主动康复训练机器人的感知交互与控制策略

 目前中国面临巨大的康复压力和需求,康复训练是目前实现患者功能恢复的主要方式。主动型康复机器人能够引导和鼓励患者积极参与到康复训练过程中,达到更优的长期训练效果。从主动康复训练辅助技术、主动康复训练感知与神经交互技术、主动康复训练交互控制策略、主动康复训练技术发展等方面分析了主动型康复训练的问题,表明以人为核心的结构设计可以促进系统的舒适性、个性化建模和运动意图获取,可以提高人机交互准确性、诱发患者主动参与提高训练过程中神经交互的有效性。关键词康复机器人;主动康复;运动意图;人机交互;神经反馈刺激     

基于速度场的上肢康复机器人的主动控制策略

针对上肢辅助康复机器人在临床使用中的安全性和平稳性,以及主动康复阶段对患者主动参与康复训练的要求,采用了有别于传统轨迹跟踪的轮廓跟踪策略,并设计了一个主动控制器.轮廓跟踪策略是通过空间中的速度场约束机器人的运动来实现的.速度场可使机器人平滑而稳定地沿着期望的空间曲线运动.主动控制器引入了患者作用力,使机器人的运动速度能够根据患者所施加的作用力进行调整,实现患者主动参与康复训练的目的.仿真结果表明,轮廓跟踪-主动控制策略能够在保证跟踪精度的同时实现人机交互.     

基于差分进化算法下肢康复机构的优化设计

文章针对基于运动轨迹的单自由度下肢康复机器人存在的足部踏板速度突变问题，提出一种平面连杆机构尺度综合的优化方法。对下肢康复机构进行运动学分析，建立正逆解的数学模型，构建机构的凸轮曲线与足部轨迹的运动学关系；采用差分进化算法对下肢康复机构进行尺度综合分析，通过构造优化目标函数优化模型中的各参数，得到一组机构参数的最优解。优化结果表明，采用差分进化算法优化后，可以降低下肢康复机构足部踏板的速度突变，提高装置的稳定性，同时保证足部步态轨迹与正常步态轨迹基本重合。研究结果表明，该优化方法可以为下肢偏瘫患者提供科学的康复训练轨迹，有助于其康复训练。最后，文章提出一种基于层次分析法(analytic hierarchy process, AHP)的下肢功能康复评估指标体系，并建立一种以综合指标为基础的评估方法，该指标能够真实地反映患者在康复过程中的训练效率，使康复训练方式的选择更加科学、高效，更好地满足患者的康复需求。     

高速路换道意图参数提取及意图阶段确定

针对换道意图辨识研究中的意图表征参数选择与意图阶段确定问题,提出一种新的组合方法.在驾驶模拟器所得原始参数基础上,从参数重要度与相关性角度,使用决策树C4.5算法和皮尔逊相关性分析,最终得到以方向盘转角、车道偏离量和横摆角加速度组成的重要度高且互相关性低的换道意图表征参数组.在此基础上,对方向盘转角和车道偏离量的时间序列进行K-means聚类,确定驾驶人换道意图阶段,并得出意图阶段长度与平均车速近似线性相关,且左换道意图阶段长度大于右换道意图阶段长度.最后,建立连续高斯隐马尔可夫模型,在所得意图表征参数组及意图阶段数据的基础上,训练换道意图识别模型及车道保持识别模型.模型的平均离线识别准确率为90％.并可在左换道开始前1.5 s判断出驾驶人左换道意图,右换道开始前1.4 s判断出驾驶人右换道意图.研究结果表明:基于所得的意图表征参数组及意图阶段所建立的意图识别模型可有效识别驾驶人换道意图,且识别精度较高,时序性较强.该方法可为意图识别研究中意图参数选取及意图阶段确定提供参考.     

基于表面肌电信号的下肢康复主动训练研究*

由于传统的人工康复手段已经很难满足患者对康复治疗的需求,因此提出一种基于表面肌电信号的下肢康复主动训练模式。通过提取患者下肢肌电信号在时域内的特征量,经BP神经网络辨识患者的运动意图,最后将辨识结果作为驱动下肢康复机器人的信号源,实现对患者的主动康复训练。根据临床试验中患者在主动训练前后各项生命体征数据稳定,以及主动训练后神经功能和运动功能具有显著恢复效果患者数较传统训练模式提升了50%,表明该主动训练模式的可行性和安全性。为今后深入研究主动康复训练奠定了理论和实践基础。     

四轮独立转向无人车辆斜向行驶轨迹跟踪控制方法

针对四轮独立转向电动汽车转向系统成本高、但功能开发程度低的问题,提出一种车辆斜向行驶控制策略,优化四轮独立转向电动汽车换道过程中的行驶稳定性. 基于四轮独立转向电动汽车横向、纵向二自由度车辆模型,提出一种横纵向耦合轨迹跟踪控制方法,该方法基于线性时变模型采用模型预测控制（MPC）算法,对横向偏差、航向角偏差及纵向速度偏差进行闭环控制. 设计车辆稳定性控制器,包括横摆力矩控制器和转矩分配控制器,同时提高车辆轨迹跟踪精度和行驶稳定性. 最后搭建Simulink/Carsim/Prescan联合仿真平台,对四轮独立转向电动汽车双移线工况进行模拟换道仿真,仿真结果证明了斜向变道的可行性和横纵向耦合轨迹跟踪控制方法的有效性.      

