基于力取值在線模糊調(diào)整的模糊自適應(yīng)阻抗控制方法

基于力取值在線模糊調(diào)整的模糊自適應(yīng)阻抗控制方法

中風(fēng)是指腦血管系統(tǒng)發(fā)生病理改變，對(duì)腦神經(jīng)損傷引起的疾病。在腦損傷后，病人的下肢運(yùn)動(dòng)功能喪失。以往的治療腦癱的方法是由康復(fù)醫(yī)師通過手術(shù)進(jìn)行康復(fù)。這種康復(fù)方法不僅效率低下，而且康復(fù)效果也很大?？祻?fù)訓(xùn)練機(jī)器人技術(shù)是近年來開發(fā)的一種新的運(yùn)動(dòng)神經(jīng)康復(fù)治療技術(shù)。在康復(fù)機(jī)器人的設(shè)計(jì)中，一個(gè)重要方面是為患者的運(yùn)動(dòng)提供最佳支持，以幫助患者完成康復(fù)訓(xùn)練。到目前為止,大多數(shù)康復(fù)機(jī)器人在輔助患者完成康復(fù)訓(xùn)練的過程中主要是依靠康復(fù)醫(yī)師事先設(shè)定好的參數(shù)值進(jìn)行訓(xùn)練,但是根據(jù)偏癱治療學(xué)知道,在現(xiàn)代偏癱康復(fù)治療中,根據(jù)患肢的肌力、肌張力及運(yùn)動(dòng)模式的規(guī)律性變化,大多將整個(gè)偏癱恢復(fù)過程分為3個(gè)階段:軟癱期、痙攣期和恢復(fù)期,不同恢復(fù)階段對(duì)應(yīng)的病患特性相差較大,特別是在患者康復(fù)過程中若有痙攣產(chǎn)生,由于痙攣的主要外在表現(xiàn)之一為肢體運(yùn)動(dòng)阻力的突然提高,則可能會(huì)導(dǎo)致系統(tǒng)變得不穩(wěn)定,此時(shí)如果仍然按照事先設(shè)定好的參數(shù)進(jìn)行康復(fù)訓(xùn)練,則不僅對(duì)病人的康復(fù)訓(xùn)練不利,甚至給患者帶來二次損傷.因此,根據(jù)患者恢復(fù)過程中的病情特點(diǎn)實(shí)時(shí)調(diào)整康復(fù)機(jī)械手末端同患者之間的相互作用力、保持系統(tǒng)穩(wěn)定是至關(guān)重要的.針對(duì)上述情況,本文在傳統(tǒng)阻抗控制方法基礎(chǔ)上,根據(jù)患肢恢復(fù)過程中的病情特點(diǎn),提出了一種在線調(diào)節(jié)輔助力參考值和目標(biāo)阻抗控制參數(shù)的模糊調(diào)整算法.仿真試驗(yàn)結(jié)果表明本文提出的控制策略能夠較好地改善系統(tǒng)的動(dòng)態(tài)性能,使系統(tǒng)具有較好的穩(wěn)定性和魯棒性.1滑動(dòng)平均分析方法患肢的動(dòng)力學(xué)特性通?？梢杂觅|(zhì)量-彈簧-阻尼模型來表示,即fe=me¨x+be˙x+kex(1)式中,fe為康復(fù)機(jī)械手末端同患肢之間的相互作用力;x,˙x,¨x分別為患肢的位移、速度、加速度;me,be,ke分別為患肢的質(zhì)量、阻尼和剛度.假設(shè)?me,?be,?ke為患肢機(jī)械阻抗參數(shù)me,be,ke相應(yīng)的估計(jì)值,則有?fe=?me¨x+?be˙x+?kex(2)根據(jù)最小二乘法E=Ν∑i=1[fe(i)-?fe(i)]2(3)?E??me=0?E??be=0?E??ke=0}(4)有[?me?be?ke]=[Ν∑i=1¨x2(i)Ν∑i=1¨x(i)˙x(i)Ν∑i=1¨x(i)x(i)Ν∑i=1˙x(i)¨x(i)Ν∑i=1˙x2(i)Ν∑i=1˙x(i)x(i)Ν∑i=1x(i)¨x(i)Ν∑i=1x(i)˙x(i)Ν∑i=1x2(i)]-1?[Ν∑i=1¨x(i)fe(i)Ν∑i=1˙x(i)fe(i)Ν∑i=1x(i)fe(i)](5)式中,N為采樣點(diǎn)數(shù).為了對(duì)患肢的阻抗參數(shù)進(jìn)行在線估計(jì),引入滑動(dòng)平均方法,即式(6)可以定義為?