矩，并基于第二力矩控制多个旋转关节运动状态。
本发明实施例提供的康复机器人主动康复训练控制装置，通过计算第三关节力矩和康复机器人的交互力误差之间的差值，得到关节力矩差值，再根据PID对关节力矩差值进行力矩转换，得到第二交互力补偿，最后计算第二交互力补偿和关节力矩数据之间的和值，得到第二力矩，以实现对康复机器人的多个旋转关节运动状态的控制，降低了用户和康复机器人在复杂环境下运动的安全风险。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行康复机器人主动训练柔性控制方法，应用于康复机器人，所述康复机器人包括多个旋转关节，该方法包括：获取多个旋转关节的实时角度和实时角速度；根据关节空间角度阈值计算实时角度的偏差量，并根据第一等效阻抗模型对偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算实时角度对应的位移和实时角速度对应的速度，根据笛卡尔空间运动阈值计算位移的偏差量，并根据第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，第一等效阻抗模型基于机械臂阻抗控制系统确定，第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，笛卡尔空间运动阈值基于虚拟现实技术确定；基于第一关节力矩和第二关节力矩，得到第三关节力矩，第三关节力矩用于作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节。
此外，上述的存储器530中的逻辑指令可以通过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（可以是个人计算机，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、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的康复机器人主动训练柔性控制方法，应用于康复机器人，所述康复机器人包括多个旋转关节，该方法包括：获取多个旋转关节的实时角度和实时角速度；根据关节空间角度阈值计算实时角度的偏差量，并根据第一等效阻抗模型对偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算实时角度对应的位移和实时角速度对应的速度，根据笛卡尔空间运动阈值计算位移的偏差量，并根据第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，第一等效阻抗模型基于机械臂阻抗控制系统确定，第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，笛卡尔空间运动阈值基于虚拟现实技术确定；基于第一关节力矩和第二关节力矩，得到第三关节力矩，第三关节力矩用于作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的康复机器人主动训练柔性控制方法，应用于康复机器人，所述康复机器人包括多个旋转关节，该方法包括：获取多个旋转关节的实时角度和实时角速度；根据关节空间角度阈值计算实时角度的偏差量，并根据第一等效阻抗模型对偏差量和实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算实时角度对应的位移和实时角速度对应的速度，根据笛卡尔空间运动阈值计算位移的偏差量，并根据第二等效阻抗模型对位移的偏差量和速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，第一等效阻抗模型基于机械臂阻抗控制系统确定，第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，笛卡尔空间运动阈值基于虚拟现实技术确定；基于第一关节力矩和第二关节力矩，得到第三关节力矩，第三关节力矩用于作为康复机器人的零力控制输入，并结合康复机器人的交互力实现对多个旋转关节的运动状态的调节。
以上所描述的装置实施例仅仅是示意性的，其中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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种康复机器人主动训练柔性控制方法，应用于康复机器人，所述康复机器人包括多个旋转关节，其特征在于，包括：
获取所述多个旋转关节的实时角度和实时角速度；
根据关节空间角度阈值计算所述实时角度的偏差量，并根据第一等效阻抗模型对所述偏差量和所述实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算所述实时角度对应的位移和所述实时角速度对应的速度，根据笛卡尔空间运动阈值计算所述位移的偏差量，并根据第二等效阻抗模型对所述位移的偏差量和所述速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，所述第一等效阻抗模型基于机械臂阻抗控制系统确定，所述第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，所述笛卡尔空间运动阈值基于虚拟现实技术确定；
基于所述第一关节力矩和所述第二关节力矩，得到第三关节力矩，所述第三关节力矩用于作为所述康复机器人的零力控制输入，并结合所述康复机器人的交互力实现对所述多个旋转关节的运动状态的调节；
所述获取所述多个旋转关节的实时角度和实时角速度包括：
采集所述康复机器人的关节动力学信息和力矩信息；
