[发明专利]一种基于迭代阻抗的下肢康复外骨骼控制方法

权利要求书

1.一种基于迭代阻抗的下肢康复外骨骼控制方法,包括以下步骤：

步骤一：建立具有模型不确定性的下肢康复外骨骼控制系统模型；

步骤二：设计RBF神经网络迭代阻抗控制器，构成闭环控制系统。

2.根据权利要求1所述的基于迭代阻抗的下肢康复外骨骼控制方法，其特征在于，步骤一具体包括：

建立下肢康复外骨骼动力学模型：

式(1)中，θ是关节角度向量；M(θ)、和G(θ)分别表示外骨骼动力学的惯性矩阵，科氏力和向心力矩阵，以及重力矩阵；τ_dis表示外骨骼的未建模干扰项；τ_e为外骨骼与患者之间的交互力矩；τ则代表控制器的理想输入力矩；

建立康复外骨骼系统人-机交互的阻抗模型：

式(2)中，θ_d是期望的关节角度向量；M_d、C_d和K_d分别表示期望的惯量矩阵，阻尼矩阵和刚度矩阵；

采用RBF神经网络来逼近动力学模型，得到RBF神经网络模型：

式(3)中，和是估计误差项；和表示神经网络的理想权值；和表示神经网络的高斯函数输出；

通过建立上述三个数学模型，完成了整个下肢康复外骨骼系统的模型搭建。

3.根据权利要求2所述的基于迭代阻抗的下肢康复外骨骼控制方法，其特征在于，所述步骤二的具体过程为：

设计该系统的控制器：

其中，τ_a是计算力矩输入；τ_b是反馈力矩输入；τ_c是补偿力矩输入；是未知扰动的估计值；

控制器各项的详细展开式为：

τ_b＝-K_zz+m

式(5)中，是一个正定矩阵；则是反馈力矩输入，其遵循迭代学习律：m_k+1＝m_k-β_mz_k，k代表迭代次数，β_m是一个正常数；τ_c用于补偿RBF神经网络和外部扰动的逼近误差，和是RBF神经网络中估计误差项的未知上界，满足和

通过(1)、(4)和(5)化简得到：

式(6)则为本发明下肢外骨骼系统的闭环动力学方程。

4.根据权利要求3所述的基于迭代阻抗的下肢康复外骨骼控制方法，其特征在于，还包括步骤三：定义Lyapunov函数，通过放缩法消去不确定项，验证所述闭环控制系统的稳定性。

5.根据权利要求4所述的基于迭代阻抗的下肢康复外骨骼控制方法，其特征在于，所述步骤三的具体过程为：

定义Lyapunov函数如下：

Ω_k(t)＝V_k(t)+U_k(t)+Y_k(t) (4)

式(7)中V_k(t)、U_k(t)和Y_k(t)分别对应控制器中的反馈力矩项、计算力矩项和补偿力矩项；

式(8)中，V_k(t)、U_k(t)和Y_k(t)分别对应控制器中的反馈力矩项、计算力矩项和补偿力矩项；k表示迭代次数，t是时间常数，V_k(0)是在t＝0时刻的初始值，代表求矩阵的迹

分别对V、U和Y项进行化简，最后得到当满足和时，ΔΩ_k(t)始终有界且小于零，表示矩阵的最小特征值；当迭代次数趋于无穷，ΔΩ_k(t)趋于零。