并联踝康复机器人的系统搭建与运动控制策略

针对踝功能障碍患者,研制2-UPS/RRR并联踝康复机器人,协助患者进行踝关节背伸/趾屈、内翻/外翻及内收/外展运动康复训练。踝康复机器人系统包含机器人机械本体、驱动电机、编码器和力/矩传感器、上位机和下位机的软硬件等,具有踝关节力/位置信息检测与主/被动康复训练功能。通过建立踝康复机器人的运动学模型,计算电机驱动速度与机器人动平台角速度的映射关系,并根据患者踝关节肌力等级与训练需要,规划康复训练的运动轨迹,进行踝关节被动康复训练。基于力/矩传感器的信息检测,对患者踝关节进行运动意图识别,实现由运动意图驱动的机器人控制即主动康复训练。最后,针对踝关节的3种典型运动方式,遴选健康的受试者分别进行主/被动康复训练实验。研究结果表明:研制的并联踝康复机器人具有完善的康复训练策略和良好的运动稳定性。     

大型风电机组关键承载部件主动阻尼降载优化控制

为降低大型风电机组关键承载部件的载荷和疲劳损伤,通过施加主动阻尼控制来进行降载,从而延长机组关键承载部件寿命。首先从理论上分析主动阻尼控制的基本原理与其关键控制参数,并应用FAST与MATLAB的联合仿真平台分别对叶片、塔架、传动链施加主动阻尼控制进行仿真,根据仿真结果分析了5 MW风电机组关键承载部件主动阻尼控制的有效性。然后设计在现有变桨功率控制环上加入主动阻尼控制环的独立变桨控制策略,同时建立一种适用于载荷控制效果评估的疲劳损伤计算方法,利用遗传算法以风机关键承载部件疲劳经济损失最小为目标进行各主动阻尼控制器与独立变桨控制器参数的联合优化。最后对算例机组进行了独立变桨载荷控制仿真,仿真结果表明,所设计的独立主动阻尼控制策略与参数优化方法在不影响功率控制的同时能够降低关键部位的疲劳载荷,并且能够取得最优化控制效果。     

智能肢体康复训练器设计

基于STM32系列芯片控制系统实时检测腿部力量的大小,实现了上下肢功能障碍者训练时从被动到主动的自由转换,增加了训练系统的柔顺性。控制系统通过检测剩余力量自动调整力矩,使训练更加智能化。实验结果表明,设计开发的智能上下肢康复训练器,重力检测精度为0.6N,速度控制误差δ2%。     

基于阻抗控制的下肢康复外骨骼随动控制

针对外骨骼单一的轨迹跟随控制难以满足患者主动康复训练需求的问题,将基于计算力矩的阻抗控制应用到下肢外骨骼中,分析控制系统的误差,设计一种自适应鲁棒补偿控制器。研制一种基于电机+套索传动的下肢外骨骼,降低外骨骼下肢的质量以提高轨迹跟踪效果。采用Lagrange法进行动力学分析。建立MATLAB和ADAMS虚拟样机的联合仿真平台,分析不同阻抗参数对人机交互力跟踪效果的影响。联合仿真实验结果表明,机械和控制系统具有良好的轨迹跟踪和人机交互力跟踪效果,验证了算法的有效性,满足患者进行主动康复训练的需求。     

基于迭代学习控制的下肢外骨骼康复训练机器人运动策略

将具有不依赖系统模型精度，并且能够通过不断学习实现高精度控制等优点的迭代学习策略应用于下肢康复训练机器人运动控制.通过分析人体下肢结构与运动特征，得到下肢外骨骼系统各关节的空间位置参数；采用拉格朗日法对下肢外骨骼康复训练系统进行动力学分析，设计迭代学习控制器.仿真结果表明：迭代学习控制策略能够实现高精度跟踪期望轨迹的目标.     