Ζe(t)=A(t)-1C(t)t≥Ν(7)根據(jù)滑動(dòng)平均的方法,A(t),C(t)可以用下式進(jìn)行計(jì)算,即ai,j(t+1)=t+1∑k=t-Ν+2x3-i(k)x3-j(k)=ai,j(t)+x3-i(t+1)x3-j(t+1)-x3-i(t-Ν+1)x3-j(t-Ν+1)i=1,2,3;j=1,2,3(8)ci(t+1)=t+1∑k=t-Ν+2x3-i(k)fe(k)=ci(t)+x3-i(t+1)fe(t+1)-x3-i(t-Ν+1)fe(t-Ν+1)i=1,2,3;j=1,2,3(9)2基于模糊推理的肥力值和目標(biāo)阻抗控制參數(shù)的在線調(diào)整算法2.1fdk-1在機(jī)器人輔助患肢進(jìn)行康復(fù)訓(xùn)練的過程中,根據(jù)患肢病情特點(diǎn)實(shí)時(shí)調(diào)整機(jī)械手末端同患肢之間的相互作用力,是解決輔助康復(fù)控制系統(tǒng)穩(wěn)定性、防止患肢二次損傷的重要途徑之一.本文根據(jù)患肢恢復(fù)過程中機(jī)械阻抗的特點(diǎn)提出了一種期望力在線模糊調(diào)整算法:fd(k)=fd(k-1)+γf(k)(10)式中,fd(k),fd(k-1)分別為k和k-1時(shí)刻機(jī)械手末端和患肢之間相互作用力的期望值;γ為根據(jù)患肢阻抗特點(diǎn)設(shè)計(jì)的調(diào)整系數(shù);f(k)由康復(fù)機(jī)器人的安全閾值和fd(k-1)共同確定.研究表明,不同患肢或同一患肢在恢復(fù)的不同階段中,其機(jī)械阻抗參數(shù)剛度和阻尼是不斷變化的,而且在康復(fù)訓(xùn)練過程中,當(dāng)患肢的運(yùn)動(dòng)部位或訓(xùn)練姿勢(shì)發(fā)生變化時(shí),其質(zhì)量參數(shù)也將發(fā)生相應(yīng)的變化.患肢的阻尼比系數(shù)ηe較分別用剛度、阻尼系數(shù)具有更好的區(qū)分患肢病情的能力,即ηe=be2√keΜe(11)式中,Me為計(jì)算得到的患肢的慣性值.根據(jù)上述分析,本文考慮用ηe來表征患肢在康復(fù)訓(xùn)練過程中的恢復(fù)狀況,在設(shè)計(jì)力參考值模糊推理器時(shí),將阻尼比的變化?ηe作為其中一個(gè)輸入變量,即?ηe=?be2√?keΜe(12)輸入變量取為質(zhì)量變化?me,輸出變量為調(diào)整系數(shù)γ.在模糊化過程中,模糊語言變量分為5個(gè)子項(xiàng):負(fù)大(NB)、負(fù)小(NS)、零(ZE)、正小(PS)、正大(PB),每個(gè)子項(xiàng)的隸屬度函數(shù)在論域上取為高斯函數(shù),即u(x)=exp(-(x-b)2c2)(13)模糊調(diào)整規(guī)則如表1所示.2.2模型的建立與變量的設(shè)置由前面討論可知,在機(jī)器人輔助患肢進(jìn)行康復(fù)訓(xùn)練的過程中,隨著患肢病情的恢復(fù)康復(fù)機(jī)械手末端同患肢之間的動(dòng)態(tài)關(guān)系是不斷變化的,因此,康復(fù)機(jī)械手同患肢接口之間的柔順性和端點(diǎn)阻抗的可控性成為康復(fù)機(jī)器人控制系統(tǒng)設(shè)計(jì)中重要考慮的問題之一.阻抗控制是一種非常有效的柔順控制方法,通過調(diào)整機(jī)械手末端同環(huán)境之間的動(dòng)態(tài)關(guān)系來實(shí)現(xiàn)位置和力的控制.描述阻抗控制有幾種不同的數(shù)學(xué)模型,本文采用如下模型:Μd¨E+Bd˙E+ΚdE=Fd-Fe(14)E=Xd-X,˙E=˙Xd-˙X,¨E=¨Xd-¨X式中,Md,Bd,Kd分別為目標(biāo)慣性、阻尼和剛度矩陣;Xd,X分別為康復(fù)機(jī)械手末端期望和實(shí)際位移;˙Xd,˙X,¨Xd,¨X為相應(yīng)的速度、加速度.文獻(xiàn)運(yùn)用神經(jīng)網(wǎng)絡(luò)方法對(duì)目標(biāo)阻抗控制參數(shù)進(jìn)行了實(shí)時(shí)調(diào)整,結(jié)果表明常規(guī)的固定目標(biāo)阻抗系數(shù)的控制方法其效果明顯低于隨著環(huán)境變化而相應(yīng)調(diào)整其目標(biāo)阻抗的方法.