[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

说明书

本发明公开了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，通过设计扩展状态观测器，利用康复机械装置迭代运行过程中的控制电压数据和输出位移数据对康复机械装置总干扰进行重构，获得康复机械装置总干扰估计值；利用获得的总干扰估计值设计基于扩展状态观测器的迭代学习控制器，利用总干扰估计值通过迭代学习控制器对康复机械装置进行重复控制，抵消实际干扰的影响，使康复机械装置获得干扰抵抗能力，同时实现康复机械装置对于期望轨迹的精确跟踪。本发明提供的上述康复机械装置迭代学习控制方法还可以实现多路同时控制，能同时对使用者多个部位进行不同程度和不同要求的训练，通过灵活设置康复训练内容，可加快使用者的恢复速度。

技术领域

本发明涉及迭代学习控制技术领域，尤其涉及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。

背景技术

康复机械装置近年来受到广泛研究与关注。康复机械装置的主要功能是用于辅助使用者进行手指屈伸的康复训练，目的在于通过一定时间和强度的训练治疗，减少使用者大脑中运动神经系统的功能萎缩，进而实现使用者运动神经的修复，恢复身体运动功能。在实际运行中，为了达到训练和恢复的效果，康复机械装置需要帮助使用者完成多次特定的康复训练动作，也就是说，在康复训练过程中，康复机械装置是重复运行的。由于康复机械装置这种重复运行的特性，以及使用者需要康复的部位都是较为虚弱的身体部位，因此，对康复机械装置的位移控制精度提出较高的要求。

目前，传统的迭代学习控制方法的局限性在于不能时刻保持较高的位移控制精度，控制效果受外界干扰影响较大。如果在康复训练过程中突发干扰，康复效果则不能保证，严重时还会引起使用者不适。

发明内容

有鉴于此，本发明提供了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，用以改进应用传统迭代学习控制算法造成的受外界干扰变化影响较大、控制精度不高等问题。

本发明提供的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，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。

在一种可能的实现方式中，在本发明提供的上述康复机械装置迭代学习控制方法中，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：