基于SCN人机不确定模型的康复机器人快速有限时间控制

摘要

本发明公开了一种基于随机配置网络（Stochastic Configuration Networks，SCN）人机不确定模型的康复机器人快速有限时间控制方法。其特征为：基于康复步行训练机器人的动力学模型，分离由康复者引起人机系统的不确定项，建立具有人机不确定性的康复步行训练机器人动力学模型；基于SCN方法构建人机不确定性的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得人机系统不确定性估计；基于有限时间稳定理论设计跟踪控制器，抑制人机不确定性对系统跟踪精度的影响，同时保证机器人在任意初始位置，均可使跟踪误差系统快速有限时间稳定。

说明书

技术领域：

本发明涉及轮式康复机器人的控制方法，尤其是具有人机不确定性的康复机器人控制领域。

背景技术：

交通事故及人口老龄化使步行障碍患者逐年增多，由于我国缺少专业康复人员，导致步行障碍患者无法得到及时有效的运动训练，从而步行功能逐渐丧失，无法实现日常独立生活。随着康复步行机器人在康复中心、养老院等场所的应用，有效解决了康复人员短缺的问题。然而，在实际应用中，人和机器人接触会产生人机不确定性，严重干扰了步行机器人对康复医生指定运动轨迹的跟踪，不仅无法达到理想的康复效果，而且过大的跟踪误差导致机器人碰撞周围物体，威胁训练者的安全。因此，研究步行机器人的控制方法，解决人机接触不确定问题，对保证训练者的康复效果和安全性具有重要意义。

近年来，康复步行机器人轨迹跟踪控制已有许多研究成果，然而这些结果都无法解决人和机器人合作运动中产生的人机不确定性问题，以及机器人在任意初始位置暂态跟踪性能不高的问题。如果人机接触和人机系统暂态性能不解决，将会产生较大的跟踪误差而威胁训练者的安全。到目前为止，还没有关于人机不确定估计及适应人机接触不确定性变化的任意初始位置的快速有限时间控制方法。本发明基于新视角提出了人机接触产生不确定性的估计方法，并研究了补偿人机不确定性的快速有限时间控制方法，对保障训练者的康复效果和安全性具有重要意义。

发明内容：

发明目的：

为了解决上述问题，本发明提供了一种基于SCN人机不确定模型的康复机器人快速有限时间控制方法。

技术方案：

本发明是通过以下技术方案来实现的：

一种基于SCN(Stochastic Configuration Networks，SCN)人机不确定模型的康复机器人快速有限时间控制方法，其特征在于：

1)基于康复步行训练机器人的动力学模型，分离由康复者引起人机系统的不确定项，建立具有人机不确定性的康复步行训练机器人动力学模型；

2)基于SCN方法构建人机不确定性的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得人机系统不确定性估计；

3)基于有限时间稳定理论设计跟踪控制器，抑制人机不确定性对系统跟踪精度的影响，同时保证机器人在任意初始位置，均可使跟踪误差系统快速有限时间稳定。

步骤如下：

步骤一)基于康复步行训练机器人的动力学模型，分离由康复者引起人机系统的不确定项，建立具有人机不确定性的康复步行训练机器人动力学模型，其特征在于：系统的动力学模型描述如下

其中

M表示机器人质量、m表示康复者质量、r

分离模型(1)中由康复者引起的人机不确定性信息，记

其中，

ΔM

令

步骤二)基于SCN方法构建人机不确定性的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得人机系统不确定性估计，其特征在于：以机器人运动轨迹和速度

其中

G(x(t))＝[g

g

然后，SCN隐含层通过权重

其中

进一步，根据隐含层节点数为L-1时得到的人机不确定性估计误差

由于

其中

故

其中，参数0

步骤三)基于有限时间稳定理论设计跟踪控制器，抑制人机不确定性对系统跟踪精度的影响，同时保证机器人在任意初始位置，均可使跟踪误差系统快速有限时间稳定，其特征在于：引入一条辅助轨迹x

其中

由ξ(t)表达形式可知ξ(0)＝1，t>T时ξ(t)＝0，

此时轨迹跟踪误差和速度跟踪误差分别为

其中e

设计辅助变量

令人机系统不确定性估计

于是可得权值误差

其中Γ和K

由式(3)和式(6)可得跟踪误差系统为：

设计有限时间控制器为：

其中

建立李雅普诺夫函数如下：

沿误差系统(8)对式(10)求导得

将有限时间控制器(9)代入式(11)，可得

其中ε＝w(t)-β

根据式(12)，进一步有：

从而由式(12)可以得到

因此，根据有限时间稳定理论可知，机器人从任意位置出发跟踪误差系统都能有限时间稳定，康复步行训练机器人在有限时间内能快速跟踪医生指定的运动轨迹,同时可以得到快速有限调整时间

