基于Hill肌肉模型的仿袋鼠腿悬架控制特性研究

为进一步改善车辆悬架的控制性能,采用仿生设计思想,提出一种基于Hill肌肉模型的仿袋鼠腿悬架(下称仿生悬架)。设计了该悬架的Fuzzy、Fuzzy-PID控制器,并采用ADAMS和Simulink联合仿真对其控制特性开展研究。研究发现:①冲击路面下,相对于被动悬架,Fuzzy控制和Fuzzy-PID控制下的车身位移和车身加速度分别下降了54%、58%和92%、93%,悬架抗冲击性能明显改善。②随机路面下,随着路面等级和车速的增加,Fuzzy控制和Fuzzy-PID控制均可有效改善悬架的控制性能;相对于被动悬架,主动控制下的悬架表现出更加优异的缓冲隔振性能、路面适应性及稳定性;主动控制下的车身加速度传递率(8.8%~1%)呈下降趋势且数值较小,轮胎动位移(0.19~3.92)mm及其传递率(8.1%~10.5%)呈上升趋势,但数值及变化较小。③冲击路面和随机路面下,相较于Fuzzy控制,Fuzzy-PID控制下的悬架特性更优。上述结果表明,基于Hill肌肉模型的仿生悬架具有良好的控制特性,验证了该仿生思路和控制方法的正确性和有效性。

基于Hill肌肉模型的人体关节力矩智能预测

目的人体关节力矩是康复评估和人机交互中非常关键的因素之一。它可以通过人工神经网络(artificial neural network,ANN)模型以肌电等信号作为输入进行预测,但是由于人体结构的复杂性导致缺乏有效方法确定ANN模型的输入变量。为此本文提出了一种基于Hill肌肉模型获取关节力矩神经网络预测最优输入变量的方法。方法采用Hill肌肉模型结合人体几何学知识建立关节力矩,智能预测输入输出关系的数学模型,把Hill肌肉模型中肌肉纤维长度和收缩速度,以及以关节自由度为支点的肌肉力臂等不可活体测量的输入变量,转换成关节自由度所关联肌肉的肌电信号(electromyography,EMG)以及这些肌肉所驱动关节自由度角度和角速度等可在线测量的变量。实验中以本文获取的变量作为极限学习机(extreme learning machine,ELM)的输入,对由1位在跑步机上以0.4、0.5、0.6、0.7和0.8 m/s等5个不同速度行走的右下肢偏瘫患者所获的数据进行测试。为了评估本文所提方法智能预测的泛化能力,实验在两个不同的泛化水平下进行,它们分别是只把3个低速数据(0.4、0.5和0.6 m/s)和全部5个速度的数据用于神经网络的训练并预测所有速度下的关节力矩值。实验通过预测值与反向动力学计算值之间的归一化绝对误差和互相关系数评估。结果本文获取的输入变量与其他关节角和角速度作为输入的方法相比,预测关节力矩值更精准。除右踝关节内外翻外,其他关节力矩预测结果的最大归一化绝对误差为12.93%,最小平均互相关系数为0.89。结论该方法比目前通用多体反向动力学的输入变量少,且可实现关节力矩值的在线预测,为运动康复中实时步态分析和外骨骼机器人控制提供技术支持。

一种适用于肌肉高应变率下主被动特性数值计算模型

目的在显式动力学计算理论基础上,提出一种适用于肌肉高应变率下主被动特性数值计算模型。方法在计算肌肉单元高应变率下运动方程的过程中,于每一时间步计算节点力公式中引入高应变率下的Hill肌肉三元素计算模型,对每一时间步的节点力进行修正。结果由于在数值计算过程中引入Hill肌肉三元素模型,使得肌肉单元具有一般结构本构模型的被动特性和其专有的主动特性。结论研究结果有助于对肌肉高应变率下的动力学响应和损伤问题进行数值计算。