為此,本文通過引入模糊推理技術(shù)來調(diào)整目標(biāo)阻抗控制系數(shù)(Kd,Bd),分別設(shè)計(jì)2個(gè)模糊變阻抗控制器,進(jìn)而提高整個(gè)控制系統(tǒng)的動(dòng)態(tài)性能.2個(gè)控制器分別稱為模糊變剛度控制器(FVSC)和模糊變阻尼控制器(FVDC).FVSC的輸入變量分別設(shè)置為位置誤差(ep=xd-x)和力誤差(ef=fd-fe),輸出變量為目標(biāo)剛度系數(shù)的修正量Δkd;FVDC的輸入變量分別為速度誤差(ev=˙xd-˙x)和力誤差(ef=fd-fe),輸出為目標(biāo)阻尼系數(shù)的修正量Δbd.模糊推理采用Mamdani算法,取高斯函數(shù)作為隸屬度函數(shù),模糊調(diào)整規(guī)則如表2所示.3模糊控制模型仿真結(jié)果為驗(yàn)證本文所提算法的有效性,現(xiàn)給出兩連桿康復(fù)機(jī)器人的仿真實(shí)驗(yàn),在仿真過程中,患肢在康復(fù)機(jī)械手的輔助下沿預(yù)定軌跡進(jìn)行訓(xùn)練,控制系統(tǒng)框圖如圖1所示.兩關(guān)節(jié)康復(fù)機(jī)械手在關(guān)節(jié)空間的動(dòng)力學(xué)模型為Μ(q)¨q+C(q,˙q)˙q+G(q)=τ-τe(15)式中,¨q,˙q,q分別為關(guān)節(jié)的加速度、速度和位置向量;M(θ)∈R2×2為正定的慣性矩陣;C(θ,θ˙)∈R2×2為哥氏力和離心力向量;G(θ)∈R2×2為重力向量;τ∈R2×1為關(guān)節(jié)驅(qū)動(dòng)力矩;τe∈R2×1為患肢對(duì)康復(fù)機(jī)械手的作用力矩,取Μ(q)=[2.75+cosq20.67+0.5cosq20.67+0.5cosq20]C(q)=[-q˙2sinq2-0.5q˙2sinq20.5q˙1sinq20]G(q)=[14.7cosq1+4.9cos(q1+q2)4.9cos(q1+q2)]阻抗控制模型中Md,Bd,Kd的初始值按文獻(xiàn)中類似的方法選取.力參考模糊調(diào)節(jié)算法和模糊變阻抗控制算法中輸入/輸出變量的論域分別取為Δm^e∈[-1,1],Δη^e∈[-0.5,0.5],γ∈[-0.8,0.8]ep∈[-0.8,0.8],ev∈[-1,1],ef∈[-1,1]Δbd∈[-6,6],Δkd∈[-6,6]仿真中假定患肢的機(jī)械阻抗變化情況如圖2中實(shí)線所示,運(yùn)用滑動(dòng)平均最小二乘辨識(shí)算法,便可得到患肢估計(jì)阻抗變化曲線(圖2中虛線所示),可以看出,該辨識(shí)算法能較準(zhǔn)確地辨識(shí)出患肢實(shí)際阻抗.由辨識(shí)得到的患肢機(jī)械阻抗參數(shù)并根據(jù)式(12)計(jì)算可知,患肢的阻尼比系數(shù)和質(zhì)量參數(shù)在恢復(fù)過程中發(fā)生了較大變化,根據(jù)本文提出的力參考值模糊調(diào)整算法,康復(fù)機(jī)械手和患者之間相互作用力的期望值變化情況如圖3所示.考慮患肢機(jī)械阻抗參數(shù)變化的特點(diǎn),運(yùn)用本文提出的算法及傳統(tǒng)的阻抗控制方法分別從力控制誤差及速度控制誤差2個(gè)方面進(jìn)行了仿真實(shí)驗(yàn),二者期望力的初始值均設(shè)定為10N,仿真結(jié)果如圖4所示.由上述仿真結(jié)果可以看出,不同患肢或同一患肢在恢復(fù)的不同階段中,特別是在患肢病情發(fā)生較大變化時(shí),具有以下比較結(jié)果:1)2種算法都會(huì)發(fā)生力超調(diào)和振蕩,但是傳統(tǒng)阻抗控制方法的力超調(diào)峰值明顯大于改進(jìn)算法相應(yīng)的峰值.2)系統(tǒng)重新穩(wěn)定后,傳統(tǒng)方法的力穩(wěn)定值較系統(tǒng)產(chǎn)生振蕩之前發(fā)生了較大改變,而改進(jìn)的算法仍能較好地跟蹤期望力的變化.3)從速度誤差控制曲線可以看出,傳統(tǒng)阻抗控制方法的速度變化情況受患肢病情變化的影響較大,改進(jìn)后的算法其速度雖然同樣受患肢病情的影響,但是后者受影響的程度明顯小于前者.由此可知,在患肢恢復(fù)過程中病情發(fā)生變化的情況下,本文提出的基于參考力在線模糊調(diào)整的模糊自適應(yīng)阻抗控制算法較傳統(tǒng)的阻抗控制方法具有更強(qiáng)的穩(wěn)定性和魯棒性,更能適