助行机器人及其控制技术研究

来源 :北京理工大学 | 被引量 : 0次 | 上传用户:w_h1983
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为应对社会老龄化及下肢运动功能障碍人士对康复器具的需求,近年来用以辅助老年人及下肢功能障碍残疾人行走的助行机器人受到学术界的广泛重视。现有的助行机器人大多是采用多样的力传感器检测使用者的上肢力量来反映使用者的行走意图。本文针对现有助行机器人操作复杂等的不足,提出出一种具有用户友好性人机接口的助行机器人,并给出机器人的运动伺服控制方法。论文主要的研究内容以及工作如下:1)针对目标群体对助行机器人的需求以及现有助行机器人的不足,提出一种基于用户友好性的助行机器人平台构建方法和技术实现途径。该系统包括机械结构、人机接口、控制系统、驱动系统等,可以为使用者提供辅助行走、安全保护、医学数据采集等功能。2)鉴于使用者行走意图对助行机器人运动控制的重要影响,提出了人体的两种基本行走状态的表达方法,确定了机器人的人机接口对不同基本行走状态的辨识方法。对于基本行走状态I和II,分别推导了人体对机器人作用力与人体位移或转角之间的数学模型,根据该数学模型,计算出了机器人的期望位移或转角,从而提出了基于数学模型控制方法,解决了机器人的运动控制问题。此外,为了优化数学模型,通过对力传感器的初始值和实时值之间的偏差分析,提出了力反馈控制方法,解决了由于数学模型和参数的不精确性给控制系统所带来的确定性误差。此外,在simulink中仿真证明了两种控制方法的正确性。3)对于多参数变化的行走状态,即使用者同时产生位移和转角的变化,推导了人体对机器人作用力与人体位移和转角之间的非线性数学模型,并以线性化为工具分析了这个数学模型的特点。基于此,建立了多参数变化行走状态下的机器人双输入双输出的差值力反馈控制系统,仿真实验表明这种控制系统机器人可以有效跟随使用者位移而进行康复训练。在多参数变化行走状态下数学模型的基础上,利用四个角度传感器测得的角度信息,可以计算出使用者的实时位移和转角。为了使用舒适度的提高,以贝塞尔曲线为工具,并定义用以保证使用舒适度的位移波动度和转角波动度两个概念,采用多段拼接二阶贝塞尔曲线的形式,为机器人构造出了一条光滑的轨迹。4)为了有效避开障碍物并且保证使用舒适度,对机器人的避障进行了研究。提出了一种基于强化学习的共享控制方法。采用模糊控制规划出了机器人的避障轨迹。并且采用学习算法来在线调节使用者权重,得到了即能顺应使用者意图,又能保障机器人有效避障的运动控制方法。5)开展了助行康复训练机器人的实验研究。包括:基本行走状态I和II下的基于数学模型控制方法和力反馈控制方法、差值力反馈控制系统、多段拼接贝塞尔曲线轨迹规划、基于学习算法的共享控制。对实验产生的数据进行处理和分析,证明了机器人结构,人机接口、伺服控制和安全保护的有效性和合理性,实现了更加安全、稳定、灵活、成本更低以及易于操作的智能康复助行机器人。
其他文献
<正> 在1988年芬兰政府制定的先进的能源系统和技术发展计划(NEMO)(1988—1992)推动下,芬兰的风能利用得到较大发展。1993年初芬兰又制定了八个能源
抠图技术能够准确细致地检测出前景与背景的差异,但是现有的大多数抠图算法均需事先给出前景与背景的标记,在海量影像处理业务中具有明显的局限性。本文将抠图技术引入风云气
实验室试验与实际生产应该紧密结合,经发酵蒸制而成的杂粮馒头,具备色多、光亮、皮软、光润、膨松喧软、筋力适度、淡香微甜等的感官性状,其有宜于配菜,久食不厌的特点。而且
总结对4607例妇科择期手术患者住院前电话沟通的经验。为了保持护患沟通的连续性,贯彻以人为本的服务理念,由病房护士通过电话对每例预约住院的患者进行住院前电话沟通。结果
目前计算机技术的发展和应用已经深刻地影响了人们的生活习惯和思维方式。基于这一现状,为了提高学生对于计算机的接受能力,为将来学习计算机打下良好的基础,各大中职院校都
在讨论对称多项式性质的基础上用待定系数法进行“对称多项式的因式分解”.
为了研究单环刺螠Urechis unicinctus在不同温度(15、20、25、30℃)的湿沙无水和湿沙有水干露条件下的耐受性、体表黏液分泌量及成分含量的变化,试验采用离心管提取平均体质
近年来,不孕症的治疗发生了巨大的变化,我院近2年采用输卵管配子移植术(GIFT)治疗,2例取得了成功,现报告如下.临床资料自1999年12月以来,我院收治的不孕症患者共9例,年龄26~35
本文从探究制约非师范专业贫困生职业生涯规划教育功能优化的内因和外因出发,积极探索科学、有效的对策,以期增强非师范专业贫困生的职业规划能力并对高校就业服务与指导工作
文中针对非侵入式负荷检测技术,提出了一种基于LSTM网络深度学习模型的负荷辨识方法。在该方法中,为避免电压、电流等信号的干扰,提出一种基于高斯窗移动变点寻优算法监测负