CN110524525B - 一种下肢外骨骼控制方法 - Google Patents
一种下肢外骨骼控制方法 Download PDFInfo
- Publication number
- CN110524525B CN110524525B CN201910946543.5A CN201910946543A CN110524525B CN 110524525 B CN110524525 B CN 110524525B CN 201910946543 A CN201910946543 A CN 201910946543A CN 110524525 B CN110524525 B CN 110524525B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- formula
- sliding mode
- lower limb
- error
- 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.)
- Expired - Fee Related
Links
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005381 potential energy Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 11
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 22
- 210000000629 knee joint Anatomy 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 20
- 210000004394 hip joint Anatomy 0.000 claims description 19
- 210000000689 upper leg Anatomy 0.000 claims description 18
- 230000005484 gravity Effects 0.000 claims description 15
- 210000001699 lower leg Anatomy 0.000 claims description 15
- 239000011541 reaction mixture Substances 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 11
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 claims description 11
- 210000002414 leg Anatomy 0.000 claims description 9
- 230000005021 gait Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 210000002683 foot Anatomy 0.000 claims description 4
- 210000003127 knee Anatomy 0.000 claims description 4
- 210000003423 ankle Anatomy 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 244000309466 calf Species 0.000 claims 1
- 239000003550 marker Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000000474 heel Anatomy 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000001258 synovial membrane Anatomy 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1612—Programme controls characterised by the hand, wrist, grip control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1648—Programme controls characterised by the control loop non-linear control combined or not with linear control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种下肢外骨骼控制方法,包括采集受试者下肢运动学数据;建立下肢外骨骼动力学模型;设计非线性积分滑模面;设计模糊滑模控制器,得到模糊滑模控制律。