基于惯性传感器遥控示教康复系统的研究

针对上肢康复机器人的被动康复训练,建立了一套基于惯性传感器且用于UR协作机器人的实时路径规划的示教系统.利用固定于示教者手心处的惯性传感器,实时获取手部相对于大地坐标系的位姿数据,经过坐标变化,转变为机器人末端在机器人机架坐标系中的位姿数据,再由通讯系统传给机器人系统,最后经逆向运动学转变为机器人各关节坐标数据,进而实现机器人带动患者上肢进行康复运动.现场测试验证了该系统功能的有效性.     

基于迭代学习控制算法的下肢外骨骼机器人跟随特性研究

目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,本文提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学模型;其次,基于迭代学习控制算法建立下肢外骨骼机器人随动控制模型;最后,利用Matlab软件设计指数变增益闭环D型运动控制系统,分析收敛速度与谱半径的关系,追踪得到人体下肢髋关节和膝关节期望轨迹。仿真结果表明该算法能够有效提高下肢外骨骼机器人步态轨迹跟踪精度,提升人机系统随动性能。     

下肢外骨骼机器人的动力学分析及仿真

阐述了正常人体的行走步态及稳定性.构建了人体七杆模型,对其进行了动力学分析.介绍了人体特性参数.利用Solidworks软件建立了下肢外骨骼机器人的三维装配体模型,并导入ADAMS软件中进行仿真研究.通过仿真结果,不仅验证了理论分析的正确性,也得到了各个关节的力矩变化规律及大小.同时,为其控制系统设计和电机选型提供了重要的理论依据.     

下肢外骨骼机器人的控制仿真研究

下肢外骨骼机器人是一种复杂的非线性系统,有效控制策略对于人机系统运动的协调一致性至关重要.本文基于外骨骼机器人的动力学分析,提出了下肢外骨骼机器人的控制系统设计,采用模糊PID控制算法,结合ADAMS和MATLAB/Simulink软件,分别以角度误差和关节力矩作为系统输入输出量,对下肢外骨骼机器人的动力学与控制进行联合仿真.仿真结果验证了所提控制算法的有效性,为保证人体与机器人之间的运动协调性和一致性的良好控制提供了理论依据.     

基于阻抗的下肢康复外骨骼力与位置控制研究

为了提升下肢功能损伤患者舒适性和康复效果,弥补常规位置控制的不足,研究了一种基于力与位置阻抗控制的下肢康复外骨骼。利用气体的柔顺性和安全性,采用气动比例技术,以标准步态曲线为参考,以人机交互力矩为约束,实时控制。建立人机动力学模型,搭建实验平台,实现机构仿人步态行走。实验表明,该系统控制效果好,跟踪精度高。人机交互力矩得到有效调整,进一步提升系统安全性、舒适性和稳定性。     

基于三维动态捕捉系统和Matlab的穿戴式下肢外骨骼步态分析

使用三维动态捕捉系统获取人体下肢关键点的运动轨迹和三维数据,用Matlab软件分析数据,绘制时间-坐标图形,建立穿戴式下肢外骨骼的三维模型,为进一步研究穿戴式下肢外骨骼奠定基础。     

基于DSP的助行外骨骼机器人步态控制

助行外骨骼机器人是一种帮助老年人和下肢不便的残疾人扩展行走能力的助力装置.提出一种基于数字信号处理（digital signal processing,DSP）系统的步态控制方法,首先,将连续步态数据离散处理后的结果作为DSP系统的输入,通过执行机构实现机器人的步态行走;然后,在每个步态周期结束之后,通过编码器对步态角度实时采样;最后,控制系统对反馈数据处理后实现步态误差的周期补偿.通过样机试验验证上述方法,得到较好的结果.     

穿戴式下肢外骨骼机器人研究现状

近年来,随着国家人口老龄化问题的加重,医疗技术的限制及青壮劳力的减少,穿戴式下肢外骨骼机器人在医疗、搬运、军事方面上的显著功能获得科研人员的广泛关注.本文试图摒弃传统功能层面的描述,从穿戴式下肢外骨骼机器人的结构层面梳理该类外骨骼机器人近年来的研究进展,进而分析了穿戴式下肢外骨骼机器人应用的新技术材料,然后重点阐述了其最新的关键技术(驱动方式和能源供应),探讨了穿戴式下肢外骨骼机器人今后的发展方向.     

