助行外骨骼机器人研究现状及发展趋势

介绍了国内外负重助行外骨骼机器人和康复助行外骨骼机器人的研究现状,分析了助行外骨骼机器人的关键技术,指出了优化行走步态、实现外骨骼机器人的轻量化、实现人的神经系统与外骨骼机器人之间的直接信息交互、增强续航能力是未来助行外骨骼机器人的发展趋势。

基于模糊PID的助行外骨骼机器人控制研究

为了研究外骨骼机器人的步态控制,提出了一种基于模糊PID的算法,首先给出机器人的一般增量式PID控制算法,然后根据机器人关节角度误差和误差变化量的参数,选择了隶属函数,最后结合实际操作经验,建立了模糊规则表,完成了对PID参数的在线自整定。试验结果表明,模糊PID控制方法能够使外骨骼机器人平稳运动,初步实现了机器人的步态控制。

基于DSP的助行外骨骼机器人步态控制

助行外骨骼机器人是一种帮助老年人和下肢不便的残疾人扩展行走能力的助力装置.提出一种基于数字信号处理(digital signal processing,DSP)系统的步态控制方法,首先,将连续步态数据离散处理后的结果作为DSP系统的输入,通过执行机构实现机器人的步态行走;然后,在每个步态周期结束之后,通过编码器对步态角度实时采样;最后,控制系统对反馈数据处理后实现步态误差的周期补偿.通过样机试验验证上述方法,得到较好的结果.

外骨骼助行机器人关节运动轨迹研究

外骨骼助行机器人耦合在人体下肢各关节处实现整体协调运动。有效、合理的关节运动轨迹对于外骨骼的辅助运动至关重要。通过对助行机器人结构特征及关节运动角度的分析,采用D-H参数法建立了外骨骼机器人在矢状面内的正向和逆向运动学模型,并通过位姿变换求解出各关节变化量。针对外骨骼助行机器人关节运动进行轨迹规划,利用Matlab Robotics Toolbox中的link函数建立了外骨骼二连杆机构的三维仿真模型,并采用五次多项式插值函数对外骨骼髋关节、膝关节进行了关节轨迹规划。仿真得到关节位移、速度和加速度三个运动轨迹曲线。仿真结果光滑连续,符合外骨骼辅助运动的特征。该研究能够为外骨骼助行机器人的控制设计提供参考。

外骨骼助行机器人的人机耦合运动特性

利用Motion Analysis三维动作捕捉分析系统,实时记录人体在平地行走的运动过程,获得了步态参数,通过分组对比,研究了老年人的行走特点。根据老年人的运动特性,设计了一种老年人外骨骼助行机器人,建立了穿戴者与外骨骼助行机器人的人机耦合模型,研究了人机耦合运动特性,为外骨骼助行机器人的耦合仿生设计提供了运动学基础。

穿戴式下肢外骨骼助行机器人系统研究

目的提出一种新型轻量化穿戴式下肢外骨骼助行机器人系统,探究其辅助步态紊乱者和T4脊髓节段以下损伤的截瘫患者(排除双下肢肌痉挛和明显疼痛者)实现行走及姿态变换康复训练的可行性。方法设计髋关节双电机主动驱动,膝关节被动四连杆模拟人体运动瞬心变化的主被动混合式可穿戴下肢外骨骼助行机器人结构,基于模块化设计思想,提出以STM32F767IGT6及外围电路为主控制器,包含姿态采集、电源和拐杖模块的控制系统。以正常人穿戴该外骨骼机器人进行平地、斜坡及姿态变换实验,分析运动过程中髋、膝、踝关节角度,并对比正常人穿戴和未穿戴该机器人股外侧肌和股内侧肌的肌电信号。结果穿戴者可实现仅基于该外骨骼机器人系统辅助的坐下-站立姿态变换以及平地/斜坡行走,且髋、膝、踝关节角度与正常人行走变化趋势基本一致,穿戴该机器人相比未穿戴行走时,股外侧肌和股内侧肌肌电信号均降低。结论该主被动混合式可穿戴下肢外骨骼助行机器人在仅髋关节两个电机驱动下,依然可实现行走及姿态变换的康复训练,验证了髋关节双电机主动驱动、膝关节被动四连杆结构的下肢外骨骼助行机器人系统帮助截瘫患者和步态紊乱者行走康复的可行性。

外骨骼助行机器人连续步态规划分析

外骨骼式下肢助行机器人的步态轨迹是当今研究的热点问题,稳定合理的步态运动是外骨骼有效辅助人体的基本保障。针对外骨骼式下肢助行系统的步态轨迹问题,基于零力矩点(ZMP)理论,采用五点规划法将人体步态划分为5个特殊姿态点,并求解相应的位置和角度坐标。利用MATLAB平台的三次样条插值函数模块,求解这些特殊点的三次样条曲线,仿真出髋关节和踝关节的轨迹曲线。最后根据ZMP动态轨迹方程,求解外骨骼系统的ZMP曲线,结果表明步态轨迹连续光滑,与理想的重心轨迹方向一致,符合外骨骼系统的轨迹路径要求。

下肢外骨骼助行机器人神经网络自适应滑模控制研究

穿戴式下肢外骨骼助行机器人是一种能够辅助人体进行仿人式步态运动的智能一体化设备,该系统需要良好的轨迹跟踪效果。为提高穿戴式下肢外骨骼助行机器人的轨迹跟踪精度及稳定性,基于拉格朗日法建立动力学模型,研究分析RBF神经网络自适应滑模控制算法。通过MATLAB-Simulink仿真,对比分析滑模算法和RBF神经网络自适应滑模控制算法,获得了两种算法下髋关节、膝关节的角位移及角速度控制曲线及力矩,并对比了两种算法的位置跟踪误差。实验结果表明,相比于滑模控制算法,RBF神经网络自适应滑模控制可以改善抖振情况,提高控制精度和抗干扰能力。