买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：沈阳工业大学

摘要：本发明公开了一种基于随机配置网络（StochasticConfigurationNetworks，SCN）步行力估计的康复训练机器人各轴速度直接约束控制方法。其特征为：基于康复训练机器人的动力学模型，通过分解广义输入力，建立具有训练者步行力的康复机器人动力学模型；基于SCN方法构建训练者步行力的网络估计模型，以运动轨迹和运动速度为网络输入，通过不断随机配置隐含层节点参数，获得训练者的步行力估计；提出各轴速度直接约束方法，抑制训练者步行力对控制精度的影响，同时控制器直接约束康复机器人各轴的实际运动速度，提高控制精度并保障训练者的安全。

主权项：1.基于SCN步行力估计的康复机器人各轴速度直接约束控制方法，其特征在于：基于康复机器人的动力学模型，通过分解广义输入力，建立具有训练者步行力的康复机器人动力学模型；基于SCN方法构建训练者步行力的网络估计模型，以运动轨迹和运动速度为网络输入，通过不断随机配置隐含层节点参数，获得训练者的步行力估计；设计各轴速度直接约束控制器，抑制训练者步行力对控制精度的影响，同时控制器直接约束康复机器人各轴的实际运动速度；步骤如下：1基于康复机器人的动力学模型，通过分解广义输入力，建立具有训练者步行力的康复机器人动力学模型；2基于SCN方法构建训练者步行力的网络估计模型，以运动轨迹和运动速度为网络输入，通过不断随机配置隐含层节点参数，获得训练者的步行力估计；3设计各轴速度直接约束控制器，抑制训练者步行力对控制精度的影响，同时控制器直接约束康复机器人各轴的实际运动速度；基于康复机器人的动力学模型，通过分解广义输入力，建立具有训练者步行力的康复机器人动力学模型，系统的动力学模型描述如下 其中 ut＝[f1f2f3f4]T，Xt＝[xtytθt]T分别为康复机器人x轴、y轴、旋转角的实际运动轨迹，ut表示广义输入力，M表示康复机器人的质量，m表示康复者的质量，I0表示转动惯量，M0，Kθ，Bθ为系数矩阵；θ表示水平轴和机器人中心与第一个轮子中心连线间的夹角，即θ＝θ1，由康复步行机器人结构可知θ3＝θ+π，li表示系统重心到每个轮子中心的距离，r0表示中心到重心的距离，φi表示x轴和每个轮子对应的li之间的夹角，λi表示重心到每个轮子的距离，i＝1,2,3,4；将ut分解为待设计的跟踪控制力u0t和待观测的训练者步行力Δu0t，代入模型1可得 令x1t＝Xt，可得到具有训练者步行力的康复机器人动力学模型 基于SCN方法构建训练者步行力的网络估计模型，以运动轨迹和速度为网络输入，通过不断随机配置隐含层节点参数，获得训练者步行力估计，以机器人运动轨迹和速度作为SCN的网络输入层，并通过权重ω和阈值b与隐含层连接，利用高斯函数得到隐含层输出Gxt；其中 b＝[b1,b2,...,bL]T，Gxt＝[g1ω1xt+b1,...,gLωLxt+bL]T，gjωjxt+bj为隐含层第j个节点的输出j＝1,2,...,L，ωh,j为输入层第h个输入连接隐含层第j个节点的权值，h＝1,2,...,6，bj为隐含层第j个节点的阈值；然后，SCN隐含层通过权重与输出层连接，得到训练者步行力估计的网络输出如下： 其中 为第j个隐含层节点连接第g个输出的权值g＝1,2,3；根据隐含层节点数为L-1时得到的训练者步行力估计误差随机配置第L个隐含层节点参数，并使其满足δL＞0，δL表达形式如下： 其中，参数0＜r＜1,{μL}为非负实数序列，随着随机配置的隐含层节点数不断增加，直至便可实现训练者步行力估计设计各轴速度直接约束控制器，抑制训练者步行力对控制精度的影响，同时控制器直接约束康复机器人各轴的实际运动速度，设Xdt＝[xdtydtθdt]T为医生指定的运动轨迹，定义轨迹跟踪误差、速度跟踪误差、虚拟速度跟踪误差为：et＝Xt-Xdt＝x1t-Xdt6 zt＝x2t-α8其中et＝[exteyteθt]T分别为康复机器人x轴、y轴、旋转角方向的轨迹误差；分别为康复机器人x轴、y轴、旋转角方向的实际速度误差；α＝[αxtαytαθt]T为虚拟运动速度，zt＝[zxtzytzθt]T分别为康复机器人x轴、y轴、旋转角方向的虚拟速度误差；由式78可得 令并结合式3可得 利用式1011可得x轴、y轴、旋转角各轴方向跟踪误差系统如下： 设计机器人虚拟运动速度表达形式如下： 其中参数c11＞0，c12＞0，c13＞0；设计各轴速度直接约束控制器为 其中且φ＝φ1+φ2+φ3，参数c21＞0，c22＞0，c23＞0，k11＞0，k12＞0，k13＞0，k21＞0，k22＞0，k23＞0；由控制器式14可知： 分别设计x轴、y轴、旋转角各轴方向的李雅普诺夫函数如下： 沿跟踪误差系统对式16求导，并将912代入可得 将式1315代入式17可得 由式18可得则各轴跟踪误差系统12渐近稳定；且由李雅普诺夫函数式16可知，进而得到各轴速度约束范围由此可知控制器式14抑制了训练者的步行力且直接约束了各轴的运动速度。

全文数据：

权利要求：

百度查询： 沈阳工业大学 基于SCN步行力估计的康复机器人各轴速度直接约束控制