[发明专利]基于外骨骼机器人柔性作动器的位置跟踪优化控制方法

说明书

本发明公开一种基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，包括动态数学模型的建立：使用牛顿运动定律，在忽略摩擦力影响的情况下，建立外骨骼机器人柔性作动器的动态数学模型；定义滚动优化性能指标：通过选择合适的优化指标，实现对控制性能的优化；基于扰动补偿的位置预测输出；扰动观测器的设计：通过测量得到的位置信息，针对匹配与非匹配干扰，分别设计对应的扰动观测器；复合控制器的设计：利用观测得到的扰动信息，结合广义预测，分别从前馈和反馈控制出发，设计对应的复合控制方案。本发明基于干扰主动补偿与广义模型预测控制相结合的位置跟踪算法，具有对给定参考轨迹的精确跟踪、抗干扰能力强、稳定性好、易于实现等特点。

技术领域

本发明涉及外骨骼机器人控制系统领域，更具体地说，涉及一种基于干扰主动补偿与广义模型预测控制相结合的精确位置跟踪算法。

背景技术

外骨骼机器人在军事、医疗和工业等领域都有着十分重要的作用。在自然灾害救援中，外骨骼机器人能为救援人员提供更大的力量，能够轻松举起断壁残垣，拯救更多的生命。在战场上，外骨骼机器人能够帮助士兵减轻负重，外骨骼铠甲则可以使士兵能够抵御枪弹的伤害，挽救生命。在医疗救治中，外骨骼机器人能够帮助截瘫患者重新站立行走。此外，外骨骼机器人还能够增加老年人的运动能力，防止老年人因活动减少而导致生体机能下降，为老年人带来生活便利，提高生活品质。在工业生产方面，外骨骼能够在工人进行大体力劳动时减轻身体负重，节省体力，减少疲劳性损伤，提高劳动效率。

柔性作动器是外骨骼机器人控制系统中应用较为广泛的一种控制器，其特征在于驱动器与负载之间加入了弹簧，这使得作动器可以更好的与人类实现交互。与传统的刚性结构的驱动器相比较，柔性作动器的优点在于，低输出阻抗、低后驱力、抗冲击能力强、力传递平稳以及能效高等。由于上述优点，该类作动器被广泛应用于服务，援助和医疗康复等方面的机械设备上。

但是，由于柔性作动器中存在非线性、干扰以及不确定性等因素的影响，传统的线性控制方法，包括比例-积分-微分(PID)控制方法，不能保证兼容的驱动器系统具有足够高的性能。为了提高控制性能，近年来，已经为柔性驱动器系统开发了许多非线性控制方法，例如：专利(CN105796286B)中提出了一种模糊控制方法，但是该方法中，模糊集的确立方法比较复杂，且依赖专家经验。专利(CN102922508B)提出了一种滑模控制方法，该方法虽然具有较好的鲁棒性，但是由于滑膜控制固有的缺陷，该方法以牺牲跟踪性能为代价。专利(CN107397649A)提出了一种基于神经网络的控制方法，该方法计算量过大，不易控制器的在线实现。

在这些方法中，模型预测控制(MPC)是工业应用中得到广泛应用的先进控制技术之一。它可以被视作为一种通过对象的动态模型来预测系统状态的未来行为，且能根据性能优化的目标函数来决定控制作用的优化控制方法。因为模型预测控制(MPC)具有：鲁棒性，建模简单以及具有处理系统约束的能力等优点，所以该方法可以确保令人满意的系统性能。

模型预测控制(MPC)方法也有一定的局限性，其局限性在于它的控制性能在很大程度上取决于模型建立的精确度，即，很大一部分的工作集中在如何精确的建立系统的模型。除了建模误差外，外部干扰不可避免地给高精度预测带来很大障碍，并最终对闭环控制性能产生不良影响。因此，如何消除干扰和不确定性引起的不利影响始终是广大研究人员考虑的关键问题之一。

发明内容

针对以上问题，本发明提供了一种基于外骨骼机器人柔性作动器的位置跟踪优化控制方法，其主要基于干扰主动补偿与广义模型预测控制相结合的位置跟踪算法，具有对给定参考轨迹的精确跟踪、抗干扰能力强、稳定性好、易于实现等特点，解决了现有技术中存在匹配与非匹配扰动以及传统的模型预测控制方法依赖于模型参数给高精度预测带来不利影响的问题。

为实现上述目的，本发明通过以下技术方案实现：

步骤一，动态数学模型的建立：使用牛顿运动定律，在忽略摩擦力影响的情况下，建立外骨骼机器人柔性作动器的动态数学模型；