本方法采用欧拉‑拉格朗日法建立下肢外骨骼的动力学模型,然后为消除滑模控制中普遍存在的抖振现象以及由积分项引起的Windup效应,在滑模变结构控制器的基础上,引入具有非线性势能函数来代替传统的积分滑模面。同时为克服下肢外骨骼建模过程中的建模误差、信号噪声及外界扰动等因素带来的干扰,利用模糊***的逼近特性来设计模糊滑模控制器,以获得满意的下肢外骨骼控制性能。
Description
技术领域
本发明涉及外骨骼机器人领域,具体是一种下肢外骨骼控制方法。
背景技术
人口老龄化已成为当今世界性的难题。而我国作为世界上人口最多的国家,人口老龄化情况更是不容乐观。针对下肢运动功能开始衰退的老年人和失能患者,利用下肢助行外骨骼机器人与智能辅助***能够增强人体腿部肌肉力量,增加行走时间,减小人体能量消耗,对其下肢运动功能恢复以及促进身体健康具有重要意义。
申请号201710208363.8的文献公开了一种准被动膝踝关节耦合下肢外骨骼及其控制方法,该方法通过测量足底压力判断当前下肢运动状态,从而控制外骨骼进行相应的运动。但是该方法的外骨骼运动相对下肢运动始终有一个延迟,且无法应对环境等因素的干扰。下肢外骨骼机器人是典型的非线性***,在其控制过程中存在着很多不确定因素,如摩擦参数变化、建模误差和外界扰动等。下肢外骨骼控制器的设计必须考虑到上述不确定干扰因素的影响,才能保持***的稳定性,因此,仅仅基于模型的控制器在外骨骼机器人中难以使用,难以达到预期效果。
发明内容
针对现有技术的不足,本发明拟解决的技术问题是,提供一种下肢外骨骼控制方法。
本发明解决所述技术问题的技术方案是,提供一种下肢外骨骼控制方法,其特征在于该方法包括以下步骤:
第一步,采集受试者下肢运动学数据:
第二步,建立下肢外骨骼动力学模型:
第三步、设计非线性积分滑模面:
传统的积分滑模面s′(t)为:
式11)中,s′为控制器输入;t表示时间;e为跟踪误差,e=qd-q;q为各关节角度实际输出,q∈Rn;qd为期望输出轨迹,qd∈Rn;为关节的角速度;c和β为常数,c=diag[c1,c2,…,cn](ci>0),β=diag[β1,β2,…,βn](βi>0);控制目标使得跟踪误差e趋近于0;s′(t)中积分项的存在会导致控制过程产生较大的初始误差以及较长的调节时间;因此,采用一种非线性类势能函数Sat(σ·x)代替积分项,通过设计合理的调节因子来解决上述问题;
势能函数Sat(σ·x)对x的一阶微分为:
式12)中,sat(σ·x)为非线性饱和函数,σ为调节因子;令sat(σ·x)为反正切函数,sat(σ·x)=arctan(σ·x);
第四步、设计模糊滑模控制器,得到模糊滑模控制律:
根据加上模型误差的下肢外骨骼摆动腿的动力学模型:
式14)中,M为惯性矩阵,M∈R2×2;为关节的角速度;为关节的角加速度;C为摩擦矩阵,C∈R2×2;G为重力矩阵,G∈R2×1;ΔM、ΔC、ΔG均为模型误差;τ为输出力矩;d为干扰力矩;将***的建模不确定性及随机干扰用f(t)表示,将式14)简化为:
因此,由式16)推导得到模糊滑模控制器如式17)所示:
考虑到模糊***能够以最大精度逼近非线性模型,将非线性积分滑模面s(t) 作为模糊滑模控制器的输入变量、等效控制输出作为控制输出力矩τ;根据上述分析,将模糊滑模控制器的输出力矩τ变为:
τ=τeq+τsw 18)
式18)中,τeq为等效控制器,由式17)计算得到;τsw为切换控制器,用来弥补τeq与τ之间的误差;
采用重心法进行去模糊,其公式为:
式19)中,τfz为输出变量;αi为输出变量模糊论域中值;μ(i)为对应模糊子集的隶属度;τfz的矩阵表达形式为:
且满足:
τeq=τfz+ε=αTξ+ε 21)
式21)中,ε为逼近误差,令|ε|<E,E为增益;该逼近误差恰好由切换控制器τsw进行补偿,故τsw可以得到为:
τsw=-E·sign(s(t)) 22)
sign是符号函数;误差补偿控制的τsw是一个切换控制项,与s(t)有关;若增益E是固定的,模糊滑模控制器则会产生较大的抖振;所以,在切换控制时,对输入变量s(t)和增益E进行模糊化设计,保证***的鲁棒性;
同样采用重心法去模糊,其公式为:
式24)中,ΔE为切换增益的变化量;βi为输出变量模糊论域中值;μ2(i)为对应模糊子集的隶属度;ΔE的矩阵表达形式为:
得到模糊滑模控制律,进而得到期望的运动轨迹。
与现有技术相比,本发明有益效果在于:
