龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：电子科技大学;电子科技大学广东电子信息工程研究院
摘要：本发明属于机器人系统控制技术领域，具体为一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，该方法基于单点期望模型和单点交互环境动力学模型，设计针对多点人机交互阻抗指标函数和优化问题，求得外骨骼关节空间最优阻抗模型。通过引入过程变量，将原始阻抗控制问题转化为非线性系统最优控制问题。通过设计基于评价神经网络的智能学习控制方法，保证外骨骼系统的最优控制性能。通过设计基于动态回归扩展与混合技术的权重参数更新算法，提升了神经网络参数学习过程的瞬态性能，松弛了对传统持续激励条件的要求，最终实现人机交互过程中对穿戴者的适应性和柔顺性。
主权项：1.一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，包括以下步骤：步骤1、建立基于动力学模型、针对机器人的单点交互环境动力学模型、以及单点期望阻抗模型；所述动力学模型为基于欧拉-拉格朗日模型建立的柔性外骨骼系统动力学模型，所述单点交互环境动力学模型为采用线性时不变系统描述外界环境的环境动力学模型；步骤2、基于单点交互环境动力学模型和期望模型，将原机器人系统的最优阻抗参数问题转换为线性二次最优调节器问题并求解，得到针对多点人机交互问题的最优阻抗模型；步骤3、基于针对多点人机交互问题的最优阻抗模型和机器人实际运动控制信息定义过程变量，引入过程变量至机器人动力学模型中，将针对原机器人系统的阻抗控制问题转换为非线性系统的最优控制问题；步骤4、设置用于系统性能评估的代价函数，利用Hamilton函数和Bellman最优性原理对代价函数进行求解，得到用于解决非线性系统最优控制问题的哈密顿-雅可比-贝尔曼方程方程；步骤5、设计基于评价神经网络的智能学习控制器，以动态回归扩展与混合方法作为评价神经网络的权重收敛策略，求解步骤3中提出的哈密顿-雅可比-贝尔曼方程方程，从而完成多点交互外骨骼自适应阻抗控制。
全文数据：
权利要求：
百度查询： 电子科技大学 电子科技大学广东电子信息工程研究院 一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号