CN110673544A - 基于自适应在线学习的上肢康复机器人控制方法 - Google Patents

基于自适应在线学习的上肢康复机器人控制方法 Download PDF

Info

Publication number
CN110673544A
CN110673544A CN201910921845.7A CN201910921845A CN110673544A CN 110673544 A CN110673544 A CN 110673544A CN 201910921845 A CN201910921845 A CN 201910921845A CN 110673544 A CN110673544 A CN 110673544A
Authority
CN
China
Prior art keywords
upper limb
limb rehabilitation
rehabilitation robot
model
adaptive
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
CN201910921845.7A
Other languages
English (en)
Other versions
CN110673544B (zh
Inventor
任彬
王耀
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201910921845.7A priority Critical patent/CN110673544B/zh
Publication of CN110673544A publication Critical patent/CN110673544A/zh
Application granted granted Critical
Publication of CN110673544B publication Critical patent/CN110673544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4086—Coordinate conversions; Other special calculations
    • 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
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35356—Data handling

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Epidemiology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Rehabilitation Therapy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Manipulator (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了一种基于自适应在线学习的上肢康复机器人控制方法，属于上肢康复机器人控制***设计领域。本方法的操作步骤为：1）利用拉格朗日动力学方程建立上肢康复机器人单臂***的动力学模型；2）基于自适应在线学习设计上肢康复机器人的控制***模型；3）在MATLAB/Simulink中建立上肢康复机器人自适应在线学习的控制仿真模型；4）通过仿真实验，分析在自适应在线学习控制方法下，上肢康复机器人的角度及角速度跟踪误差，以及误差收敛情况。本发明方法具有创新性和仿真依据，可解决现有上肢康复机器人运动控制中误差较大及鲁棒性不足等缺陷，对上肢康复机器人控制***的设计具有重大的指导意义。