(1)传统的被动式控制方法要求下肢先行,否则外骨骼没有跟踪信号,无法实现跟踪运动,并且需要在下肢关节处安装传感器,费时费力,增加使用者的负担。本方法无需安装传感器,节约成本,减负减重,方便使用。
(2)本方法采用欧拉-拉格朗日法建立下肢外骨骼的动力学模型,然后为消除滑模控制中普遍存在的抖振现象以及由积分项引起的Windup效应,在滑模变结构控制器的基础上,引入具有非线性势能函数来代替传统的积分滑模面。同时为克服下肢外骨骼建模过程中的建模误差、信号噪声及外界扰动等因素带来的干扰,利用模糊***的逼近特性来设计模糊滑模控制器,以获得满意的下肢外骨骼控制性能。
(3)滑膜控制作为一种经典的非线性控制方法,对于***的不确定性因素具有较强的鲁棒性和抗干扰能力,可以使外骨骼***的膝关节、髋关节输出角度精确地跟踪上正常人行走时的角度曲线,并且与实际的角度、角速度间误差均非常小。
(4)该方法控制精度高、抗干扰能力强并且有较好的实时性。
附图说明
图1为本发明一种实施例的受试者三维步态数据采集过程示意图。
图2为本发明一种实施例的人体下肢简化模型。
图3为本发明一种实施例的势能函数与调整因子的关系图。
图4为本发明一种实施例的输入变量s(t)的隶属度函数图。
图5为本发明一种实施例的输出变量τ的隶属度函数图。
图6为本发明实施例1的实际运动与外骨骼跟踪时膝关节运动的对比图。
图7为本发明实施例1的实际运动与外骨骼跟踪时膝关节角速度的对比图。
图8为本发明实施例1的实际运动与外骨骼跟踪时髋关节运动的对比图。
图9为本发明实施例1的实际运动与外骨骼跟踪时髋关节角速度的对比图。
图10为本发明实施例1的膝关节轨迹跟踪误差图。
图11为本发明实施例1的髋关节轨迹跟踪误差图。
具体实施方式
下面给出本发明的具体实施例。具体实施例仅用于进一步详细说明本发明,不限制本申请权利要求的保护范围。
本发明提供了一种下肢外骨骼控制方法(简称方法),其特征在于该方法包括以下步骤:
第一步,采集受试者下肢运动学数据:
利用Vicon MX三维步态分析***(简称Vicon MX***)对受试者下肢运动信息进行采集;Vicon MX***采用被动式光学运动捕捉的原理,首先将表面涂有反光物质的红外反光球固定在人体下肢的各个标记点处(标记点为受试者膝关节、大腿、小腿、踝关节、脚趾和足跟六个部位的左右侧);为了确保数据的真实性和准确性,需要对Vicon MX***进行静态校准;静态校准完成后,通过Vicon MX***中的空间视频捕捉设备(MX红外拍摄头)捕捉红外反光球的运动轨迹,任意一个红外反光球被两台空间视频捕捉设备同时所见,根据此刻空间视频捕捉设备拍摄的图像和空间视频捕捉设备参数,即可确定该点的位置,进而捕捉红外反光球的运动轨迹(MX红外拍摄头将数据通过MX Net传输到MX Link中,最后数据经由MX Link传输至PC主机中的VICON MX三维步态分析***的软件部分中;测力板的力学数据经由MX Link传输至PC主机中的VICON MX 三维步态分析***的软件部分中),从而得到受试者在三维空间的下肢运动学数据;
在静态校准过程中,Vicon MX***需要首先获得每位受试者的基本信息(受试者的身高、体重、腿长、髋 宽度、膝关节宽度和踝关节宽度);再计算受试者站立在测试场地中心4s时的标记点信息,根据受试者的基本信息和标记点信息建立静态校准模型;
第二步,建立下肢外骨骼动力学模型:
在人体正常行走时,根据行走过程中足部是否与地面接触,可将一个步态周期分为支撑期和摆动期;其中,支撑期是指足部与地面接触的时期,支撑身体的重量实现重心转移;摆动期是指支撑期过后,足部完全腾空的时期;因为人体行走过程中摆动期和支撑期的运动形式存在较为明显的差异,所以采用欧拉-拉格朗日法分别建立单腿在摆动期与支撑期的动力学模型;
拉格朗日函数的定义:L=Ek-Ep;L是拉格朗日量;Ek为***动能,Ep为***势能;
人体下肢简化后的模型(如图2所示)包含大腿杆与小腿杆;根据人体下肢简化后的模型,分别计算大腿质心与髋关节间的长度lc,h以及小腿质心与膝关节间的长度lc,k:
式1)中,(xc,h,yc,h)与(xc,k,yc,k)分别为大腿杆的质心与小腿杆的质心;
则大腿质心的速度vh与小腿质心的速度vk分别表示为:
根据人体下肢简化后的模型,下肢外骨骼的***动能Ek如式3)所示:
***势能Ep表示为:
式4)中,Epi为第i个杆件的势能,g为重力加速度,lc,i为第i个杆件质心与膝关节或髋关节间的长度;
人体下肢简化后的模型在膝关节与髋关节各有1个自由度,将***动能表示为:
则***势能Ep为:
Ep=mhglc,hcosqh+mkg(lc,hcosqh+lc,kcosqk) 6)
得到支撑期和摆动期的下肢动力学方程如式7)所示:
