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

1、下肢外骨骼機器人具有將人的智能與機械的速度、耐力結(jié)合的優(yōu)點。其巨大的應(yīng)用潛力成為各國爭相研究的熱點，而對于外骨骼準確獲取人體運動意圖并實現(xiàn)人機協(xié)調(diào)運動一直是一大難點。本文就此問題從人機交互信息檢測、運動意圖估計算法以及協(xié)調(diào)運動控制方法等方面展開了詳細研究。
　　針對助力負重外骨骼機器人，要求實用性強，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交互方式進行交互信息獲取的方案，并依據(jù)方案設(shè)計了彈性體與編碼器組合使用的交互力檢測

2、裝置。考慮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)計至關(guān)重要，圍繞彈性體設(shè)計進行目標制定，材料選擇，然后采用有限元法（FEM）進行彈性體參數(shù)化設(shè)計。由于仿真分析及加工制造等存在誤差，設(shè)計彈性體剛度特性標定試驗臺進行實驗標定。最終通過該檢測裝置能準確獲取人機交互信息。
　　根據(jù)獲取的人機交互信息，研究了運動意圖的估計算法，由于物理式人機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濾波器進行

3、信號濾波處理后提出了對信號進行序列化處理后，很好的改善了信息對于人體運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?？紤]交互信息與運動意圖信息映射模型難以用數(shù)學(xué)方法分析得到，本文采用機器學(xué)習(xí)中的高斯過程回歸（Gaussian Process Regressive,GPR）算法，進行意圖估計模型的獲取，通過構(gòu)造GPR算法，在MATLAB中，進行離線估計分析，結(jié)果表明檢驗了GPR很好的準確性及泛化能力。
　　本文基于GPR意圖

4、估計的協(xié)調(diào)運動方法，建立外骨骼機器人的動力學(xué)模型，提出了自適應(yīng)PID結(jié)合CMAC補償?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補償器更好的保證了外骨骼跟蹤人體運動意圖的精度。采用CGA（Clinical Gait Analysis）數(shù)據(jù)庫，進行了軌跡跟蹤控制仿真，檢驗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系統(tǒng)，基于所估計的人體運動意圖與控制方法，進行了軌跡跟