基于RBF神经网络的闭链下肢康复机器人自适应补偿控制
李东琦1
秦建军1
孙茂琳1
郑皓冉1
李伟2
1.北京建筑大学 机电与车辆工程学院,北京 100044;北京市建筑安全监测工程技术研究中心,北京 1000442.国家体育总局运动医学研究所,北京 100061
摘要：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.
关键词：下肢康复机器人闭链结构RBF神经网络不确定性自适应补偿控制
资助基金：老龄化科技应对重点专项(2020YFC2006705)北京市建筑安全监测工程技术研究中心研究基金项目(BJC2020K012)北京建筑大学研究生创新项目(PG2023141)
论文发表日期：2024-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 60-68 )
英文信息