血管介入手术系统参数辨识和模型修正方法研究

在血管介入手术中,医生更多依靠力反馈进行操作和判断。当前大多数介入手术机器人缺乏力反馈功能,影响系统透明度,准确进行模型参数预测是提高血管介入手术系统透明度的关键。本文在血管介入手术过程中,以质点弹簧模型为主手端的导管动力学建模,利用力触觉渲染获取力反馈数据。但在建模过程中无法确定动力学参数,无法达到力触觉渲染的准确性,文中通过以最小二乘法为参数辨识方法获得了精确的导管动力学模型参数。采用RBF神经网络算法,利用得到的动力学辨识参数,对主端模型中导管的物理参数进行修正。研究结果表明,本文提出的方法在导管动力学参数辨识中可以提高模型的预测精度,提升血管介入手术系统透明度。本文为系统模型参数辨识设计以及力反馈真实感的提升有重要理论意义和实用价值。

机器人血管介入手术自适应滑模预测控制

利用滑模控制的鲁棒性提高控制系统对不同病人血管力学特性变化的适应性,设计自适应滑模控制,通过自适应机制让控制器适应不同虚拟环境模拟的需要,降低滑模控制抖振。在自适应滑模控制作用下引用外推预测算法,降低延时对控制效果的影响,提高力反馈透明度。研究结果表明,自适应滑模预测控制能提升系统稳定性,提高力反馈控制精度,提高柔性手术器械的力反馈控制系统真实感。本研究为具有柔性控制对象的系统设计以及力反馈真实感的提升有重要理论意义和实用价值。