气动肌肉驱动的康复机器人迭代学习控制研究

摘要

近年来，随着科学水平的进步和生活品质的提高，人们对医疗康复手段提出了安全、精准、高效及低成本的要求。对于脑卒中和肢体损伤造成的偏瘫及运动功能障碍，传统的依赖经验的人工辅助康复手段已经无法满足上述需求。而伴随着轨迹精确可重复、辅助任务安全可调节、康复成本低廉可持续等特点，康复机器人的出现完美的契合了当今康复医疗领域的发展趋势。在康复机器人技术快速发展的同时，许多挑战也随之而来，如训练任务的安全特性，重复训练过程中患者的体验，以及不同康复阶段康复策略的设计，都对最终的康复效果有着重要的影响。 针对康复机器人在患者不同康复阶段的训练任务需求，为实现康复机器人在被动康复过程中对训练轨迹的精确跟踪，以及主动康复过程中机器人柔顺度和训练任务的渐进调节，本文以气动肌肉驱动的并联康复机器人为对象，开展了如下研究工作： （1）针对气动肌肉自身非线性强、建模困难的特点，以训练轨迹精确跟踪为目的，研究基于I/O数据驱动的无模型自适应控制。在此基础上，针对训练过程中重复运动的特性，研究无模型自适应迭代学习控制方法，以实现期望轨迹的渐进跟踪。为了提高算法的收敛速度，提出高阶参数估计的无模型自适应迭代学习控制方法，加速参数迭代估计的速度从而提升算法的收敛性。 （2）针对被动康复过程中，患者肢体负载、传感器接触摩擦对系统造成的负载扰动和测量扰动，采用统计方法分析扰动对于系统输出的影响。以抑制扰动为目的，研究具有扰动抑制功能的内模控制原理，在此基础上提出基于内模控制的无模型自适应迭代学习控制方法，对被动康复过程中的扰动具有较好的抑制效果。 （3）针对主动康复过程中患者对于机器人理想柔顺程度的需求变化，研究基于迭代学习的康复机器人阻抗控制方法。在此基础上，研究对患侧踝关节运动能力的评估方法，根据不同的运动能力水平相应的调节任务难度，实现康复任务难度的自适应调节。

目录

声明

第1章 绪论

1.1 课题来源

1.2 课题研究背景、目的和意义

1.3 相关领域国内外研究现状

1.3.1 迭代学习控制研究现状分析

1.3.2 无模型自适应控制研究现状分析

1.3.3 康复机器人迭代学习控制研究现状分析

1.4本文的主要研究内容与组织结构

第2章 高阶参数估计的无模型自适应迭代学习控制研究

2.1 无模型自适应控制

2.1.1 SISO系统非参数动态线性化

2.1.2 控制器设计

2.1.3 伪偏导数估计

2.1.4 无模型自适应控制方案

2.2 无模型自适应迭代学习控制

2.2.1 SISO系统迭代轴非参数动态线性化

2.2.2 控制方案设计

2.3 高阶参数估计的无模型自适应迭代学习控制

2.3.1 高阶参数估计算法

2.3.2 基于高阶参数估计的控制方案设计

2.3.3 收敛性分析

2.3.4 仿真研究

2.4 实验结果与分析

2.5 本章小结

第3章 被动康复过程的扰动抑制研究

3.1 被动康复过程外部扰动作用分析

3.1.1 鲁棒收敛性分析

3.1.2 扰动作用分析

3.2 基于内模控制的无模型自适应迭代学习控制

3.2.1 内模控制原理

3.2.2 迭代域内模控制器

3.2.3 基于内模控制的扰动抑制控制方案设计

3.2.4 收敛性分析

3.2.5 仿真研究

3.3 实验结果与分析

3.3.1 实验平台介绍

3.3.2 空载实验

3.3.3 带负载实验

3.4 本章小结

第4章 主动康复过程迭代学习控制研究

4.1 基于迭代学习的阻抗控制

4.1.1 机器人阻抗控制

4.1.2 迭代学习阻抗控制

4.2 基于迭代学习的康复任务设计

4.2.1 踝关节运动能力评估指标设计

4.2.2 基于运动能力评估的康复任务设计

4.3 实验结果与分析

4.4 本章小结

第5章 总结与展望

5.1全文工作总结

5.2下一步工作展望

致谢

参考文献

附录 研究生期间的研究成果