文摘为了提高上肢外骨骼机器人关节的柔性,结合模块化串联弹性驱动器和鲍登线,提出了一种上肢柔性外骨骼机器人。针对鲍登线产生的非线性摩擦、外界未知扰动和模型不确定性,提出了一种基于径向基函数(radial basis function,RBF)神经网络的自适应复合控制器。该控制器采用扰动观测器和RBF神经网络自适应控制器对扰动进行估计和补偿,并通过滑模控制器实现上肢柔性外骨骼机器人的跟踪控制。此外,通过李雅普诺夫理论证明了该控制器的稳定性。仿真结果表明,与传统的比例积分微分(proportional integral differential,PID)控制器和滑模控制器相比,所提控制器具有更好的扰动补偿能力、更高的跟踪控制精度和鲁棒性,实现了对上肢柔性外骨骼机器人的精准跟踪控制。
文摘在下肢康复机器人的康复训练过程中,模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题,提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的自适应补偿控制,该控制方法能够提高机械系统轨迹跟踪的精确性。首先,设计一款具有4种工作模式、运动稳定的闭链卧式下肢康复机器人结构;然后,利用拉格朗日方法求解动力学名义模型,将康复装置的模型参数以及外界干扰等不确定性因素分离出来,并设计基于RBF神经网络的自适应补偿算法对其进行逼近控制;最后,通过Matlab/Simulink环境对其进行仿真验证,证明了该控制策略的有效性。结果显示,在人体步态曲线轨迹跟踪中,提出的基于RBF神经网络的自适应补偿算法相比传统的模糊比例-积分-微分(Proportional Integral Derivative,PID)控制的方法响应速度快、跟踪效果好,且髋关节和膝关节轨迹跟踪的角度误差峰值分别为0.08°和0.13°,远小于患者下肢在康复运动中的转动角度。设计了单腿样机试验,试验结果表明,采用的RBF补偿自适应控制器能够实现高精度的跟踪结果,也能够满足患者在康复训练中安全性的要求。
