论文部分内容阅读
随着我国人口老龄化的加剧,脑卒中患者越来越多,上肢康复机器人可以为脑卒中患者提供科学有效的康复训练。在众多上肢康复机器人的研究中,控制策略是其核心技术,其科学性与人机融合性影响着康复效果。面对处于不同康复治疗时期的患者,设计与其相对应的控制策略是本文主要的工作内容。针对被动康复训练期间患者肌肉不自觉震颤和痉挛的问题,提出一种基于非线性干扰观测器的滑模控制（Sliding Mode Control Based on Nonlinear Disturbance Observer,NDO-SMC）被动策略。针对主动康复训练期间名义模型建模不精确的问题,提出一种基于径向基神经网络的自适应控制（Adaptive Active Control Based on Radial Basis Function Neural Network,RBFNN-AAC）主动策略。针对上述提到的两种问题,提出一种主动康复训练期间和被动康复训练期间均适用的主被动训练模式下基于非线性干扰观测器的径向基神经网络滑模控制（Radial Basis Function Neural Network Sliding Mode Control Based on Nonlinear Disturbance Observer,NDO-RBFNNSMC）的综合策略。最终通过仿真验证,实现了上肢康复机器人稳定、快速、准确的跟踪期望训练轨迹。具体工作如下:（1）为了保证康复运动的控制和执行,机器人运动学分析和动力学建模分析是基础。运动学部分包括对空间中刚体姿态、坐标系描述和齐次坐标变换进行了介绍,通过德纳维特和哈滕伯格（Denavit and Hartenberg,D-H）参数建模法建立了上肢康复机器人的正运动学方程。动力学部分通过拉格朗日法求解得出可以表示任意n关节的机器人动力学方程。为了更直观和形象地认识上肢康复机器人,通过 SolidWorks 软件设计了七自由度（Seven Degree of Freedom,7-DOF）上肢外骨骼康复机器人。（2）针对被动康复训练期间因患者出现痉挛震颤,采取增大滑模控制中切换增益的方法来消除外界干扰而引入系统抖振的问题,提出一种基于NDO-SMC的被动控制策略。设计非线性干扰观测器对复合扰动进行在线估计,并将其估计值反馈到力矩控制器中抵消在线观测的误差值。在MATLAB/Simulink仿真环境中,设计了六组对比仿真实验,结果表明所提出的基于NDO-SMC的被动控制策略对肌肉震颤痉挛此类复合干扰有很好的观测作用。既保证了对干扰值的在线估计,提高了轨迹跟踪精度,又间接减小滑模控制中的切换增益,有效降低了系统的抖振。（3）针对主动康复训练期间采用名义模型代替精确数学模型存在模型误差的问题,提出一种基于RBFNN-AAC的主动控制策略。由于RBF神经网络对任意非线性不确定函数的逼近能力和自适应控制有具备神经网络权值收敛的能力,RBF神经网络对建模误差进行在线逼近,自适应算法来调整隐含层的权值。通过仿真验证对比两种不同控制算法下的跟踪效果,得出基于RBFNN-AAC的主动控制策略能够更好的跟踪期望轨迹,在跟踪精度、速度以及稳定性上都明显好于未补偿的名义模型控制算法,保证了患者在主动康复训练期间的效果和效率。（4）针对主动康复训练期间和被动康复训练期间所提出的问题,提出一种主被动训练模式下基于NDO-RBFNNSMC的综合控制策略。在滑模控制器中采用饱和函数sat代替符号函数sgn,并设计不含θ的加速度项保证实际工程中通过微分信号可以有效得到加速度信号,并采用李雅普诺夫稳定性法证明所设计控制器的稳定性。仿真结果表明,所提算法不仅对干扰有很好的观测作用且能消除滑模控制中由于符号函数带来的抖振问题,而且对名义模型建模不精确问题进行了估计补偿,保证患者和设备在主动训练和被动训练过程中的效率和安全性。