Description

基于自适应在线学习的上肢康复机器人控制方法
技术领域
本发明涉及一种基于自适应在线学习的上肢康复机器人控制方法，应用于上肢康复人机协同运动控制领域。
背景技术
随着机器人技术的迅速发展，机器人的应用领域已经从传统的工业领域向日常生活中渗透，其中上肢康复机器人更是目前的一个研究热点。上肢康复是一种可穿戴的人机一体化机械装置，该装置可以重建或者增强穿戴者的上肢运动能力，在医疗康复、人机协同工作或军事救灾等领域具有广泛的应用前景。为了实现上肢康复的助力功能，要求上肢康复需要严格跟踪穿戴者的上肢运动轨迹，同时上肢康复机器人和穿戴者上肢之间的交互力保持最小，甚至是不存在。若上肢康复机器人的跟踪性能较差，会导致人机的交互力变大，影响穿戴者的运动，甚至危及穿戴者的安全。
上肢康复机器人***是一个强耦合、高度非线性的***，在实际***中难以建立精确的数学模型。自适应在线学习控制是一种在线修正的控制方法，它能够根据期望的性能指标和实际的性能指标之间的差值来修正控制律或者控制参数，使***能够保持最优或者次最优的工作状态，因此自适应在线学习控制非常适应于解决这类人机协同的运动问题。利用自适应控制的在线学习能力，在线估计上肢康复机器人的未知模型参数，及时修正控制器的控制参数，实现控制器的实时优化，有助于提高***的稳定性和鲁棒性。
发明内容
本发明的目的在于克服已有技术存在的不足，提供一种基于自适应在线学习的上肢康复机器人控制方法，通过自适应在线学习控制逼近上肢康复机器人的模型，建立实时更新的上肢康复机器人控制***。
为达到上述目的，本发明采用如下技术方案：
一种基于自适应在线学习的上肢康复机器人控制方法，具体步骤如下：
1)利用拉格朗日动力学方程建立上肢康复机器人单臂***的动力学模型；
2)基于自适应在线学习设计上肢康复机器人的控制***模型；
3)在MATLAB/Simulink中建立上肢康复机器人自适应在线学习的控制仿真模型；
4)通过仿真实验，分析在自适应在线学习控制方法下，上肢康复机器人的角度及角速度跟踪误差，以及误差收敛情况。
所述步骤1)的具体步骤如下：
针对上肢康复机器人的单臂(左臂或者右臂)模型，只考虑单臂的肩关节和肘关节，对模型进行简化，利用拉格朗日动力学方程建立上肢康复机器人的动力学模型如下：
Figure BDA0002217827800000021
其中：
Figure BDA0002217827800000022
是上肢康复机器人的惯性矩阵，
Figure BDA0002217827800000023
表示离心力和哥式力，
Figure BDA0002217827800000024
Figure BDA0002217827800000025
是重力项，
Figure BDA0002217827800000026
是关节在矢状面(即沿着人体前后方向将人体分为左右两部分的纵切面)的旋转角度，T是外部因素；D(q)，和G(q)表达式如下：
Figure BDA0002217827800000028
Figure BDA0002217827800000029
Figure BDA00022178278000000210
其中P＝[p1 p2 p3]T表示上肢康复机器人的模型参数向量，
Figure BDA00022178278000000211
p3＝m2l1l2，g1＝g/l1，m1，m2表示上肢康复机器人大臂和小臂的质量，l1，l2表示上肢康复机器人大臂和小臂的长度；
所述步骤2)的具体步骤如下：
定义上肢康复机器人的关节角度误差函数e(t)如下：
e(t)＝q(t)-qd(t) (5)
定义滑模函数s(t)如下：
Figure BDA00022178278000000212
给定滑模控制律如下：
Figure BDA00022178278000000213
Figure BDA00022178278000000214
其中qd(t)是上肢康复机器人关节角度的期望值，c>0是滑模系数，d>0是干扰的上界，K1，K2是增益矩阵，u是用于克服干扰的鲁棒项，
Figure BDA00022178278000000215
Figure BDA00022178278000000216
是已知关节变量函数的回归矩阵，它是上肢康复机器人广义坐标及其各阶导数的已知函数矩阵；考虑到在实际的上肢康复机器人***中，模型是不精确的，因此利用自适应控制来估计上肢康复机器人的模型参数P，自适应控制律如下：
