下肢外骨骼人機(jī)交互信息感知與協(xié)調(diào)運(yùn)動控制的研究.pdf

1、下肢外骨骼機(jī)器人具有將人的智能與機(jī)械的速度、耐力結(jié)合的優(yōu)點(diǎn)。其巨大的應(yīng)用潛力成為各國爭相研究的熱點(diǎn)，而對于外骨骼準(zhǔn)確獲取人體運(yùn)動意圖并實(shí)現(xiàn)人機(jī)協(xié)調(diào)運(yùn)動一直是一大難點(diǎn)。本文就此問題從人機(jī)交互信息檢測、運(yùn)動意圖估計(jì)算法以及協(xié)調(diào)運(yùn)動控制方法等方面展開了詳細(xì)研究。
　　針對助力負(fù)重外骨骼機(jī)器人，要求實(shí)用性強(qiáng)，能適應(yīng)不同的使用環(huán)境。本文首先確定了采用物理式人機(jī)交互方式進(jìn)行交互信息獲取的方案，并依據(jù)方案設(shè)計(jì)了彈性體與編碼器組合使用的交互力檢測

2、裝置?？紤]交互信息檢測的靈敏度、穩(wěn)定性以及穿戴舒適性的要求，彈性體的設(shè)計(jì)至關(guān)重要，圍繞彈性體設(shè)計(jì)進(jìn)行目標(biāo)制定，材料選擇，然后采用有限元法（FEM）進(jìn)行彈性體參數(shù)化設(shè)計(jì)。由于仿真分析及加工制造等存在誤差，設(shè)計(jì)彈性體剛度特性標(biāo)定試驗(yàn)臺進(jìn)行實(shí)驗(yàn)標(biāo)定。最終通過該檢測裝置能準(zhǔn)確獲取人機(jī)交互信息。
　　根據(jù)獲取的人機(jī)交互信息，研究了運(yùn)動意圖的估計(jì)算法，由于物理式人機(jī)交互對于交互信息的獲取存在滯后以及所得信號單一，本文采用Kalman濾波器進(jìn)行

3、信號濾波處理后提出了對信號進(jìn)行序列化處理后，很好的改善了信息對于人體運(yùn)動意圖的滯后問題并盡可能多的保留了信號內(nèi)在的意圖信息。考慮交互信息與運(yùn)動意圖信息映射模型難以用數(shù)學(xué)方法分析得到，本文采用機(jī)器學(xué)習(xí)中的高斯過程回歸（Gaussian Process Regressive,GPR）算法，進(jìn)行意圖估計(jì)模型的獲取，通過構(gòu)造GPR算法，在MATLAB中，進(jìn)行離線估計(jì)分析，結(jié)果表明檢驗(yàn)了GPR很好的準(zhǔn)確性及泛化能力。
　　本文基于GPR意圖

4、估計(jì)的協(xié)調(diào)運(yùn)動方法，建立外骨骼機(jī)器人的動力學(xué)模型，提出了自適應(yīng)PID結(jié)合CMAC補(bǔ)償?shù)膹?fù)合控制策略，基于滑模變結(jié)構(gòu)的思想使用梯度下降法建立了PID參數(shù)的自適應(yīng)律，CAMC補(bǔ)償器更好的保證了外骨骼跟蹤人體運(yùn)動意圖的精度。采用CGA（Clinical Gait Analysis）數(shù)據(jù)庫，進(jìn)行了軌跡跟蹤控制仿真，檢驗(yàn)了提出的控制算法具有很好的跟蹤性能。
　　最后，搭建了下肢外骨骼試驗(yàn)系統(tǒng)，基于所估計(jì)的人體運(yùn)動意圖與控制方法，進(jìn)行了軌跡跟