基于坐标变换迭代拟合法的生物电阻抗模型参数提取方法研究

研究了一种基于最小二乘模型的坐标变换迭代拟合新算法,可用于生物组织电阻抗模型参数的提取。与其它方法比较,此算法具有收敛速度快、数值拟合精度高等特点。实现了快速、精确地提取阻抗模型参数Ri、Re、Cm和α的目标。按照低功耗、低价位和高性能价格比的设计要求,设计了双CPU结构的生物电阻抗测量系统。初步实验结果表明,长期静坐引起肢体缺血使阻抗模型参数Ri显著上升,反映了下肢组织缺血的变化。

适应环境刚度、阻尼参数未知或变化的机器人阻抗控制方法

针对机器人阻抗控制在实际应用中其性能受环境的阻尼、刚度参数未知或变化影响的问题,提出了一种机器人自适应阻抗控制方法。在定义机器人阻抗控制性能指标的基础上结合阻抗模型刚度变化的几何表示,给出了阻抗模型刚度参数初值计算方法,提出了基于人工神经网络的环境等效刚度在线估计方法,并结合二阶系统临界阻尼条件计算阻抗模型阻尼参数初值。机器人力控制实验结果验证了该方法较已有的机器人阻抗控制方法在参考轨迹平滑性、力控制稳定性和易于工程实践方面有一定的优势。

基于刚度阻尼特征的神经网络自适应阻抗控制

针对打磨机器人阻抗控制的力跟踪性能受环境刚度未知和环境位置变化影响的问题,提出了一种基于刚度阻尼特征的神经网络自适应阻抗控制方法。由于环境参数未知导致参考轨迹不易确定,构造了一个自适应PI控制律,进行参考轨迹补偿,减小力跟踪的稳态误差;为了提高力跟踪控制的动态性能,根据力误差对刚度系数及阻尼系数的统一调节规律——刚度阻尼特征,并结合力误差具有时变、非线性的特点,设计了一个描述力误差与刚度阻尼特征关系的激活函数,构建自适应阻抗参数神经网络模型,其输出为刚度系数和阻尼系数,通过基于参考轨迹补偿与自适应阻抗参数神经网络模型融合的阻抗控制,保证力跟踪控制的柔顺性。仿真结果表明,相比于传统阻抗控制和参考轨迹PI补偿的阻抗控制,所提出的自适应阻抗控制方法具有更好的力跟踪效果。