通过自适应控制器在线逼近上肢康复机器人的模型参数，滑模主控制器实时地进行更新；给定上肢康复机器人的期望关节角度qd(t)，在滑模主控制器和自适应控制器的作用下，实现上肢康复机器人的实际关节运动角度q(t)对期望轨迹qd(t)的有效跟踪，并且具有较强的抗干扰能力；
所述步骤3)的具体步骤如下：
基于上述的自适应在线学习控制方法，在MATLAB/Simulink中搭建上肢康复机器人单臂控制的仿真模型；该仿真模型包含五个主要模块，即输入模块、自适应控制器模块、滑模主控制器模块、上肢康复机器人模型模块和输出模块；其中，输入模块用于定义上肢康复机器人的期望关节角度qd(t)，自适应控制器模块和滑模主控制器模块组成总控制器，用于控制上肢康复机器人对期望轨迹进行有效地跟踪，上肢康复机器人模型模块用于定义上肢康复机器人的动力学模型，输出模块用于输出上肢康复机器人的期望关节角度，输出自适应控制器对上肢康复机器人模型参数的逼近效果，输出上肢康复机器人的实际关节运动轨迹。
本发明与现有技术相比较，具有如下显而易见的突出特点和显著优点：
本发明在于解决上肢康复机器人的轨迹跟踪问题，采用自适应在线学习的方法，可以有效地解决上肢康复机器人控制模型不精确的问题，且控制器结构相对简单，比较容易实现。本发明在控制器中加入了鲁棒项，有助于提高上肢康复机器人的抗干扰能力，同时能够提高***的稳定性。
附图说明
图1为本发明基于自适应在线学习的上肢康复机器人控制的仿真模型图；
图2为本发明实施例一的肩关节角度和角速度的跟踪轨迹；
图3为本发明实施例一的肘关节角度和角速度的跟踪轨迹；
图4为本发明实施例一的肩关节和肘关节的轨迹跟踪误差。
具体实施方式
本发明的优选实施例结合附图详述如下：
实施例一：
一种基于自适应在线学习的上肢康复机器人控制方法，具体步骤如下：
a.建立上肢康复机器人的模型：
针对上肢康复机器人的单臂(左臂或右臂)模型，只考虑单臂的肩关节和肘关节，对模型进行简化，利用拉格朗日动力学方程建立上肢康复机器人的动力学模型如下：
Figure BDA0002217827800000041
其中q＝[q1 q2]T，q1是上肢康复机器人肩关节的运动角度，q2是上肢康复机器人肘关节的运动角度。m1＝1kg，m2＝1.2kg，l1＝0.3m，l2＝0.35m，g＝9.8m/s2。
b.自适应在线学习控制
基于自适应在线学习的上肢康复机器人控制器如下：
Figure BDA0002217827800000042
Figure BDA0002217827800000043
其中K1＝diag[150 150]，K2＝diag[150 150]，c＝5，d＝3，ε＝0.01，Γ＝diag[5 55]。
c.上肢康复机器人MATLAB/Simulink仿真模型
建立如图1所示的自适应在线学习的上肢康复机器人控制***模型。该仿真模型包含五个主要模块，即输入模块1、自适应控制器模块4、滑模主控制器模块3、上肢康复机器人模型模块5和输出模块7；其中，输入模块1用于定义上肢康复机器人的期望关节角度qd(t)，自适应控制器模块4和滑模主控制器模块5组成总控制器8，用于控制上肢康复机器人对期望轨迹2进行有效地跟踪，上肢康复机器人模型模块5用于定义上肢康复机器人的动力学模型，输出模块7用于输出上肢康复机器人的期望关节角度，输出自适应控制器对上肢康复机器人模型参数的逼近效果，输出上肢康复机器人的实际关节运动轨迹。
d.仿真结果分析
通过仿真结果可以得到上肢康复机器人肩关节和肘关节的角度和角速度的跟踪情况，以及误差的收敛情况。基于自适应在线学习的上肢康复机器人控制***模型如图1所示，肩关节角度和角速度的轨迹跟踪情况如图2所示，肘关节角度和角速度的轨迹跟踪情况如图3所示，肩关节和肘关节的轨迹跟踪误差如图4所示。从图2和图3可以看出基于自适应在线学习的控制对期望关节轨迹(角度和角速度)具有良好的跟踪效果，从图4可以得出，对于给定的上肢康复机器人模型，在自适应在线学习控制器的作用下，肩关节和肘关节的角度跟踪误差和角速度跟踪误差都能够快速收敛到零，并且逐渐稳定在零的某一个很小的领域之内，即|e|≤δ1，
Figure BDA0002217827800000051
其中δ1和δ2都是一个值很小的正数，在图4中，δ1＝5×10-4，单位为弧度，δ2＝5×10-3，单位为弧度每秒。对于上肢康复机器人来说，肩关节和肘关节的跟踪性能是最主要的考量因素，同时要尽可能的降低肩关节和肘关节的跟踪误差，避免因关节误差过大而引起关节损伤。
本实例基于自适应在线学习设计了上肢康复机器人单臂的控制方法，可以有效地解决了上肢康复机器人控制误差较大的问题，对提高上肢康复机器人的控制性能有重大的指导意义。