基于安全性考虑的五自由度外骨骼式上肢康复机器人自适应控制

针对一类具有特殊安全性要求的五自由度外骨骼上肢康复机器人,研究了一种自适应控制策略。该机器人协助患者的肩、肘、腕关节进行关节运动,以达到上肢运动功能康复的目的,因此,在整个康复训练中如何保证患者安全是机器人控制策略的重点。为确保良好的跟踪性能,所提出的控制策略具有在模型不确定条件下的鲁棒性;为进一步提高系统在大参数变化以及执行器故障时的安全性能,提出了一种在线更新的自适应控制器。该控制器仅需要进行位置测量实现输出信息反馈,而速度和加速度通过观测器估计得到,不需要依靠其他传感器信息。设计了一个参数可调和有界误差的轨迹跟踪实验,仿真结果验证了本控制方案的有效性。     

基于肌电触发的上肢康复训练机器人的实现

在三自由度中央驱动式上肢康复训练机器人样机的基础上,通过提取患者的肌电信号,设计了一种肌电触发的助力训练控制方案,达到帮助上肢功能障碍患者进行助力康复训练的目的.运用多种电子技术,提取桡侧腕屈肌和尺侧腕屈肌这一对拮抗肌的表面肌电信号,结合运动系统的分层多核控制方案,实现对患者肌电信号的检测和处理,根据患者的运动意图提供相应的助力动作,实现肌电触发的助力训练模式.进行了肌电信号识别实验和速度调节验证实验,验证了肌电触发的速度可调式助力训练方案的可行性.     

基于无速度传感器的直接转矩控制系统优化

针对传统异步电机直接转矩控制系统在低速运行状态下存在磁链轨迹发生波动、转矩脉动大的问题,提出一种新型异步电机直接转矩控制策略。采用滑模控制和空间矢量脉宽调制技术(SVPWM: Space Voltage Pwlse-Width Modulation), 引入滑模控制器, 以提高系统对参数变化和外界干扰的鲁棒性。利用空间电压矢量脉宽调制技术产生系统所需要的任意期望空间电压矢量, 使磁链轨迹更趋近于圆形, 即降低了转矩和磁链脉动,又增强了系统的鲁棒性。同时引入无速度传感器技术, 以提高系统工程应用性。通过在Matlab/ Simulink软件仿真结果表明, 新型直接转矩控制系统改善了磁链轨迹波动并有效地降低了转矩脉动, 使转速估计具有较高精度。     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

基于变参数的远程康复训练机器人神经网络控制

为使患者的远程康复训练达到更为理想的效果,针对患者在训练时肌肉痉挛对双向遥操作系统的稳定性以及对从机械手的速度平滑性的影响,提出了一种新的基于BP神经网络变参数控制方法.通过检测患者训练时力、加速度、速度、位置等的变化,采用BP神经网络自动调整从端控制参数,从而消除了系统的不稳定性和减少了对系统平滑性的影响,并具有很强的鲁棒性.分析和仿真试验结果表明,此方法与传统的控制方法相比,可有效地克服患者因肌肉痉挛带来的干扰并具有较好的稳定性和平滑性.     

无信号控制路段电动自行车过街特性

为提高电动自行车过街安全，选取苏州市四个无信号控制路段，采用人工录像与无人机航拍相结合，获取了电动自行车过街视频数据。利用Tracker软件提取电动自行车速度、时间和电动自行车坐标等参数，采用过街速度、过街等待时间和轨迹作为电动自行车过街特性描述特征指标，采用SPSS软件进行分析。研究发现：76.5%的骑行人员会选择加速或减速过街，加速过街的平均速度为4.1802m/s；电动自行车的过街等待时间的均值为46.26s，标准差为38.113；同时发现，性别、职业以及地理位置等因素都对过街速度以及等待时间有影响；将电动自行车的过街轨迹与路口现状图叠加分析发现斑马线两端开口越宽轨迹偏移量越明显，地块出入口的位置也对行驶轨迹有影响。     

基于MRAS变参数无速度传感器矢量控制系统的研究

利用电动机定子电压方程和电流方程得到电动机转速的模型参考自适应（MRAS）辨识算法，在此基础上建立了一个改进的变参数MRAS速度辨识数学模型，并在无速度传感器异步电动机矢量控制系统中对该速度辨识模型进行了研究，仿真结果验证了该变参数MRAS速度辨识模型具有满意的辨识精度和动态性能．     

钻井定向测量系统数学模型

在井筒或井下钻具定位的测量中，航空航天工业的加速度传感器和磁能门传感器被用于几千米深的井下，检测精度高，工作可靠．本文用矢量分析法信推导了两种用于井身轨迹检测的电子仪器的测量模型，较详细地说明了表征并身轨迹空间姿态的一些特些参数之间的关系．     

基于递归神经网络的永磁同步电机控制器设计

在永磁同步电机矢量控制系统中,采用递归神经网络控制器作为速度控制器来模拟在电机参数变化和负载扰动下的最优速度输出。神经网络采用扩展卡尔曼滤波方法实现在线训练,并在Lyapunov稳定性意义下对网络的学习率进行了分析。该神经网络矢量控制系统具有良好的动、静态特性,同时在变速和变负载情况下效果理想。该方法在一台1.2 kW永磁同步电机驱动系统上验证通过。