变应变率下的肌肉本构方程

目的在Hill肌肉三元素模型基础上推导应变率下的肌肉本构方程。方法在Hill三元素肌肉模型的基础上,利用微分和线性拟合的方法,最终获得了骨骼肌在不同应变率下的应力-应变本构方程。结果结果表明:在应变率|e|≤1下,骨骼肌的本构方程是随应变率不断变化的;当应变率|e|>1时,骨骼肌的本构方程并不受应变率的影响。同时,在|e|≤1下,应变率对应力的影响是随着应变的增加而不断减小的。结论研究结果将有助于利用有限元方法分析骨骼肌在变应变率作用下的受力情况。

肌肉动力学性质分析及应用

本文利用上肢的两杆模型及Hill肌肉模型,通过改变表示肌肉力学性质的参数分析肌肉变化对肌肉力—时间曲线及专项训练对运动水平的影响.所得结论可为实际训练提供理论依据.

基于人体动力学分析的下肢外骨骼助力设计及机构优化

为设计助力效果良好的被动式下肢外骨骼,基于对人体行走的运动和力学特征以及相关主要肌群的力学表现的分析,提出了一种下肢外骨骼优化设计方法。通过开展人体行走实验,获取人体运动学信息和足底反力,并将其用于驱动Anybody仿真,从而得到人体行走过程中下肢肌肉的力学数据。借助Hill肌肉模型建立人体矢状面内的髋关节肌肉-肌腱-骨骼简化模型,并在该模型中添加虚拟扭簧以模拟助力外骨骼的作用,形成人体-外骨骼一体化模型。在此基础上,对穿戴助力外骨骼行走时的人机交互力以及穿戴者的肌肉激活情况进行量化分析。建立以扭簧刚度为变量的肌肉激活程度、代谢能计算模型,并以代谢能最低为目标,利用粒子群算法对虚拟扭簧的刚度进行优化以获得最优值。据此,提出髋关节助力外骨骼机构设计方案,并以机构的辅助力矩与虚拟扭簧力矩差值最小为目标进行优化,得到机构中拉簧刚度和各个连杆尺寸的最优值,作为外骨骼机构设计参数。同时,制作髋关节助力外骨骼样机并开展助力行走实验。结果表明,穿戴该助力外骨骼行走时人体代谢能降低效果显著。研究方法可为其他下肢外骨骼的设计和分析提供借鉴。

基于人体动力分析的跑步助力外骨骼研究

该研究设计了一款辅助人体跑步的下肢助力外骨骼。结合VICON系统和ANYBODY软件分析得出五名健康男子跑步过程腿部各肌肉参数,确定在髋关节矢状面上进行助力。使用Hill模型简化肌肉-肌腱单元;提出弹性外肌腱结合Hill模型驱动外骨骼方案,形成人机耦合模型。相关参数进行量化分析得到其函数关系,改变助力曲线逆向求解肌肉参数及能量消耗。采用粒子群优化算法得出外肌腱的最佳刚度系数及外骨骼设计参数。实验证明穿戴后代谢能消耗减少11.78±1.04%。

下肢软质康复外骨骼机器人的模糊神经网络阻抗控制

针对脑卒中或交通意外等因素导致的运动功能障碍问题,设计了一种可用于康复训练的可穿戴式的软质膝关节外骨骼机器人.在重点介绍基于Hill肌肉模型的套索人工肌肉驱动系统设计和实时控制平台的基础上,分析了模糊神经网络阻抗控制算法的推导过程.最后,分别在定阻抗与变阻抗参数控制策略条件下,进行人机协同训练模式下的康复训练实验,并对比分析了康复外骨骼系统对受试者肌肉活性的影响.实验结果表明,定频率定幅值训练时的屈/伸扭矩分别增加了9.70%和9.06%,而变频率变幅值训练时的屈/伸扭矩提升了88.34%和57.68%.由此可知,选择符合人体生理肌肉刚度特性的阻抗模型可以改善下肢康复机器人系统的稳定性和安全性,提高人机交互的柔顺性和协调性.