[发明专利]基于扩展状态观测器的康复机械装置迭代学习控制方法

权利要求书

1.一种基于扩展状态观测器的康复机械装置迭代学习控制方法，其特征在于，包括如下步骤：

S1：对康复机械装置进行数学抽象，建立康复机械装置的线性化模型；

S2：基于所述线性化模型的参数，建立康复机械装置的扩张维数模型，并定义所述扩张维数模型中的未知参数为总干扰；

S3：基于所述扩张维数模型的参数，设计扩展状态观测器和迭代学习控制器；

S4：基于本次迭代运行中康复机械装置的控制电压数据以及上一次迭代运行中康复机械装置的控制电压数据和输出位移数据，通过所述扩展状态观测器对本次迭代运行中康复机械装置所受到的总干扰进行估计；

S5：根据所述扩展状态观测器获得的本次迭代运行中总干扰的估计值以及本次迭代运行中康复机械装置的控制电压数据和输出位移数据，计算出下一次迭代运行中康复机械装置每个时刻的控制电压数据，并传送给康复机械装置；

S6：运行康复机械装置，获得下一次迭代运行中康复机械装置的输出位移数据；

S7：返回步骤S4，重复执行步骤S4～S6，直至完成一个康复训练周期；

其中，步骤S1，对康复机械装置进行数学抽象，建立康复机械装置的线性化模型，具体包括：

对康复机械装置进行数学抽象，建立康复机械装置的线性化模型如下：

其中，t∈{0，…，N}表示采样时刻，N为正整数，表示迭代运行次数，x_k(t)表示康复机械装置k次迭代运行时t时刻的内部状态，x_k(t+1)表示康复机械装置k次迭代运行时t+1时刻的内部状态，u_k(t)表示康复机械装置k次迭代运行时t时刻的控制电压数据，y_k(t)代表康复机械装置k次迭代运行时t时刻的输出位移数据，w_k(t)表示康复机械装置k次迭代运行时t时刻的内部干扰，v_k(t)表示康复机械装置k次迭代运行时t时刻的输出结构处的干扰，A、B、C为线性化模型的已知参数；

定义康复机械装置k次迭代运行时t时刻的跟踪误差e_k(t)为期望轨迹y_d(t)与输出位移数据y_k(t)的差值：

e_k(t)＝y_d(t)-y_k(t) (2)

寻找最优的控制电压数据u_k(t)，使得e_k(t)最小；跟踪误差e_k(t)越小，康复治疗效果越好；

步骤S2，基于所述线性化模型的参数，建立康复机械装置的扩张维数模型，并定义所述扩张维数模型中的未知参数为总干扰，具体包括：

对康复机械装置的线性化模型进行扩张维数变换，将w_k(t)、v_k(t)以及康复机械装置k次迭代运行时初始时刻的内部状态x_k(0)多处干扰进行整合，确定直接影响跟踪误差的总干扰，得到康复机械装置的扩张维数模型如下：

E_k+1＝E_k-P(U_k+1-U_k)+D_k (3)

其中，

D_k＝Q(x_k(0)-x_k+1(0))+M(W_k-W_k+1)+V_k-V_k+1 (9)

其中，E_k和E_k+1均表示跟踪误差矩阵，分别为e_k(t)和e_k+1(t)的矩阵形式，e_k+1(t)表示康复机械装置k+1次迭代运行时t时刻的跟踪误差；U_k和U_k+1均表示控制电压矩阵，分别为u_k(t)和u_k+1(t)的矩阵形式，u_k+1(t)表示康复机械装置k+1次迭代运行时t时刻的控制电压数据；D_k表示影响康复机械装置k次迭代运行时跟踪误差矩阵迭代变化的未知的总干扰，是待观测估计的目标；x_k+1(0)表示康复机械装置k+1次迭代运行时初始时刻的内部状态；W_k和W_k+1分别为w_k(t)和w_k+1(t)的矩阵形式，w_k+1(t)表示康复机械装置k+1次迭代运行时t时刻的内部干扰；V_k和V_k+1分别为v_k(t)和v_k+1(t)的矩阵形式，v_k+1(t)表示康复机械装置k+1次迭代运行时t时刻的输出结构处的干扰；P、Q、M为扩张维数模型的参数矩阵。