论文部分内容阅读
近年来,科学技术飞速发展,一种用于增强人体机能以及运动辅助的装置已随着智能化科技孕育而生。上肢外骨骼,在机器人技术的基础上,与人工智能相结合,可以为穿戴者提供多种功能支持,具有重要的研究价值与意义。目前,在增力型上肢外骨骼的研究上,交互系统以及控制器设计仍有待发展。基于此,本课题重点就增力型上肢外骨骼的交互系统及控制器进行分析设计。首先,为适应不同手臂长度,在分析上肢活动范围的基础上设计了尺寸可调节的机械结构;接着为研究人体上肢运动过程中肌肉力的提供,推导并建立了上肢骨骼肌简化模型;然后设计了人机交互虚拟样机及基于自适应阻抗模型的交互力控制器,最后引入了补偿器以达到增力辅助的效果。主要研究内容如下:(1)在分析上肢外骨骼研究现状基础上,设计了六自由度的增力型上肢外骨骼结构。分析归纳了国内外典型的上肢外骨骼系统,并研究了上肢外骨骼的驱动器及人机交互的控制器。在此基础上进行了上肢外骨骼自由度的配置、机械结构的设计及驱动器的选择。(2)为研究上肢运动过程中肌肉力的提供问题,建立了基于Hill模型的上肢骨骼肌模型。通过分析人体上肢的生理结构,推导并计算了人体上肢的肩关节以及肘关节屈伸运动过程中肌肉的驱动力矩,基于MATLAB进行了模型仿真。(3)通过上肢外骨骼模型分析,设计了尺寸可调节的人机交互虚拟样机。推导了上肢外骨骼的正运动学,逆运动学及动力学模型,并在SolidWorks中建立了外骨骼的3D虚拟样机:为了适应不同手臂长度,建立了尺寸可调节部分并通过插件导入MATLAB中为之后的联合仿真提供基础;建立了人机交互模型,即在SolidWorks中创建上肢模型,并根据上肢与外骨骼间的位置差,采用弹簧阻尼系统来获取交互力。(4)针对上肢末端增力问题,在基于位置的阻抗模型交互力控制器基础上设计了PSO优化神经网络补偿的无模型控制器(PSO-MFNNC)进行轨迹跟踪。首先,分析选定基于位置的阻抗模型得出位置修正量。然后针对阻抗参数选取的复杂性,设计了模糊控制器以实现参数的在线调整;针对轨迹跟踪部分,引入了基于时延估计神经网络补偿的无模型控制器,并采用PSO算法进行参数优化使得神经网络参数的选取更为简单。最后加入外部干扰补偿及重力补偿模块,改善了系统的控制性能,使控制器更为智能。(5)基于阻抗模型的自适应交互力控制器在MATLAB中进行仿真及优化。在人机交互模型下,将MFNNC及PSO-MFNNC控制方法进行仿真比较,并验证了外部干扰补偿器的有效性。针对外骨骼自身对系统产生的影响,加入了重力补偿器实现重力补偿。由于负载增加时,系统跟踪误差及人机交互力也会随之增大,因此,在控制器设计中引入负载补偿器,仿真结果表明跟踪效果得以优化。