设大腿杆和小腿杆的质心均在杆件中部,可以得到惯性矩阵为:
摩擦矩阵为:
重力矩阵为:
从而获得人体腿部的数学模型;
第三步、设计非线性积分滑模面:
传统的积分滑模面s′(t)为:
式11)中,s′为控制器输入;t表示时间;e为跟踪误差,e=qd-q;q为各关节角度实际输出,q∈Rn;qd为期望输出轨迹,qd∈Rn; c和β为常数,c=diag[c1,c2,…,cn](ci>0),β=diag[β1,β2,…,βn](βi>0);控制目标使得跟踪误差e趋近于0;s′(t)中积分项的存在会导致控制过程产生较大的初始误差以及较长的调节时间;因此,本发明采用一种非线性类势能函数Sat(σ·x)代替传统的积分项,通过设计合理的调节因子来解决上述问题;
势能函数Sat(σ·x)对x的一阶微分为:
式12)中,sat(σ·x)为非线性饱和函数,σ为调节因子;令sat(σ·x)为反正切函数,即sat(σ·x)=arctan(σ·x),势能函数与调节因子的关系如图3所示;
第四步、设计模糊滑模控制器,得到模糊滑模控制律:
根据加上模型误差的下肢外骨骼摆动腿的动力学模型:
式14)中,ΔM、ΔC、ΔG均为模型误差;τ为输出力矩;d为干扰力矩;将***的建模不确定性及随机干扰用f(t)表示,将式14)简化为:
因此,由式16)推导可以得到模糊滑模控制器如式17)所示:
当外骨骼模型中存在参数辨识不准确时,模糊滑模控制器的效果将会受到很大的影响,影响外骨骼的控制效果和稳定性;考虑到模糊***能够以最大精度逼近非线性模型,将非线性积分滑模面s(t)(s(t)为单变量)作为模糊滑模控制器的输入变量、等效控制输出作为控制输出力矩τ;根据上述分析,将模糊滑模控制器的输出力矩τ变为:
式18)中,τeq为等效控制器,由式17)计算得到;τsw为切换控制器,用来弥补τeq与τ之间的误差;
本发明设计的模糊滑模控制器由等效控制器τeq和切换控制器τsw组成;首先利用模糊***的模糊逼近特性得到τeq,模糊***的输入为非线性积分滑模面 s(t);然后同样利用模糊***的模糊逼近特性得到τsw,利用τsw消除抖振,此时的模糊***输入定义为
首先对输入变量进行模糊化,将输入变量s(t)、输出变量τ以及模糊子集定义为{负大、负中、负小、零、正小、正中、正大},其相应的模糊论域分别为 {-3}、{-2}、{-1}、{0}、{1}、{2}、{3};图4给出了输入变量s(t)的隶属度函数,图5给出了输出变量τ的隶属度函数;然后对模糊规则库进行设计,模糊推理策略选用传统模糊推理法(Mamdani型);在保证滑模满足条件的同时,模糊推理规则采用乘积推理方式进行,根据以往的控制经验,模糊***状态与滑模切换面s(t)=0(s(t)=0时称为滑模切换面)的距离由非线性积分滑模面s(t)的绝对值大小表示,因此,模糊推理规则依据以下原则制定:当s(t)较大时,说明此时跟踪误差e相应较大,因此模糊滑模控制器需要有足够大的输出才能够保证滑模面以更快的速度收敛,同时保证一定的抗干扰性;当s(t)较小时,外骨骼模型状态进入准滑动模态,跟踪误差e按指定状态收敛,合理设计模糊滑模控制器输出力矩,防止s(t)在惯性的作用下频繁穿越滑模切换面s(t)=0而激发抖振,同时也能使模糊***保持足够强的鲁棒性和快速性,有效减小稳态误差;
因此,τeq的模糊推理规则为:如果s为正大,则τ为负大;如果s为正小,则τ为负小;如果s为零,则τ为零;如果s为负小,则τ为正小;如果s为负大,则τ为正大;
采用重心法进行去模糊,其公式为:
式19)中,τfz为输出变量;αi为输出变量模糊论域中值;μ(i)为对应模糊子集的隶属度;τfz的矩阵表达形式为:
τfz=αTξ 20)
且满足:
τeq=τfz+ε=αTξ+ε 21)
式21)中,ε为逼近误差,令|ε|<E,E为增益;该逼近误差恰好由切换控制器τsw进行补偿,故τsw可以得到为:
τsw=-E·sign(s(t)) 22)
sign是符号函数;误差补偿控制的τsw是一个切换控制项,与s(t)有关;若增益E是固定的,模糊滑模控制器则会产生较大的抖振;所以,在切换控制时,对输入变量s(t)和增益E进行模糊化设计,保证***的鲁棒性;
根据李雅普诺夫判据,s(t)滑模可达条件设计:当s(t)逼近误差将变大,模糊***正处于远离非线性积分滑模面s(t)的运动,导致***不稳定,需要增大补偿控制量,即ΔE需要增大;当s(t)根据李雅普诺夫稳定判据,模糊***处于稳定状态,此时需要适当减小即ΔE为负大;当s(t)趋近于0时,模糊***将要收敛于平衡点,此时应保持不变,即ΔE为零;
因此,τsw的模糊推理规则为:如果s为正大,则ΔE为负大;如果s为正小,则ΔE为负小;如果s为零,则ΔE为零;如果s为负小,则ΔE为正小;如果s为负大,则ΔE为正大;
