PID神经网络控制的手术机器人导管操作系统

在微创手术中外科医生长时间暴露于强辐射下,并且需要手动对导管进行灵巧和有效的操作,但这是不精确的.本文的目标是开发一种机器人导管操作系统,以高精度机械控制辅助外科医生进行介入手术.首先,根据PID和神经网络控制算法的特性进行分析.接着,针对经典PID和神经网络PID进行仿真性能分析.然后,在分析机器人导管操纵系统在两种控制算法下的实际性能对比.最后,根据纵向误差和同步操纵性方面进行综合对比.实验结果表明:机器人导管操纵系统的轴向误差小于1 mm.证明了控制方法的可行性和有效性.在远程操作过程中,PID神经网络控制器的同步操纵性能也远优于传统的PID控制器.基本满足机器人导管操作系统的稳定可靠、精度高、反应速度快等要求.

面向高精度显微手术机器人的RCM机械臂误差补偿方法

为了实现机器人辅助微创手术,带有远程运动中心(Remote central motion, RCM)机构的机械臂被广泛应用于手术机器人系统。操作尤为精细的显微手术对机器人的精准度和安全性提出更高要求。针对眼底显微手术机器人的构型特点,在运动学标定基础上提出一种减小定位误差、RCM约束点偏差和逆运动学求解时间的补偿方法。建立机器人误差模型并辨识几何参数;基于功能和机构特点,建立RCM约束点和末端点的运动学方程和误差补偿模型,采用冗余自由度实时补偿RCM约束点偏差,并以解析解实现RCM约束点偏差和末端位置误差同时补偿的高效逆运动学求解方法;在所搭建的手术机器人平台上进行试验,结果表明,所提出的方法将末端定位误差减小到0.142 6 mm,与迭代法相比RCM约束点偏差减小92.72%,且计算效率提升89.97%,验证了该方法的有效性,对提升显微手术机器人的精准性和安全性具有重要意义。