基于人机耦合系统特性分析的外骨骼单腿参数辨识方法

摘要

下肢外骨骼是一种可穿戴的人体运动辅助和机能增强装置。下肢外骨骼的主流控制方法为基于模型的控制，该方法在控制器设计和实际应用中都对动力学参数的精度提出了很高的要求。然而，已有的参数辨识算法为获得高精度的参数辨识结果，增加了实验的复杂度，即成倍地增加了实验的数据量。因此，高精度、低复杂度的参数辨识算法对于提高下肢外骨骼动力学模型精度具有重要意义。
　　针对基于模型的下肢外骨骼控制方法对高精度动力学模型的需求，以及当前动力学模型参数辨识方法存在的精度与复杂度的互斥问题，本文重点开展了下肢外骨骼参数的高精度、低复杂度辨识算法研究，并通过仿真与样机实验验证了该方法的正确性和有效性。具体开展如下研究：
　　首先，为提高参数的辨识精度，针对目前粒子群算法虽然辨识精度较高但搜索空间的划定依赖于工程经验的弊端，本文提出了基于人机耦合控制系统鲁棒性分析的粒子群算法搜索空间划定方法，结合递推最小二乘法给出的待辨识参数波动范围，来划定粒子群算法的搜索空间。采用划定搜索空间的粒子群算法完成参数的精确辨识。结合人机耦合系统特性分析，给出了粒子群算法搜索空间的划定方法。基于水平行走时的人机耦合主动助力控制系统的鲁棒性分析，得到了划定粒子群算法搜索空间的放缩系数。
　　其次，由于目前辨识算法的精度依赖于辨识实验的复杂度，即辨识精度越高则所需的辨识实验数据量越大。针对如何保证辨识精度的同时降低辨识实验复杂的的问题，本文提出融合递推最小二乘法和粒子群算法的参数辨识算法。通过虚拟样机实验，对比分析了最小二乘法、遗传算法和粒子群算法在相同实验条件下的精度差异，验证了本文选用粒子群算法与递推最小二乘法相融合的合理性。
　　最后，通过下肢外骨骼样机实验，实现了对下肢外骨骼参数的高精度辨识，并针对待辨识参数未知的情况给出了基于力矩偏差的参数辨识精度评价方法。通过进行辨识精度对比实验，验证了所设计的参数辨识算法的正确性和有效性。

目录

第1章 绪论

1.1 课题背景及研究意义

1.2 国内外研究现状

1.2.1 下肢外骨骼的国内外研究现状

1.2.2 下肢外骨骼参数辨识算法国内外研究现状

1.3本课题主要研究内容

第2章 PSO的搜索空间划定方法研究

2.1 引言

2.2 划定搜索空间的PSO辨识算法特性研究

2.2.1 PSO算法的原理及特性分析

2.2.2 搜索空间对PSO算法的影响特性

2.2.3 搜索空间的划定与人机耦合系统特性的关系分析

2.3 人机耦合主动助力控制系统性能的量化分析

2.3.1 水平行走时的主动助力方法研究

2.3.2 人机耦合主动助力控制系统的建立

2.3.3 人机耦合系统助力性、稳定性的量化分析

2.3.4 基于稳定性和助力性约束的控制参数寻优

2.4 人机耦合主动助力控制系统的鲁棒性分析

2.4.1 鲁棒性分析方法研究

2.4.2 人机耦合系统对人体参数的鲁棒性分析

2.4.3 人机耦合系统对人机耦合环节参数的鲁棒性分析

2.4.4 人机耦合系统对下肢外骨骼参数的鲁棒性分析

2.4.5 PSO搜索空间的划定方法

2.5 本章小结

第3章 融合RLS和PSO的参数辨识算法研究

3.1 引言

3.2 融合RLS和PSO的参数辨识算法

3.2.1 RLS算法的原理及特性研究

3.2.2 融合RLS和PSO的参数辨识算法的具体流程

3.3 下肢外骨骼运动学分析及动力学方程的建立

3.3.1 传感器信号—辨识算法输入信号的映射关系建立

3.3.2 下肢外骨骼摆动相单腿动力学建模

3.3.3 关节驱动力矩方程的参数化

3.3.4 关节摩擦模型的引入及动力学方程仿真验证实验

3.4 参数辨识算法仿真实验与验证

3.4.1 参数辨识算法仿真验证实验

3.4.2 参数辨识仿真结果对比分析

3.5 本章小结

第4章 融合RLS和PSO的参数辨识实验

4.1 引言

4.2 下肢外骨骼髋、膝关节摆动实验

4.2.1 下肢外骨骼髋、膝关节摆动实验

4.2.2 角速度与角加速度信号的小波降噪

4.3 融合RLS和PSO的辨识算法验证实验

4.3.1 参数辨识精度评价方法研究

4.3.2 基于RLS的小腿及膝关节参数搜索空间建立

4.3.3 小腿及膝关节参数的辨识及精度对比分析

4.3.4 基于RLS的大腿及髋关节参数搜索空间建立

4.3.5 大腿及髋关节参数的辨识及精度对比分析

4.4 本章小结

结论

参考文献

附录A

附录B

声明

致谢