同样采用重心法去模糊,其公式为:
得到模糊滑模控制律,进而得到期望的运动轨迹。
实施例1
利用MATLAB/Simulink对模糊控制算法进行仿真分析,实施例中以身高 175cm、体重65kg的成年男子为分析对象,根据GB/T19245-2004《成年人人体惯性参数》以及GB/T10000-88《成年人人体尺寸》两项国家标准得到人体下肢各段惯性参数。大腿长度为0.45m,质量为8.4kg,质心位置为0.36m。小腿长度为0.38m,质量为2.1kg,质心位置为0.22m。
控制器的参数设计为c=diag{5,10},β=diag{5,10}。
由图6可以看出,外骨骼膝关节输出角度能够精确地跟踪上正常人行走时的角度曲线;由图7可以看出,外骨骼膝关节输出角速度初始误差较大,但能快速跟踪期望输出;由图8可以看出,外骨骼髋关节输出角度能够精确地跟踪上正常人行走时的角度曲线;由图9可以看出,外骨骼髋关节输出角速度初始误差较大,但能快速跟踪期望输出;
由图10可以看出,外骨骼膝关节输出角度在整个步态周期中误差均非常小;由图11可以看出,外骨骼髋关节输出角度在整个步态周期中误差均非常小。
上述为下肢外骨骼模糊滑模控制方法,其中所用到的设备均由公知途径获得。
本发明未述及之处适用于现有技术。
Claims (7)
1.一种下肢外骨骼控制方法,其特征在于该方法包括以下步骤:
第一步,采集受试者下肢运动学数据:
第二步,建立下肢外骨骼动力学模型:
第三步、设计非线性积分滑模面:
传统的积分滑模面s′(t)为:
式11)中,s′为控制器输入;t表示时间;e为跟踪误差,e=qd-q;q为各关节角度实际输出,q∈Rn;qd为期望输出轨迹,qd∈Rn; 为关节的角速度;c和β为常数,c=diag[c1,c2,…,cn](ci>0),β=diag[β1,β2,…,βn](βi>0);控制目标使得跟踪误差e趋近于0;s′(t)中积分项的存在会导致控制过程产生较大的初始误差以及较长的调节时间;因此,采用一种非线性类势能函数Sat(σ·x)代替积分项,通过设计合理的调节因子来解决上述问题;
势能函数Sat(σ·x)对x的一阶微分为:
式12)中,sat(σ·x)为非线性饱和函数,σ为调节因子;令sat(σ·x)为反正切函数,sat(σ·x)=arctan(σ·x);
第四步、设计模糊滑模控制器,得到模糊滑模控制律:
根据加上模型误差的下肢外骨骼摆动腿的动力学模型:
式14)中,M为惯性矩阵,M∈R2×2;为关节的角速度;为关节的角加速度;C为摩擦矩阵,C∈R2×2;G为重力矩阵,G∈R2×1;ΔM、ΔC、ΔG均为模型误差;τ为输出力矩;d为干扰力矩;将***的建模不确定性及随机干扰用f(t)表示,将式14)简化为:
因此,由式16)推导得到模糊滑模控制器如式17)所示:
考虑到模糊***能够以最大精度逼近非线性模型,将非线性积分滑模面s(t)作为模糊滑模控制器的输入变量、等效控制输出作为控制输出力矩τ;根据上述分析,将模糊滑模控制器的输出力矩τ变为:
τ=τeq+τsw 18)
式18)中,τeq为等效控制器,由式17)计算得到;τsw为切换控制器,用来弥补τeq与τ之间的误差;
采用重心法进行去模糊,其公式为:
式19)中,τfz为输出变量;αi为输出变量模糊论域中值;μ(i)为对应模糊子集的隶属度;τfz的矩阵表达形式为:
τfz=αTξ 20)
τeq=τfz+ε=αTξ+ε 21)
式21)中,ε为逼近误差,令|ε|<E,E为增益;该逼近误差恰好由切换控制器τsw进行补偿,故τsw可以得到为:
τsw=-E·sign(s(t)) 22)
sign是符号函数;误差补偿控制的τsw是一个切换控制项,与s(t)有关;若增益E是固定的,模糊滑模控制器则会产生较大的抖振;所以,在切换控制时,对输入变量s(t)和增益E进行模糊化设计,保证***的鲁棒性;
同样采用重心法去模糊,其公式为:
式24)中,ΔE为切换增益的变化量;βi为输出变量模糊论域中值;μ2(i)为对应模糊子集的隶属度;ΔE的矩阵表达形式为:
得到模糊滑模控制律,进而得到期望的运动轨迹。
2.根据权利要求1所述的下肢外骨骼控制方法,其特征在于第一步中,利用Vicon MX三维步态分析***对受试者下肢运动信息进行采集;首先将表面涂有反光物质的红外反光球固定在人体下肢的各个标记点处;为了确保数据的真实性和准确性,对Vicon MX***进行静态校准;静态校准完成后,通过Vicon MX***中的空间视频捕捉设备捕捉红外反光球的运动轨迹,任意一个红外反光球被两台空间视频捕捉设备同时所见,根据此刻空间视频捕捉设备拍摄的图像和空间视频捕捉设备参数,确定该点的位置,进而捕捉红外反光球的运动轨迹,从而得到受试者在三维空间的下肢运动学数据。