Claims (4)

1.一种基于自适应在线学习的上肢康复机器人控制方法，其特征在于，具体步骤如下：
1)利用拉格朗日动力学方程建立上肢康复机器人单臂***的动力学模型；
2)基于自适应在线学习设计上肢康复机器人的控制***模型；
3)在MATLAB/Simulink中建立上肢康复机器人自适应在线学习的控制仿真模型；
4)通过仿真实验，分析在自适应在线学习控制方法下，上肢康复机器人的角度及角速度跟踪误差，以及误差收敛情况。
2.根据权利要求1所述的基于自适应在线学习的上肢康复机器人控制方法，其特征在于，所述步骤1)的具体步骤如下：
针对上肢康复机器人的单臂模型，只考虑单臂的肩关节和肘关节，对模型进行简化，利用拉格朗日动力学方程建立上肢康复机器人的动力学模型如下：
Figure FDA0002217827790000011
其中：
Figure FDA0002217827790000012
是上肢康复机器人的惯性矩阵，表示离心力和哥式力，
Figure FDA0002217827790000014
Figure FDA0002217827790000015
是重力项，
Figure FDA0002217827790000016
是关节在矢状面的旋转角度，T是外部因素；D(q)，
Figure FDA0002217827790000017
和G(q)表达式如下：
Figure FDA0002217827790000018
Figure FDA0002217827790000019
Figure FDA00022178277900000110
其中P＝[p1 p2 p3]T表示上肢康复机器人的模型参数向量，
Figure FDA00022178277900000111
p3＝m2l1l2，g1＝g/l1，m1，m2表示上肢康复机器人大臂和小臂的质量，l1，l2表示上肢康复机器人大臂和小臂的长度。
3.根据权利要求1所述的基于自适应在线学习的上肢康复机器人控制方法，其特征在于，所述步骤2)的具体步骤如下：
定义上肢康复机器人的关节角度误差函数e(t)如下：
e(t)＝q(t)-qd(t) (5)
定义滑模函数s(t)如下：
Figure FDA00022178277900000112
给定滑模控制律如下：
Figure FDA0002217827790000021
Figure FDA0002217827790000022
其中qd(t)是上肢康复机器人关节角度的期望值，c>0是滑模系数，d>0是干扰的上界，K1，K2是增益矩阵，u是用于克服干扰的鲁棒项，
Figure FDA0002217827790000023
Figure FDA0002217827790000024
是已知关节变量函数的回归矩阵，它是上肢康复机器人广义坐标及其各阶导数的已知函数矩阵；考虑到在实际的上肢康复机器人***中，模型是不精确的，因此利用自适应控制来估计上肢康复机器人的模型参数P，自适应控制律如下：
Figure FDA0002217827790000025
通过自适应控制器在线逼近上肢康复机器人的模型参数，滑模主控制器实时地进行更新；给定上肢康复机器人的期望关节角度qd(t)，在滑模主控制器和自适应控制器的作用下，实现上肢康复机器人的实际关节运动角度q(t)对期望轨迹qd(t)的有效跟踪，并且具有较强的抗干扰能力。
4.根据权利要求1所述的基于自适应在线学习的上肢康复机器人控制方法，其特征在于，所述步骤3)的具体步骤如下：
基于上述的自适应在线学习控制方法，在MATLAB/Simulink中搭建上肢康复机器人单臂控制的仿真模型；该仿真模型包含五个主要模块，即输入模块、自适应控制器模块、滑模主控制器模块、上肢康复机器人模型模块和输出模块；其中，输入模块用于定义上肢康复机器人的期望关节角度qd(t)，自适应控制器模块和滑模主控制器模块组成总控制器，用于控制上肢康复机器人对期望轨迹进行有效地跟踪，上肢康复机器人模型模块用于定义上肢康复机器人的动力学模型，输出模块用于输出上肢康复机器人的期望关节角度，输出自适应控制器对上肢康复机器人模型参数的逼近效果，输出上肢康复机器人的实际关节运动轨迹。
CN201910921845.7A 2019-09-27 2019-09-27 基于自适应在线学习的上肢康复机器人控制方法 Active CN110673544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910921845.7A CN110673544B (zh) 2019-09-27 2019-09-27 基于自适应在线学习的上肢康复机器人控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910921845.7A CN110673544B (zh) 2019-09-27 2019-09-27 基于自适应在线学习的上肢康复机器人控制方法

Publications (2)

Publication Number Publication Date
CN110673544A true CN110673544A (zh) 2020-01-10
CN110673544B CN110673544B (zh) 2022-11-18

Family

ID=69079652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910921845.7A Active CN110673544B (zh) 2019-09-27 2019-09-27 基于自适应在线学习的上肢康复机器人控制方法

Country Status (1)

