[发明专利]一种外骨骼动力学模型参数辨识方法及外骨骼装置

权利要求书

1.一种基于NFO算法的外骨骼动力学模型参数辨识方法，其特征在于，包括：

S1、建立包含未知参数的外骨骼动力学模型，并将其转化成线性形式；

S2、采用NFO算法设计在特定物理约束下的外骨骼的激励轨迹并进行激励实验获取采样回归数据集与采样力矩数据集；采样回归数据集与采样力矩数据集组成采样数据集；

S3、采用NFO算法，根据采样数据集进行动力学模型的未知参数辨识；具体为采用NFO算法对根据采样数据集构建的外骨骼动力学模型线性形式对应的适应度函数进行优化，从而辨别外骨骼动力学模型参数；

当所述外骨骼为2-DOF下肢外骨骼时，步骤S3中采用NFO算法通过优化以下适应度函数进行动力学模型的未知参数辨识：

其中，E⁽ⁱ⁾为第i代数据的平方误差，为第i代数据的力矩误差，Φ表示未知参数矩阵，表示Φ的估计值，为第i代数据的采样回归矩阵，为第i代数据的力矩估计，是的第j个元素，δ₁，δ₂分别是设计的力矩τ₁,τ₂的误差阈值，δ＝[δ₁,δ₂]^T。

2.根据权利要求1所述的一种基于NFO算法的外骨骼动力学模型参数辨识方法，其特征在于，步骤S1采用拉格朗日方法建立外骨骼的动力学模型。

3.根据权利要求2所述的一种基于NFO算法的外骨骼动力学模型参数辨识方法，其特征在于，步骤S2所述在特定物理约束下的外骨骼的激励轨迹具体为：外骨骼关节角度、外骨骼关节角速度、外骨骼关节角加速度满足特定物理约束的外骨骼的激励轨迹。

4.根据权利要求3所述的一种基于NFO算法的外骨骼动力学模型参数辨识方法，其特征在于，所述适应度函数采用Huber函数。

5.一种鲁棒控制器，其特征在于，采用根据权利要求1-4任一项权利要求所述方法辨识得到的动力学模型参数设计得到。

6.根据权利要求5所述的一种鲁棒控制器，其特征在于，当所述外骨骼为2-DOF下肢外骨骼时，所述设计鲁棒控制器的过程为：

首先，获取下肢外骨骼的状态空间模型；

其中，表示外骨骼髋关节的角速度、表示外骨骼髋关节的角加速度，表示外骨骼膝关节的角速度，表示外骨骼膝关节的角加速度，上标T为转置运算，z₁＝x₁-x_r，z₂＝x₂-α，x_r由人体步态获得；

然后，针对获取的状态空间模型以及基于NFO算法辨识得到的外骨骼动力学模型参数，设计鲁棒控制器：

其中，为α的导数，K₂∈R^2×2为正定矩阵，为虚拟控制量，K₁∈R^2×2为正定矩阵，τ是电机驱动的关节力矩，τ_dis是人机耦合力矩，M表示惯性矩阵，C表示科里奥利矩阵，G表示重力矩阵，τ_f表示关节摩擦力矩，分别为重力矩阵、科里奥利矩阵、关节摩擦力矩的估计值。

7.一种外骨骼装置，其特征在于，采用权利要求6所述鲁棒控制器驱动。

8.根据权利要求7所述的一种外骨骼装置，其特征在于，当所述外骨骼装置为2-DOF下肢外骨骼装置时，包括：两个机械连杆，记为：第一连杆、第二连杆，两个驱动电机，两个三维力传感器，两个光电编码器，四个光电传感器以及电源；所述第一连杆作为大腿臂，所述第二连杆作为小腿臂，所述第一连杆首端作为髋关节，第一连杆与第二连杆连之间的铰接作为膝关节，在髋关节和膝关节分别设置一个驱动电机，在大腿臂和小腿臂分别设置一个三维力传感器；

还包括：在大腿臂和小腿臂分别设置一个光电编码器，在大腿臂和小腿臂分别设置两个光电传感器，用于检测第一连杆与第二连杆各自的限位信号，在大腿臂和小腿臂分别设置两个绷带，用于将下肢外骨骼装置和人体耦合；

所述电源为驱动电机、三维力传感器、光电编码器、光电传感器供电。