3.根据权利要求2所述的下肢外骨骼控制方法,其特征在于标记点为受试者膝关节、大腿、小腿、踝关节、脚趾和足跟六个部位的左右侧。
4.根据权利要求2所述的下肢外骨骼控制方法,其特征在于所述静态校准过程是,Vicon MX***首先获得每位受试者的基本信息;再计算受试者站立在测试场地中心4s时的标记点信息,根据受试者的基本信息和标记点信息建立静态校准模型。
5.根据权利要求1所述的下肢外骨骼控制方法,其特征在于第二步中,在人体正常行走时,根据行走过程中足部是否与地面接触,可将一个步态周期分为支撑期和摆动期;采用欧拉-拉格朗日法分别建立单腿在摆动期与支撑期的动力学模型;
根据人体下肢简化后的模型,分别计算大腿质心与髋关节间的长度lc,h以及小腿质心与膝关节间的长度lc,k:
式1)中,(xc,h,yc,h)与(xc,k,yc,k)分别为大腿杆的质心与小腿杆的质心;
则大腿质心的速度vh与小腿质心的速度vk分别表示为:
根据人体下肢简化后的模型,下肢外骨骼的***动能Ek如式3)所示:
***势能Ep表示为:
式4)中,Epi为第i个杆件的势能,g为重力加速度,lc,i为第i个杆件质心与膝关节或髋关节间的长度;
人体下肢简化后的模型在膝关节与髋关节各有1个自由度,将***动能表示为:
则***势能Ep为:
Ep=mhglc,hcosqh+mkg(lc,hcosqh+lc,kcosqk) 6)
得到支撑期和摆动期的下肢动力学方程如式7)所示:
设大腿杆和小腿杆的质心均在杆件中部,可以得到惯性矩阵为:
摩擦矩阵为:
重力矩阵为:
从而获得人体腿部的数学模型。
6.根据权利要求1所述的下肢外骨骼控制方法,其特征在于第四步中,首先对输入变量进行模糊化,将输入变量s(t)、输出变量τ以及模糊子集定义为{负大、负中、负小、零、正小、正中、正大},其相应的模糊论域分别为{-3}、{-2}、{-1}、{0}、{1}、{2}、{3};然后对模糊规则库进行设计,模糊推理策略选用传统模糊推理法;在保证滑模满足条件的同时,模糊推理规则采用乘积推理方式进行,模糊***状态与滑模切换面s(t)=0的距离由非线性积分滑模面s(t)的绝对值大小表示,因此,模糊推理规则依据以下原则制定:当s(t)较大时,说明此时跟踪误差e相应较大,因此模糊滑模控制器需要有足够大的输出才能够保证滑模面以更快的速度收敛,同时保证一定的抗干扰性;当s(t)较小时,外骨骼模型状态进入准滑动模态,跟踪误差e按指定状态收敛,合理设计模糊滑模控制器输出力矩,防止s(t)在惯性的作用下频繁穿越滑模切换面s(t)=0而激发抖振,减小稳态误差;
因此,τeq的模糊推理规则为:如果s为正大,则τ为负大;如果s为正小,则τ为负小;如果s为零,则τ为零;如果s为负小,则τ为正小;如果s为负大,则τ为正大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910946543.5A CN110524525B (zh) | 2019-10-05 | 2019-10-05 | 一种下肢外骨骼控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910946543.5A CN110524525B (zh) | 2019-10-05 | 2019-10-05 | 一种下肢外骨骼控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110524525A CN110524525A (zh) | 2019-12-03 |
CN110524525B true CN110524525B (zh) | 2022-04-26 |
Family
ID=68671244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910946543.5A Expired - Fee Related CN110524525B (zh) | 2019-10-05 | 2019-10-05 | 一种下肢外骨骼控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110524525B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111515938B (zh) * | 2020-05-28 | 2022-11-18 | 河北工业大学 | 一种继承型迭代学习控制的下肢外骨骼行走轨迹跟踪方法 |
CN111856945B (zh) * | 2020-08-06 | 2022-06-14 | 河北工业大学 | 一种基于周期事件触发机制的下肢外骨骼滑模控制方法 |
