论文部分内容阅读
外骨骼机器人是一类能够增强和改善人体运动机能的穿戴式设备,下肢助力外骨骼主要用于对人体负重行走进行助力,其在复杂路况的运输、单兵装备、工业制造等场合具有广泛的应用背景。外骨骼研究的重点在于:轻便、灵活、有效的构型设计,智能、稳定、快速的控制系统设计。控制策略又是控制系统的重要部分,是整个机器人的灵魂。现今虽在外骨骼的控制策略上取得了一定的成果,但需要深入的研究,提出更有效的控制方法,这样才能最大限度地发挥外骨骼的性能、作用。本文主要研究内容是外骨骼机器人助力行走过程的控制策略。 本文通过对不同控制方法的研究,分析了各种控制策略的性能和特点,提出了基于动力学模型补偿、人机作用力跟随和对人机交互模型在线学习控制的综合控制策略。本文运用牛顿-欧拉方程对外骨骼进行动力学建模,并采用参数辨识方法获取机器人的动力学模型参数。对机器人关节摩擦特性进行了研究,建立了机器人的关节摩擦模型,并对摩擦进行补偿。 对摆动相采用基于精确的动力学进行补偿控制,精确的摆动腿动力学补偿能够增大摆动的动态响应、跟随性。对于支撑相运用简化的人机倒立摆模型对机器人进行动力学补偿,简化模型具有较高的计算效率,并且模型的参数可精确获取、可行性高;同时进行了人机接触力跟随控制。在此基础上,通过研究人机作用关系,确定了人机作用模型,并运用最小二乘支持向量机在线学习方法建立了人机作用模型,建立了基于模型的预测控制方法。 进行了动力学参数辨识的实验,机器人跟踪激励轨迹运动,结果证明通过辨识的参数能够较准确的估计出机器人的力矩。控制实验分别对摆动相进行了基于动力学的补偿,对支撑相进行基于简化模型的补偿控制,实验证明动力学运算实时性好,而且能够达到较明显的助力效果。在此基础上进行人机接触力跟随控制,进一步减小了人机之间的作用力。最后运用最小二乘支持向量机对人机作用力进行建模,验证了算法能够对模型进行实时学习和跟踪,对负载具有一定的跟踪能力。