[發明專利]一種外骨骼動力學模型參數辨識方法及外骨骼裝置

有效

• 申請號: 201911034906.4
• 申請日: 2019-10-29
• 公開（公告）號: CN110703604B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 郭慶;陳振雷;劉干;石巖;許猛;蔣丹
• 申請（專利權）人: 電子科技大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開一種外骨骼動力學模型參數辨識方法及外骨骼裝置，應用于外骨骼機器人領域，為了解決現有的模型辨識方法往往達不到實際要求的辨識精度和誤差收斂速度的問題，本發明的方法首先建立包含未知參數的外骨骼動力學模型，并將其轉化成線性形式；然后，采用NFO算法設計在特定物理約束下的外骨骼的激勵軌跡并進行激勵實驗獲取采樣回歸數據集與采樣力矩數據集；采樣回歸數據集與采樣力矩數據集組成采樣數據集；最后，采用NFO算法，根據采樣數據集進行動力學模型的未知參數辨識；并根據辨識出的動力學模型參數設計魯棒控制器，基于設計的魯棒控制器對外骨骼裝置進行了實時驅動。

技術領域

本發明屬于外骨骼機器人領域，特別涉及一種外骨骼機器人的未知參數辨識方法及控制技術。

背景技術

下肢外骨骼是一種將人的智慧和機械的力量結合起來的可穿戴裝置，在搶險救災、醫療康復、軍事作戰等方面都有著廣泛的應用場景。下肢外骨骼系統是指以伺服裝置為控制核心的伺服控制系統，主要由電信號處理裝置和動力機構組成。典型外骨骼組成元件如下：(1)給定元件。它可以是機械裝置，如連桿等，提供位移信號；也可是電氣元件，如電位計等，提供電壓信號；(2)檢測元件。用來檢測執行元件的實際輸出量，并轉換成反饋信號。它可以是光電傳感器、編碼器、三維力傳感器等；(3)比較元件。用來比較指令信號和反饋信號，并得出誤差信號。實際中一般沒有專門的比較元件，而是由某一結構元件兼職完成；(4)放大、轉換元件。將比較元件所得的誤差信號放大，并轉換成電信號或液壓信號(壓力、流量)。它可以是電放大器等；(5)執行元件。將電能轉變為機械能，產生直線運動或旋轉運動，并直接控制被控對象。一般指電機或液壓缸；(6)被控制對象。指系統的負載，如工作臺等。

NFO(Neighborhood Field Optimization，鄰域優化算法)算法的基本原理是：根據優化模型的復雜程度，確定搜索空間上的個體數和優化結束條件，并計算出每個個體的相鄰優勢個體和相鄰劣勢個體，并以此獲得變異因子和變異向量，在選擇的適應度函數下進行個體的更新，直至優化結束條件滿足。

隨著外骨骼機器人在工程領域中的應用日益擴大，對于外骨骼參數辨識的精度要求越來越高；而現有的模型辨識方法往往達不到實際要求的辨識精度和誤差收斂速度，而缺少精度高，收斂快的模型辨識方法的研究。

發明內容

為解決上述技術問題，本發明提出一種基于NFO算法的外骨骼動力學模型參數辨識方法，及將該方法應用于一款下肢外骨骼裝置，實現了對下肢外骨骼動力學模型參數的精確辨識，采用本發明方法的魯棒控制器提高了下肢外骨骼裝置抗干擾能力。

本發明采用的技術方案之一為：一種基于NFO算法的外骨骼動力學模型參數辨識方法，包括：

S1、建立包含未知參數的外骨骼動力學模型，并將其轉化成線性形式；

S2、采用NFO算法設計在特定物理約束下的外骨骼的激勵軌跡并進行激勵實驗獲取采樣回歸數據集與采樣力矩數據集；采樣回歸數據集與采樣力矩數據集組成采樣數據集；

S3、采用NFO算法，根據采樣數據集進行動力學模型的未知參數辨識。

進一步地，步驟S1采用拉格朗日方法建立外骨骼的動力學模型。

進一步地，步驟S2所述在特定物理約束下的外骨骼的激勵軌跡具體為：外骨骼關節角度、外骨骼關節角速度、外骨骼關節角加速度滿足特定物理約束的外骨骼的激勵軌跡。

進一步地，步驟S3具體為采用NFO算法對根據采樣數據集構建的外骨骼動力學模型線性形式對應的適應度函數進行優化，從而辨別外骨骼動力學模型參數。

更進一步地，所述適應度函數采用Huber函數。

進一步地，當所述外骨骼為2-DOF下肢外骨骼時，步驟S3中采用NFO算法通過優化以下適應度函數進行動力學模型的未知參數辨識：