CN113681541B (zh) * | 2021-08-12 | 2022-11-25 | 杭州程天科技发展有限公司 | 一种基于物联网的外骨骼控制***及方法 |
CN113771040A (zh) * | 2021-09-29 | 2021-12-10 | 北京理工大学 | 一种下肢外骨骼机器人控制***及方法 |
CN114162358B (zh) * | 2022-02-11 | 2022-05-17 | 清华大学 | 一种体感微低重力模拟装置 |
CN114851171B (zh) * | 2022-05-24 | 2023-09-05 | 浙江工业大学 | 下肢外骨骼康复机器人步态轨迹跟踪控制方法 |
CN117047782B (zh) * | 2023-10-11 | 2023-12-08 | 中建四局安装工程有限公司 | 适用于三关节机械手的控制方法和装置、终端及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7190141B1 (en) * | 2006-01-27 | 2007-03-13 | Villanova University | Exoskeletal device for rehabilitation |
CN106897575A (zh) * | 2017-04-07 | 2017-06-27 | 河北工业大学 | 一种主动型膝上假肢的准滑模控制方法 |
CN106983589A (zh) * | 2017-04-07 | 2017-07-28 | 河北工业大学 | 一种基于干扰观测器的主动型膝上假肢终端滑模控制方法 |
CN109276414A (zh) * | 2018-11-28 | 2019-01-29 | 河北工业大学 | 一种下肢外骨骼机器人 |
CN109276415A (zh) * | 2018-11-28 | 2019-01-29 | 河北工业大学 | 一种下肢外骨骼机器人的控制方法 |
-
2019
- 2019-10-05 CN CN201910946543.5A patent/CN110524525B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7190141B1 (en) * | 2006-01-27 | 2007-03-13 | Villanova University | Exoskeletal device for rehabilitation |
CN106897575A (zh) * | 2017-04-07 | 2017-06-27 | 河北工业大学 | 一种主动型膝上假肢的准滑模控制方法 |
CN106983589A (zh) * | 2017-04-07 | 2017-07-28 | 河北工业大学 | 一种基于干扰观测器的主动型膝上假肢终端滑模控制方法 |
CN109276414A (zh) * | 2018-11-28 | 2019-01-29 | 河北工业大学 | 一种下肢外骨骼机器人 |
CN109276415A (zh) * | 2018-11-28 | 2019-01-29 | 河北工业大学 | 一种下肢外骨骼机器人的控制方法 |
Non-Patent Citations (1)
Title |
---|
"下肢外骨骼***摆动相非线性干扰观测器设计";陈玲玲 等;《哈尔滨工程大学学报》;20181231;第39卷(第12期);第1994-2000页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110524525A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110524525B (zh) | 一种下肢外骨骼控制方法 | |
CN106983589B (zh) | 一种基于干扰观测器的主动型膝上假肢终端滑模控制方法 | |
Popovic et al. | Angular momentum regulation during human walking: biomechanics and control | |
US10335294B2 (en) | Systems and methods for automatically tuning powered prosthesis impedance control parameters | |
CN110327187B (zh) | 一种外骨骼的带先验力矩无模型控制方法 | |