基于机器人动力学模型对所述关节动力学信息进行参数辨识，得到关节力矩数据，所述关节力矩数据用于表示所述康复机器人在空载模式下进行运动时所需的实时力矩，所述动力学模型基于所述康复机器人的惯性矩阵、科氏力和离心力项矩阵、重力向量和关节旋转角度信息确定；
基于所述力矩信息和所述关节力矩数据对所述康复机器人的目标交互力进行零力补偿计算，得到第一交互力补偿，所述目标交互力包括重力、摩擦力和转动惯量中的至少一项；
计算所述第一交互力补偿和所述关节力矩数据之间的和值，得到第一力矩，并以所述第一力矩作为所述多个旋转关节的控制输入，调节所述多个旋转关节的初始运动状态，得到所述实时角度和所述实时角速度；
所述根据第二等效阻抗模型对所述位移的偏差量和所述速度进行阻抗控制计算和矩阵转换，得到第二关节力矩包括：
基于笛卡尔阻抗控制系统等效模型对所述位移的偏差量和所述速度进行阻抗控制计算，得到三维阻抗力，所述笛卡尔阻抗控制系统等效模型基于刚度参数、阻尼参数、关节位置误差和关节速度信息确定；
基于雅可比矩阵对所述三维阻抗力进行矩阵转换，得到所述第二关节力矩。
2.根据权利要求1所述的康复机器人主动训练柔性控制方法，其特征在于，在所述得到第三关节力矩之后，所述方法还包括：
计算所述第三关节力矩和所述康复机器人的交互力误差之间的差值，得到关节力矩差值，所述交互力误差基于所述康复机器人的力矩信息和关节力矩数据的差值得到；
根据PID对所述关节力矩差值进行力矩转换，得到第二交互力补偿；
计算所述第二交互力补偿和所述关节力矩数据之间的和值，得到第二力矩，并基于所述第二力矩控制所述多个旋转关节运动状态。
3.根据权利要求1所述的康复机器人主动训练柔性控制方法，其特征在于，所述第一等效阻抗模型应用如下公式得到：
；
其中，为第i个旋转关节的力矩，/>为刚度参数，/>为阻尼参数，/>为目标角度阈值，/>为当前角度信息，/>为当前关节角速度信息，/>为第i个旋转关节对应的力臂长度。
4.根据权利要求1所述的康复机器人主动训练柔性控制方法，其特征在于，所述笛卡尔阻抗控制系统等效模型应用如下公式得到：
；
其中，F为所述三维阻抗力，为所述刚度参数，/>为所述阻尼参数，/>为所述关节位置误差，/>为所述关节速度信息。
5.一种康复机器人主动训练柔性控制装置，其特征在于，包括：
参数获取模块，用于获取康复机器人的多个旋转关节的实时角度和实时角速度；
力矩生成模块，用于根据关节空间角度阈值计算所述实时角度的偏差量，并根据第一等效阻抗模型对所述偏差量和所述实时角速度进行阻抗控制计算，得到第一关节力矩；根据机器人运动学模型计算所述实时角度对应的位移和所述实时角速度对应的速度，根据笛卡尔空间运动阈值计算所述位移的偏差量，并根据第二等效阻抗模型对所述位移的偏差量和所述速度进行阻抗控制计算和矩阵转换，得到第二关节力矩；其中，所述第一等效阻抗模型基于机械臂阻抗控制系统确定，所述第二等效阻抗模型基于笛卡尔空间坐标系和虚拟现实技术确定，所述笛卡尔空间运动阈值基于虚拟现实技术确定；
第一力矩合成模块，用于基于所述第一关节力矩和所述第二关节力矩，得到第三关节力矩，所述第三关节力矩用于作为所述康复机器人的零力控制输入，并结合所述康复机器人的交互力实现对所述多个旋转关节的运动状态的调节；
参数获取模块具体用于：
采集所述康复机器人的关节动力学信息和力矩信息；
基于机器人动力学模型对所述关节动力学信息进行参数辨识，得到关节力矩数据，所述关节力矩数据用于表示所述康复机器人在空载模式下进行运动时所需的实时力矩，所述动力学模型基于所述康复机器人的惯性矩阵、科氏力和离心力项矩阵、重力向量和关节旋转角度信息确定；
基于所述力矩信息和所述关节力矩数据对所述康复机器人的目标交互力进行零力补偿计算，得到第一交互力补偿，所述目标交互力包括重力、摩擦力和转动惯量中的至少一项；
计算所述第一交互力补偿和所述关节力矩数据之间的和值，得到第一力矩，并以所述第一力矩作为所述多个旋转关节的控制输入，调节所述多个旋转关节的初始运动状态，得到所述实时角度和所述实时角速度；
所述力矩生成模块具体用于：
基于笛卡尔阻抗控制系统等效模型对所述位移的偏差量和所述速度进行阻抗控制计算，得到三维阻抗力，所述笛卡尔阻抗控制系统等效模型基于刚度参数、阻尼参数、关节位置误差和关节速度信息确定；
基于雅可比矩阵对所述三维阻抗力进行矩阵转换，得到所述第二关节力矩。
6.根据权利要求5所述的康复机器人主动训练柔性控制装置，其特征在于，所述装置还包括：
第二力矩合成模块，用于在所述得到第三关节力矩之后，计算所述第三关节力矩和所述康复机器人的交互力误差之间的差值，得到关节力矩差值，所述交互力误差基于所述康复机器人的力矩信息和关节力矩数据的差值得到；
交互力补偿计算模块，用于根据PID对所述关节力矩差值进行力矩转换，得到第二交互力补偿；
第三力矩合成模块，用于计算所述第二交互力补偿和所述关节力矩数据之间的和值，得到第二力矩，并基于所述第二力矩控制所述多个旋转关节运动状态。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述康复机器人主动训练柔性控制方法。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述康复机器人主动训练柔性控制方法。
CN202311366514.4A 2023-10-20 2023-10-20 康复机器人主动训练柔性控制方法及装置 Active CN117095809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311366514.4A CN117095809B (zh) 2023-10-20 2023-10-20 康复机器人主动训练柔性控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311366514.4A CN117095809B (zh) 2023-10-20 2023-10-20 康复机器人主动训练柔性控制方法及装置

