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！

摘要：本发明公开了基于金豺狼算法的下肢外骨骼动力学参数辨识方法。该方法包括下肢外骨骼动力学模型线性化和基于金豺狼算法的下肢外骨骼动力学模型辨识两大部分。本发明通过金豺狼算法动力学模型参数辨识，可以处理人体环境的复杂性与脆弱性等问题，解决位置控制算法的动态性能与跟踪精度都有较高的要求；可以给基于模型的控制算法的设计提供较为准确的动力学模型作为先验信息；同时，可以针对人机耦合系统典型的控制策略，提供准确性较高的动力学模型，以保证控制器的精确性。本发明在得到外骨骼样机的准确动力学模型的基础上，可以进一步考虑下肢外骨骼不同的控制模式下的控制器设计，同时为带电作业辅助装置的开发和应用提供基础。

主权项：1.基于金豺狼算法的下肢外骨骼动力学参数辨识方法，其特征在于，包括以下步骤：一、下肢外骨骼动力学模型线性化1由于参数矩阵仅仅依赖于设备的机械参数而与系统的实时状态无关，相反回归矩阵则是依赖于关节状态和外骨骼臂长可测信息的函数矩阵；因此，模型可以线性化为参数矩阵和回归矩阵的乘积，参数矩阵中的每个元素的数值被辨识得到后，即可得出外骨骼完整的动力学模型如公式1： 建立参数辨识公式： 其中，θ∈R2×1是两关节位置矩阵；是两关节速度矩阵；是两关节加速度矩阵；Y∈R2×8是回归矩阵；τ∈R2×1是外骨骼力矩矩阵，均可以通过采集外骨骼运行数据之后计算处理获得；τh∈R2×1是外骨骼人机耦合力矩矩阵；从上式可知，为方便模型参数识别，并不需要人机耦合的参与；为减少参数辨识的误差，令τh＝0，上式化简为： χ∈R8×1是待辨识的目标；假设采集的数据集有N组样本，为方便后续辨识数据处理，将式改写成如下形式： 其中，Yi，i＝1，2，...，N代表第i个样本的回归矩阵；τi，i＝1，2，...，N代表第i个采样数据的力矩矩阵；通过算法辨识出估计参量矩阵之后，通过反算计算出估计力矩矩阵如下式所示： 最后通过比较与之间的力矩误差，便可以衡量估计参数矩阵的准确性，如下式所示： 其中，是力矩误差矩阵；二、基于金豺狼算法的下肢外骨骼动力学模型辨识2当没有操作员时，人机耦合力矩为零；因此，采用无模型的PID控制器驱动外骨骼样机完成数据采集实验，其中关节驱动力矩和关节位置通过关节力矩传感器与绝对编码器测量；而无法直接测量的关节角速度和关节角加速度通过离线差分的方式去计算获得；控制下肢外骨骼机器人按设计的激励轨迹运动，并对关节力矩和关节角度信息进行采样，得到观测位置和力矩矩阵；3针对下肢外骨骼实验平台来说，为了保证外部干扰和采样误差对辨识结果准确率的影响尽可能的小以及动力学模型的收敛速度和抗噪声性能好，设计五阶傅里叶级数激励轨迹如公式7，即得到傅里叶系数ak和bk； 其中，θd是期望的轨迹角度；是期望的轨迹速度；是期望的轨迹加速度；θ0是关节初始的偏移角度；K表示激励轨迹拟合的最高次傅里叶级数谐波；ak与bk是待优化的正弦项与余弦项系数；ωs是基波频率；设定N、ωs值后，便可通过将ak与bk设置为金豺狼算法中金豺狼个体位置找出使条件数最小的ak与bk，从而完成激励轨迹设计；4根据设计完成的激励轨迹，采用无模型PD控制器控制外骨骼样机完成相关的激励实验，并将采集的实验数据整理为采样回归矩阵和采样力矩矩阵的形式；先对金豺狼算法进行初始化，再更新能量因子，最后确定金豺狼狩猎模式；由此得到最优的估计参数矩阵，使得估计力矩趋近于采样力矩；具体的做法如下：a基于下肢外骨骼机器人动力学方程与观测数据，首先对金豺狼算法初始化：与其他基于种群的优化算法类似，金豺狼算法首先根据优化问题的边界条件，在解空间内随机生成一组初始候选解，即相当于猎物种群个体，作为算法的初始状态；具体做法是利用均匀分布函数生成一组随机数，将其缩放到问题的可行解空间内，从而构建出初始种群；表达式如下：Yi，j＝Yj，min+randYj，max-Yj，min8其中：Yi，j表示第i只猎物在第j维的位置；Yj，min和Yj，max分别是在第j维空间的下界和上界；rand·是[0，1]之间的均匀随机数；根据优化问题的维度d和种群规模n，可以得到初始种群矩阵： 根据问题设定，设计相应的适应度函数，评估每个个体的适应度值，形成适应度函数： 在适应度函数中，最优适应度对应的个体被称为雄性金豺狼，次优适应度对应的个体被称为雌性金豺狼，两者形成一个豺狼对，作为下一步迭代的引领者；b再更新能量因子：在金豺狼算法中，引入“能量因子”E的概念，用于模拟金豺狼在追捕猎物的过程中猎物的逃跑能力；该能量因子由两部分构成，分别为猎物的初始能量E0和迭代过程中递减的能量E1，其计算公式如下：E＝E1*E011 其中，r是[0，1]均匀分布的随机数，c1是一个常数参数，t是当前迭代次数，T代表最大迭代次数；根据能量因子大小将确定金豺狼种群进入搜索或围猎阶段；c最终确定金豺狼狩猎模式：当E1时，金豺狼进入搜索猎物阶段，相当于对整个解空间进行广泛的全局寻优搜索，此时，对雄性和雌性金豺狼的位置更新公式为： 其中，t是当前迭代次数；Yit是当前第i个猎物的位置，YMt和YFMt分别代表雄、雌金豺狼当前迭代次数时的位置；|YMt-rl·Yit|和|YFMt-rl·Yit|分别表征雄雌金豺狼与猎物之间的距离；根据猎物的逃跑能力E对当前迭代次数中的雄雌金豺狼位置做相应的修改，X1.it和X2.it分别代表本次迭代之后由雄、雌金豺狼引领的种群位置；rl·Yit用于模拟金豺狼搜索过程中猎物的运动情况，rl是服从Levy分布的随机向量，具体表示如下：rl＝0.05*LFy14其中LFy＝0.01×μ×σ|v1β| 上式中的μ、v是[0，1]均匀分布的随机数；β是算法的的常数参数；根据公式确定的X1t和X2t更新整个种群位置： 当E＜1时，金豺狼进入围捕猎物阶段，相当于对局部最优解进行尝试，使用如下公式更新金豺狼种群位置： rl·YMt和rl·YFMt分别用于模拟金豺狼围猎过程中雄雌金豺狼的运动情况；d最后，使用雄雌豺狼对确定的种群的位置，即可辨识得到下肢外骨骼机器人的动力学参数。

全文数据：

权利要求：

百度查询： 国网安徽省电力有限公司电力科学研究院 基于金豺狼算法的下肢外骨骼动力学参数辨识方法