Qian et al. | Predictive locomotion mode recognition and accurate gait phase estimation for hip exoskeleton on various terrains | |
Aghasadeghi et al. | Learning impedance controller parameters for lower-limb prostheses | |
CN110711114A (zh) | 一种基于动力学模型的外骨骼自抗扰控制方法 | |
CN112051741A (zh) | 一种双足机器人动态运动生成与控制方法 | |
CN104921851B (zh) | 主动型膝上假肢膝关节的预测控制方法 | |
Lee et al. | Real-time user-independent slope prediction using deep learning for modulation of robotic knee exoskeleton assistance | |
US20230066952A1 (en) | Systems and methods for reinforcement learning control of a powered prosthesis | |
Pi et al. | Biologically inspired deadbeat control of robotic leg prostheses | |
Ma et al. | A piecewise monotonic smooth phase variable for speed-adaptation control of powered knee-ankle prostheses | |
CN106897575B (zh) | 一种主动型膝上假肢的准滑模控制方法 | |
Esmaeili et al. | Using fuzzy neural network sliding mode control for human-exoskeleton interaction forces minimization | |
Yang et al. | Vit-based terrain recognition system for wearable soft exosuit | |
Pagel et al. | Bio-inspired adaptive control for active knee exoprosthetics | |
Xie et al. | The design and control simulation of trans-femoral prosthesis based on virtual prototype | |
Lv et al. | Passive training control for the lower limb rehabilitation robot | |
Wang et al. | Neural network predictive control of swing phase for a variable-damping knee prosthesis with novel hydraulic valve | |
Al-Maliky et al. | Study and analysis the flexion moment in active and passive knee prosthesis using back propagation neural network predictive | |
Ekkachai et al. | Variable walking speed controller of MR damper prosthetic knee using neural network predictive control | |
Zhang et al. | Gait Prediction and Assist Control of Lower Limb Exoskeleton Based on Inertia Measurement Unit | |
Stolyarov et al. | Automatic incremental learning of terrain transitions in a powered below knee prosthesis |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220426 |
|
CF01 | Termination of patent right due to non-payment of annual fee |