Publications (2)

Publication Number Publication Date
CN117095809A CN117095809A (zh) 2023-11-21
CN117095809B true CN117095809B (zh) 2024-01-16

Family

ID=88783343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311366514.4A Active CN117095809B (zh) 2023-10-20 2023-10-20 康复机器人主动训练柔性控制方法及装置

Country Status (1)

Country Link
CN (1) CN117095809B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117591834B (zh) * 2024-01-18 2024-03-26 中航创世机器人(西安)有限公司 基于训练监测数据分析的康复训练控制优化方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007128225A1 (fr) * 2006-04-29 2007-11-15 The Hong Kong Polytechnic University Système robotique et procédé de formation pour rehabilitation utilisant des signaux emg afin d'assurer une assistance mécanique
CN106475999A (zh) * 2016-12-23 2017-03-08 东南大学 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
CN115903506A (zh) * 2022-11-29 2023-04-04 北京邮电大学 一种融入可控阻尼的康复机器人自适应交互控制方法
CN116629373A (zh) * 2023-03-17 2023-08-22 帕西尼感知科技(深圳)有限公司 一种模型训练系统、训练方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11858141B2 (en) * 2020-07-08 2024-01-02 Ubtech Robotics Corp Ltd Impedance control method, and controller and robot using the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007128225A1 (fr) * 2006-04-29 2007-11-15 The Hong Kong Polytechnic University Système robotique et procédé de formation pour rehabilitation utilisant des signaux emg afin d'assurer une assistance mécanique
CN106475999A (zh) * 2016-12-23 2017-03-08 东南大学 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
CN115903506A (zh) * 2022-11-29 2023-04-04 北京邮电大学 一种融入可控阻尼的康复机器人自适应交互控制方法
CN116629373A (zh) * 2023-03-17 2023-08-22 帕西尼感知科技(深圳)有限公司 一种模型训练系统、训练方法、装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Tang L ,Liu G ,Yang M , et al. Joint design and torque feedback experiment of rehabilitation robot. Advances in Mechanical Engineering.2020,第2020,12(5)卷全文. *
多自由度机器人机械手腕关节柔顺控制方法;夏细明;科学技术与工程;第2018, 18(20)卷;275-280 *

Also Published As

Publication number Publication date
CN117095809A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN111281743B (zh) 一种上肢康复外骨骼机器人自适应柔顺控制方法
CN117095809B (zh) 康复机器人主动训练柔性控制方法及装置
Li et al. Asymmetric bimanual control of dual-arm exoskeletons for human-cooperative manipulations
JP7133511B2 (ja) 情報処理装置、情報処理方法、およびプログラム
Jutinico et al. Impedance control for robotic rehabilitation: a robust markovian approach
CN107028663A (zh) 一种新型主从式手术机器人控制方法
Wang Three-dimensional kinematic analysis of influence of hand orientation and joint limits on the control of arm postures and movements
US20200000535A1 (en) Control system, control method, and surgical arm system
CN109806106A (zh) 一种基于鲁棒控制与导纳控制结合的下肢康复机器人的控制方法
JP2018030210A (ja) シミュレーション装置、制御システム、ロボットシステム、シミュレーション方法、プログラム及び記録媒体
Filiatrault et al. Human arm motion imitation by a humanoid robot
Wang et al. Task space compliant control and six-dimensional force regulation toward automated robotic ultrasound imaging
CN115919250A (zh) 一种人体动态关节角测量系统
CN117116459B (zh) 康复机器人主动康复训练控制方法及装置
CN117085301B (zh) 基于虚拟现实的康复机器人多反馈康复训练方法及系统
Silawatchananai et al. Force control of an upper limb exoskeleton for virtual reality using impedance control
CN112057083B (zh) 可穿戴人体上肢位姿采集设备及采集方法
Hua et al. A force/position hybrid controller for rehabilitation robot
Ning et al. Sensorless Force Estimation of a Lever-Based Variable Stiffness Actuator Using a Current-Deflection Fusion Method
Mendoza-Crespo et al. Wearable human lower limb prototype exoskeleton: An operative approach
Rodríguez-Angeles et al. User wearable interface based on inertial sensors for unilateral master-slave robot teleoperation
CN116909305B (zh) 基于时域变换的预设时间预设精度姿轨一体化跟踪控制方法及其控制系统
Li et al. Development of robot bionic eye with spherical parallel manipulator based on oculomotor control model
Tageldeen et al. Development of a 3D virtual platform for an upper arm robotic exoskeleton
Bieda et al. The Mathematical Model of the Human Arm

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