Country Link
CN (1) CN110673544B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112068434A (zh) * 2020-09-09 2020-12-11 北京航空航天大学 基于扩展状态观测器的康复机械装置迭代学习控制方法
CN112180719A (zh) * 2020-09-01 2021-01-05 上海大学 基于人机协作***的新型鲁棒有限时间轨迹控制方法
CN112223276A (zh) * 2020-09-01 2021-01-15 上海大学 基于自适应神经网络滑模控制的多关节机器人控制方法
CN114367977A (zh) * 2021-12-08 2022-04-19 沈阳工业大学 一种基于rto和scfo结合的下肢康复机器人的控制方法
CN114596935A (zh) * 2020-12-03 2022-06-07 深圳先进技术研究院 一种基于人因工程的康复训练方法及其***
CN114601451A (zh) * 2021-04-09 2022-06-10 长春工业大学 一种基于表面肌电信号的上肢外骨骼机器人控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105963100A (zh) * 2016-04-19 2016-09-28 西安交通大学 按患者运动所需辅助的下肢康复机器人自适应控制方法
CN106773695A (zh) * 2016-12-26 2017-05-31 冶金自动化研究设计院 非线性切换双时标***滑膜控制方法
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
CN106997208A (zh) * 2017-05-10 2017-08-01 南京航空航天大学 一种面向不确定条件下的高超声速飞行器的控制方法
CN109343369A (zh) * 2018-11-19 2019-02-15 南京邮电大学 一种基于非线性观测器的四旋翼容错控制器设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105963100A (zh) * 2016-04-19 2016-09-28 西安交通大学 按患者运动所需辅助的下肢康复机器人自适应控制方法
CN106773695A (zh) * 2016-12-26 2017-05-31 冶金自动化研究设计院 非线性切换双时标***滑膜控制方法
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
CN106997208A (zh) * 2017-05-10 2017-08-01 南京航空航天大学 一种面向不确定条件下的高超声速飞行器的控制方法
CN109343369A (zh) * 2018-11-19 2019-02-15 南京邮电大学 一种基于非线性观测器的四旋翼容错控制器设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吕显耀: "《下肢康复机器人运动控制策略的研究》", 《中国优秀硕士学位论文全文数据库 (信息科技)》 *
周海涛: "《下肢外骨骼康复机器人结构设计及控制方法研究》", 《中国优秀硕士学位论文全文数据库 (信息科技)》 *
麻天照: "《下肢外骨骼康复机器人控制***设计与研究》", 《中国优秀硕士学位论文全文数据库 (信息科技)》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180719A (zh) * 2020-09-01 2021-01-05 上海大学 基于人机协作***的新型鲁棒有限时间轨迹控制方法
CN112223276A (zh) * 2020-09-01 2021-01-15 上海大学 基于自适应神经网络滑模控制的多关节机器人控制方法
CN112223276B (zh) * 2020-09-01 2023-02-10 上海大学 基于自适应神经网络滑模控制的多关节机器人控制方法
CN112068434A (zh) * 2020-09-09 2020-12-11 北京航空航天大学 基于扩展状态观测器的康复机械装置迭代学习控制方法
CN112068434B (zh) * 2020-09-09 2021-09-21 北京航空航天大学 基于扩展状态观测器的康复机械装置迭代学习控制方法
CN114596935A (zh) * 2020-12-03 2022-06-07 深圳先进技术研究院 一种基于人因工程的康复训练方法及其***
CN114601451A (zh) * 2021-04-09 2022-06-10 长春工业大学 一种基于表面肌电信号的上肢外骨骼机器人控制方法
CN114601451B (zh) * 2021-04-09 2024-07-23 长春工业大学 一种基于表面肌电信号的上肢外骨骼机器人控制方法
CN114367977A (zh) * 2021-12-08 2022-04-19 沈阳工业大学 一种基于rto和scfo结合的下肢康复机器人的控制方法
CN114367977B (zh) * 2021-12-08 2024-01-23 沈阳工业大学 一种基于rto和scfo结合的下肢康复机器人的控制方法

Also Published As

Publication number Publication date
CN110673544B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN110673544B (zh) 基于自适应在线学习的上肢康复机器人控制方法
CN108527372B (zh) 一种变刚度串联弹性驱动器的机器人关节自适应控制方法
CN109669479B (zh) 一种基于事件触发的移动机器人轨迹跟踪控制方法
CN113601512B (zh) 一种机械臂奇异点的通用规避方法与***
CN111975768B (zh) 一种基于固参神经网络的机械臂运动规划方法
CN106777475B (zh) 一种有限空间约束的注塑机械臂动力学协同仿真方法
CN108241339A (zh) 仿人机械臂的运动求解和构型控制方法
CN110412866B (zh) 基于自适应迭代学习的外骨骼单腿协同控制方法
CN110405762A (zh) 一种基于空间二阶倒立摆模型的双足机器人姿态控制方法
CN110977988A (zh) 基于有限时间命令滤波的多关节机械臂阻抗控制方法
CN106346480B (zh) 一种基于ug和matlab的多自由度注塑机械臂建模方法
CN108381555B (zh) 一种飞行作业机器人冗余度机械臂下位控制器的设计方法
CN111831011A (zh) 一种水下机器人平面轨迹跟踪控制的方法
CN106406098A (zh) 一种机器人***在未知环境下的人机交互控制方法
CN111515938B (zh) 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
CN108469737A (zh) 一种空间非合作目标导航捕获的动力学控制方法及***
CN103389650A (zh) 四通道遥操作***的双边未知死区自适应控制***
CN103984327B (zh) 一种基于模糊控制的小型数字舵机***
CN112237524A (zh) 柔性上肢康复机器人被动康复训练的控制方法
CN112223276B (zh) 基于自适应神经网络滑模控制的多关节机器人控制方法
CN111965979B (zh) 基于外骨骼机器人作动器的有限时间控制方法
CN112008726A (zh) 基于外骨骼机器人作动器的复合有限时间控制方法
CN114851171B (zh) 下肢外骨骼康复机器人步态轨迹跟踪控制方法
CN107485540A (zh) 一种用于智能协步手杖的能量注入***
CN108717267B (zh) 一种六足机器人中枢模式逆向控制方法

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