人體上肢與上肢康復(fù)機器人運動控制研究.pdf

1、隨著上肢偏癱患者數(shù)量的增多，上肢康復(fù)機器人越來越多地引起人們的重視。 但現(xiàn)有的上肢康復(fù)系統(tǒng)大多采用開環(huán)控制系統(tǒng)結(jié)構(gòu)，較少考慮到患者的主動運動意識和反饋信號。本論文針對上肢康復(fù)機器人的運動控制問題，先對人體上肢的運動控制機理進行研究，再結(jié)合得到的結(jié)論，對上肢康復(fù)機器人運動控制進行研究。 本文的主要工作和貢獻包括以下幾個方面： 研究了矢狀面內(nèi)人體上肢的姿態(tài)控制問題。首先分析了矢狀面內(nèi)人體上肢的運動特性，建立矢狀面內(nèi)人

2、體上肢神經(jīng)肌肉骨骼系統(tǒng)的數(shù)學模型，采用多層感知器神經(jīng)網(wǎng)絡(luò)實現(xiàn)上肢姿態(tài)控制系統(tǒng)，控制系統(tǒng)的持續(xù)時間根據(jù)反饋誤差實時估計得到，比較Levenberg-Marquardt 學習算法和彈性BP 算法在上肢姿態(tài)控制問題中的適用性。 研究了矢狀面內(nèi)人體上肢的大幅度姿態(tài)運動控制問題。基于小腦神經(jīng)網(wǎng)絡(luò)思想，結(jié)合模糊控制和滑模控制理論，提出了一種滑模模糊小腦神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)利用滑模面函數(shù)轉(zhuǎn)換網(wǎng)絡(luò)輸入信號，提出基于量化方式的多維接受域函數(shù)實現(xiàn)聯(lián)想單

3、元與接受域空間之間的映射，有效地降低了網(wǎng)絡(luò)的存儲空間。網(wǎng)絡(luò)參數(shù)的訓(xùn)練分兩階段完成，粗調(diào)階段以滑?？刂破饔?xùn)練網(wǎng)絡(luò)參數(shù)，微調(diào)階段以粗調(diào)階段訓(xùn)練結(jié)果為基礎(chǔ)，進一步加強控制系統(tǒng)的穩(wěn)定性。 針對人體上肢的軌跡跟蹤控制問題，提出了一種進化對角回歸神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的結(jié)構(gòu)由遺傳算法與進化計算結(jié)合的混合學習算法優(yōu)化得到，網(wǎng)絡(luò)的參數(shù)由附加動量因子的自適應(yīng)動態(tài)反向傳播學習算法訓(xùn)練得到。這種具有動態(tài)映射能力和生物進化特性的神經(jīng)網(wǎng)絡(luò)更適合于矢狀面內(nèi)人體上肢

4、這類多變量非線性系統(tǒng)的軌跡跟蹤控制，可以進一步用于康復(fù)機器人控制等問題中。 討論了人體上肢的實時軌跡跟蹤控制問題。在滑模模糊小腦神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了一種滑模對角回歸小腦神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)在聯(lián)想層節(jié)點中引入自回歸單元，使網(wǎng)絡(luò)具有更好的動態(tài)映射能力。這種動態(tài)小腦神經(jīng)網(wǎng)絡(luò)具有更好的跟蹤平滑性和更強的魯棒性，適合于多變量不確定非線性系統(tǒng)的動態(tài)控制。 研究了上肢康復(fù)機器人的姿態(tài)控制問題。分析了上肢康復(fù)機器人的功能和結(jié)構(gòu)，對上肢康

5、復(fù)系統(tǒng)的機械結(jié)構(gòu)部分建立了動力學模型。根據(jù)臨床觀察和患肢的病理分析，設(shè)計患者的主動作用函數(shù)。根據(jù)上肢康復(fù)機器人的控制需求，結(jié)合人體運動控制思想，采用魯棒控制實現(xiàn)了上肢康復(fù)系統(tǒng)的大幅度姿態(tài)運動控制。根據(jù)李亞普諾夫穩(wěn)定性定理，設(shè)計魯棒控制律，并在仿真和實驗中驗證該控制律的有效性。 討論了上肢康復(fù)機器人的軌跡跟蹤問題。基于逆向動力學補償和滑?？刂?，提出一種多變量滑模控制策略，較好地實現(xiàn)了上肢康復(fù)系統(tǒng)的機械結(jié)構(gòu)模型的軌跡跟蹤控制。