[发明专利]一种基于神经网络的外骨骼机器人助力控制系统与方法

权利要求书

1.一种基于神经网络的外骨骼机器人助力控制方法，其特征在于，包括以下步骤：

(1)、通过肌电传感器以及高精度数据采集卡从穿戴者的肱二头肌上获取表面肌电信号，并且通过扭矩估计策略提取运动意图；

(2)、所采集到的肌电信号经过放大之后输入到数据采集卡，数据采集卡与实时运动控制系统相连，通过10-400Hz的四阶巴特沃斯带通滤波器来滤除噪声，对带通滤波后的肌电信号进行归一化，对归一化后的肌电信号进行全波整流，用低通巴特沃斯滤波器进行滤波，得到肌电数据的包络线；

(3)、在扭矩估计模块中使用神经网络输出得到系数ΔK，以此描述估计扭矩和肌电信号之间的非线性关系；

估计扭矩和肌电信号之间的非线性关系为：

其中u(t)是线性归一化后的肌电信号值，m(t)是估计扭矩值，K₀为经验参数，K₀+ΔK其决定了非线性曲线的曲率，通过扭矩传感器测量肘关节在运动过程中的扭矩作为扭矩的实测值M(t)，然后将处理过的肌电信号u(t)、扭矩传感器实测的扭矩值M(t)，估计出的关节角度信号γ(t)以及关节角速度信号dγ(t)作为神经网络的输入，ΔK作为神经网络的输出，采用高斯核函数作为径向基函数，通过径向基神经网络来拟合估计扭矩与ΔK之间的非线性关系；

(4)、关节扭矩信号在实时运动控制系统中处理完后送入模糊滑模控制器并实时显示出来，以对后续的助力实验进行相关指导；

(5)、将处理好的肌电信号带入肘关节角度估计模型，得到肘关节的估计角度；

(6)、通过弯曲传感器测量肘关节的角度，此通过弯曲传感器测量的角度作为运动中肘关节的实测角度；

(7)、将关节估计扭矩、原始肌电信号、关节估计角度及其角速度输入至径向基神经网络控制器，输出单位意图增量角，接着乘以历史最大估计扭矩系数得出一个表征运动意图的关节增量角，并将其与估计的关节角度信号加起来作为下一时刻期望达到的角度信号；

(8)、接着将这个期望角度信号送入模糊滑模控制器，实现柔顺控制；模糊滑模控制器的执行流程，整体公式描述如下：

其中，θ是肘关节的角度，是肘关节的角速度，是肘关节的角加速度；M(θ)是外骨骼机器人的惯量；是外骨骼机器人的粘性阻尼系数，τ_f是电缆传输组件、电机减速器和肘关节处产生的摩擦；e＝θ_d-θ，表示系统的位置误差，其中，θ_d为神经网络的输出值Δθ(t)乘以历史最大估计扭矩系数，然后与估计的肘关节角度y(t)相加所得到的和，θ_d表征系统期望肘关节角度；表示系统的速度误差，其中，和分别为期望的肘关节角速度和角加速度；K表示正的模糊增益；λ，ψ是两个正值常数；s(t)是滑模变量，U是控制率，sat(s)是死区补偿的饱和函数，如下：

是定义饱和函数边界层厚度的正值常数，ρ是死区补偿常数，sign(·)是符号函数；

(9)、由弯曲传感器得到的关节角度作为反馈信号，从而实现一个完整的位置闭环；

(10)、随后由控制器输出控制信号来驱动外骨骼机器人执行机构，从而根据运动意图带动手臂运动，实现助力效果。

2.根据权利要求1所述的控制方法，其特征在于：还包括步骤(11)、基于助力效果评价模块来定量分析和衡量助力效果；比较有无助力情况下的估计扭矩大小和能量消耗，评价助力的效果。

3.根据权利要求1所述的控制方法，其特征在于：步骤(1)中，在运动过程中，为了获取稳定有效的肌电信号，肌电传感器被紧密贴合在肱二头肌的中束，并且与肌纤维平行；参考电极贴在无肌肉处，以获得正确的参考电位。