论文部分内容阅读
外骨骼机器人作为穿戴式辅助设备,在越来越多的领域得到应用,人们对其安全和效率等方面的要求也越来越高,因此,研究外骨骼机器人在人机交互中的轨迹生成方法以及控制策略有着十分重要的意义。本文基于外骨骼机器人,针对人机交互,提出一种基于能量优化方程的轨迹生成策略以及自适应控制方法。根据人施加到机器人的交互力,实时通过神经网络求解能量优化方程生成机器人运动的参考轨迹,该参考轨迹即为机器人顺应人运动的轨迹,包含了人的运动意图,同时可以最小化交互力,以减小人的操作负担。考虑到机器人动力学模型中的不确定信息(包括未知的质量和惯性力矩等),基于李雅普诺夫方法设计了相应的自适应控制器,使机器人能够以较高的精度跟踪参考轨迹。本文的主要研究内容概括如下:(1)本文在能量优化和避障的基础上,考虑了机器人关节的物理极限,通过人机交互实现了两个关节的机械臂轨迹生成。与相关工作不同的是,本文不仅考虑了轨迹生成过程中机械手的能量消耗,还考虑了轨迹的可行性,增加了对原始方程的不等式约束,以避免机械臂超出关节限制。在将优化问题转化为带约束的方程后,本文使用神经网络来快速求解最优轨迹。(2)设计了一种包含两个环路的自适应控制框架。外环根据人机之间的交互力,通过神经网络来快速求解带有约束的能量优化方程,重新塑造出机器人的运动参考轨迹,该轨迹作为内环的输入;内环利用机器人的运动状态反馈,基于李雅普诺夫稳定性理论和模糊控制理论设计出了带有干扰观测器的自适应模糊控制器,其中基于回归量来处理动力学的不确定信息,干扰观测器则用来补偿系统受到的外部未知干扰。该控制方案结合了能量优化的轨迹生成方法,不仅有效处理了机器人的物理约束,使机器人的跟踪性能达到满意的效果,与传统方法比较,设计的控制器能够大大减小人所需的交互力。