[发明专利]一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略

说明书

本发明公开了一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，该控制策略利用多变量迭代学习项来估计上肢外骨骼模型中的时变参数，无需建立精确的数学模型。此外，为提高跟踪精度和获得较强的鲁棒性，在迭代学习方案中引入了滑模控制，利用滑模控制器处理非周期的集总扰动，并且在该控制策略中设计了自适应律，用于补偿控制器中的不确定，从而减弱由切换项引起的抖振现象，减小人机之间的跟踪误差，可达到在有限迭代次数内各关节跟踪误差收敛到零附近。本发明控制策略解决了五自由度上肢外骨骼系统机器人在模型参数未知及非周期扰动下的跟踪控制问题，其算法鲁棒性强，控制抖振小，跟踪性能好。

技术领域

本发明涉及外骨骼控制技术领域，具体是一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，可应用于可穿戴的上肢康复机器人，有助于上肢外骨骼助力运动领域的发展。

背景技术

上肢外骨骼系统是一种可穿戴的机械装置，作为力量支撑可协助人类完成繁重的体力工作，作为医疗康复设置可辅助残疾人员进行康复训练，在军事、医疗等领域具有重要的实用价值。上肢外骨骼系统的基本工作原理是通过感知穿戴者运动意图，为其特定关节提供一定的力矩，实时调整外骨骼机器人各个关节的位置和角度，实现对手臂运动的快速准确跟踪。外骨骼与穿戴者构成典型的人机共融系统，具有多变量、非线性和不确定性等特点，易受机械误差、传感误差及外界干扰等因素的影响。为保证人体和机器人同步运动，外骨骼的设计不仅要符合人体力学，还要具备人机交互能力和自适应能力，以确保穿戴者的舒适与安全。

迭代学习控制算法可处理周期信号，适用于机械臂执行重复任务。然而，传统的迭代学习控制方法在处理系统不确定性和外部干扰等非周期信号方面有一定的局限性，严重影响了系统的动态特性。

发明内容

为克服五自由度上肢外骨骼系统迭代学习现有控制技术的不足，提出一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略。该控制策略利用多变量迭代学习项来估计上肢外骨骼模型中的时变参数，无需建立精确的数学模型。此外，为提高跟踪精度和获得较强的鲁棒性，在迭代学习方案中引入了滑模控制方法，利用滑模控制器处理非周期的集总扰动，并且在该控制策略中设计了自适应律，用于补偿控制器中的不确定，从而减弱由切换项引起的抖振现象，减小人机之间的跟踪误差。

本发明解决所述技术问题的技术方案是，设计一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略，其特征在于，操作步骤如下：

步骤1：建立包含未知参数和不确定项的五自由度上肢外骨骼系统动力学模型。

步骤2：利用VICON运动捕捉系统采集健康人体上肢运动数据，并通过拟合函数得到五自由度上肢外骨骼系统各关节的期望运动轨迹。

步骤3：根据步骤1中的五自由度上肢外骨骼系统动力学模型和步骤2所得的五自由度上肢外骨骼系统各关节的期望运动轨迹，采用迭代学习方法估计动力学模型中的未知参数，在此基础上设计自适应滑模控制器，得到自适应迭代学习滑模控制器。

步骤4：通过Lyapunov综合能量函数方法证明步骤3所设计的自适应迭代学习滑模控制器的稳定性和迭代收敛性。

步骤5：在SolidWorks软件中构建五自由度上肢外骨骼系统的虚拟样机，并通过MATLAB/Simulink模型和机械系统动态分析软件ADAMS联合仿真验证该控制策略的有效性。

与现有技术相比，本发明的有益效果为：本发明控制策略利用多变量迭代学习项来估计上肢外骨骼模型中的时变参数，无需建立精确的数学模型。此外，为提高跟踪精度和获得较强的鲁棒性，在迭代学习方案中引入了滑模控制方法，利用滑模控制器来处理非周期的集总扰动，并且在该控制策略中设计了自适应律，用于补偿控制器中的不确定，从而减弱由切换项引起的抖振现象，减小人机之间的跟踪误差，可达到在有限迭代次数内各关节跟踪误差收敛到零附近。本发明控制策略解决了五自由度上肢外骨骼系统机器人在模型参数未知及非周期扰动下的跟踪控制问题，其算法鲁棒性强，控制抖振小，跟踪性能好。