步骤四)基于MSP430系列单片机将输出PWM信号提供给电机驱动单元，使机器人实现对参考轨迹信号的运动轨迹和速度同时跟踪，其特征在于：以MSP430系列单片机为主控制器，主控制器的输入接电机测速模块、输出接电机驱动模块；电机驱动模块与直流电机相连；电源系统给各个电气设备供电。主控制器控制方法为读取电机编码器的反馈信号与主控制器给定的控制命令信号

优点及效果：

本发明是一种基于SCN估计人机不确定性的康复步行训练机器人快速有限时间控制方法，优点如下：

本发明巧妙地分离出人机系统不确定项，建立了具有人机不确定性的康复步行训练机器人动力学模型；基于SCN方法构建了人机不确定的网络估计模型，并设计快速有限时间控制器补偿人机不确定对系统跟踪性能的影响，提高了系统任意初始位置的暂态性能，保障了系统跟踪精度和训练者的安全。

附图说明：

图1为本发明控制器工作框图；

图2为本发明系统坐标图；

图3为本发明的MSP430单片机最小系统；

图4为本发明的主控制器外围扩展电路；

图5为本发明硬件总体原理电路。

具体实施方式：

下面结合附图对本发明做进一步的说明，但本发明保护范围不受实施例的限制。

一种基于SCN估计人机不确定性的康复步行训练机器人快速有限时间控制方法。其特征在于：

1)基于康复步行训练机器人的动力学模型，分离由康复者引起人机系统的不确定项，建立具有人机不确定性的康复步行训练机器人动力学模型；

2)基于SCN方法构建人机不确定性的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得人机系统不确定性估计；

3)基于有限时间稳定理论设计跟踪控制器，抑制人机不确定性对系统跟踪精度的影响，同时保证机器人在任意初始位置，均可使跟踪误差系统快速有限时间稳定。

步骤如下：

步骤一)基于康复步行训练机器人的动力学模型，分离由康复者引起人机系统的不确定项，建立具有人机不确定性的康复步行训练机器人动力学模型，其特征在于：系统的动力学模型描述如下

其中

M表示机器人质量、m表示康复者质量、r

分离模型(1)中由康复者引起的人机不确定性信息，记

其中，

ΔM

令

步骤二)基于SCN方法构建人机不确定性的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得人机系统不确定性估计，其特征在于：以机器人运动轨迹和速度

其中

b＝[b

g

然后，SCN隐含层通过权重

其中

进一步，根据隐含层节点数为L-1时得到的人机不确定性估计误差

其中，参数0

其中

由ξ(t)表达形式可知ξ(0)＝1，t>T时ξ(t)＝0，

此时轨迹跟踪误差和速度跟踪误差分别为

其中e

设计辅助变量

令人机系统不确定性估计

于是可得权值误差

其中Γ和K

由式(3)和式(6)可得跟踪误差系统为：

设计有限时间控制器为：

其中

建立李雅普诺夫函数如下：

沿误差系统(8)对式(10)求导得

将有限时间控制器(9)代入式(11)，可得

其中ε＝w(t)-β

根据式(12)，进一步有：

从而由式(12)可以得到

因此，根据有限时间稳定理论可知，机器人从任意位置出发跟踪误差系统都能有限时间稳定，康复步行训练机器人在有限时间内能快速跟踪医生指定的运动轨迹,同时可以得到快速有限调整时间

步骤四)基于MSP430系列单片机将输出PWM信号提供给电机驱动单元，使机器人实现对参考轨迹信号的运动轨迹和速度同时跟踪，其特征在于：以MSP430系列单片机为主控制器，主控制器的输入接电机测速模块、输出接电机驱动模块；电机驱动模块与直流电机相连；电源系统给各个电气设备供电。主控制器控制方法为读取电机编码器的反馈信号与主控制器给定的控制命令信号

本发明巧妙地分离由康复者引起人机系统的不确定项，建立具有人机不确定性的康复步行训练机器人动力学模型，基于SCN方法构建人机不确定性的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得人机系统不确定性估计，基于有限时间稳定理论设计快速跟踪控制器，补偿人机不确定性对系统跟踪精度的影响，使机器人在任意初始位置均可实现运动轨迹快速有限时间跟踪，能有效提高系统跟踪性能及训练者的安全性。