下肢外骨骼康复机器人步态规划方法的研究

针对脑卒中偏瘫患者,依据正常人髋、膝关节运动数据建立人体关节数学模型。将Brunnstromc与训练过程中下肢肌肉表面肌电信号的变化相结合,规划出对不同患者具有适用性、针对性的人体生理学训练步态。在Visual C++开发环境下获取患者自身健康腿的关节运动数据,并结合Matcom实现混合编程,可避免医疗师将数据提取再用Matlab进行处理的过程;同时由于下肢具有的步态对称性,可作为步态协调性康复训练的参考模型。结果表明通过多方面的结合及应用,加深了对步态规划方法的认识与理解,也为康复训练临床试验及寻求更稳定合理的步态规划提供了借鉴作用。     

下肢膝关节外骨骼仿生机构运动学研究

针对人体下肢行走时可分为摆动相与承载相的运动承载特征,提出具有运动包容性与承载有效性的下肢膝关节外骨骼仿生欠驱动五杆机构研究原型,运用闭环矢量法对其构建系统运动学模型,在此基础上得到系统速度雅可比矩阵,进而提出一种评价该仿生机构的全局性工作空间灵巧度的新型综合评价指标,并以此为优化目标。在MATLAB 9.0平台上,开展基于运动学模型的系统结构参数数值优化仿真,并结合UG NX 12.0虚拟样机仿真平台,进行仿真结果数据比对,通过误差分析验证了运动学建模的正确性,进而进行数据深入分析,结果表明：优化后的仿生机构相对人体膝关节运动空间而言,具有良好的仿生灵巧包容性,亦表明基于新型综合评价指标下的结构参数优化方法的有效性。     

下肢外骨骼机器人在运动康复中的协同性研究

运动员在日常训练或在比赛中出现的损伤给运动员造成了巨大的痛苦.文章研究一种可以帮助受伤运动员进行康复训练的下肢外骨骼机器人,首先,分析人体的运动过程,然后通过大量不同人体尺寸下的步态数据分析,掌握人体步行各个循环阶段下肢各关节的运动学规律,并对下肢外骨骼机器人用拉格朗日法建立了动力学模型.其次,根据建立的动力学模型和下...     

基于惯性传感器与模拟传感器的据枪数据捕捉系统设计

为了实现对作训人员射击训练数据的实时捕捉,提高作训人员射击训练效果,设计实现了一种基于惯性传感器与模拟传感器的据枪数据捕捉系统。对数据捕捉系统的原理、组成以及数据处理进行了研究,采用四元数的方法实现了对姿态数据的融合与解算。通过系统下位机将捕捉到的动作数据进行采集并通过无线通信将数据传输至上位机进行实时显示。实验表明,该系统能够实时捕捉当前作训人员的据枪射击数据,数据准确、直观,使用价值高,取得了良好效果,大幅度提升了训练效率。     

下肢外骨骼机器人阻抗控制参数优化研究

为了提高下肢外骨骼机器人的人机交互性能,本文以基于位置的阻抗控制参数优化为研究对象,提出基于复合粒子速度调节的改进粒子群优化(CSAPSO)算法。CSAPSO算法引入欧式归一化速度调节参数、增加阶段性惯性权重重置和幂函数调节机制,平衡种群探索和开发能力。通过算法改进前后对基础函数的寻优效果对比,验证CSAPSO算法的优越性。基于MATLAB软件Simulink工具箱搭建阻抗控制仿真平台,分析不同方法求解下控制参数优化效果。结果表明CSAPSO算法优化后的参数具有更优的控制效果,进一步降低控制过程中的接触力和位置误差,提高人机交互柔顺性。     

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。     

下肢柔性助力外衣的工效学设计与步态预测

为增强人体的下肢运动机能,研制一套柔性功能外衣,作为助力系统的末端执行元件包覆于人体下肢,对髋关节的前屈动作助力,并研发基于力位混合控制的外接驱动系统,初步完成下肢柔性助力外衣系统样机的搭建.在此基础上,提出以IMU为主导的自适应步态检测算法,检测频率自适应于人体运动速度,实现步态信息的高效检测,并以检测信息为基础,提...     

飞机惯性传感器测试系统研究与设计

在研究传统飞机惯性传感器测试设备基础上，提出了以伺服电机为核心的、计算机控制的负角加速度产生系统，本文阐述该系统特点、组成、原理及应用。     

基于手机加速度传感器的步态识别

步态识别是一种新兴的生物识别技术。智能手机的三轴加速度传感器测量人行走时的步态数据可用于步态识别。本文研究不同场景对步态识别的影响,参与数据采集有18个人,场地分为实验室的走廊和室外红砖场地,特征值包括频域征值与时域特征值。当步态识别的测试集和训练集来源于不同的场地时,用支持向量机检测识别的准确性。实验结果表明,当测试集和训练集来源同一场地时,步态识别的准确性较高,可达到94%。而对于数据来源于不一样的场地,准确性较差。主要的原因是场景变化,人行走的步态模式发生了变化。