[发明专利]基于概率运动原语和隐半马尔可夫的康复机器人控制方法

权利要求书

1.一种基于概率运动原语和隐半马尔可夫的康复机器人变阻抗控制方法，其特征在于，包括以下步骤：

(1)记录多次健侧上肢的运动信息，将示教时记录下的刚度，位置和速度信息写成向量形式，有：

x_D，t＝(x_1，t，...，x_d，t)^T

k_D，t＝(k_1，t，...，k_d，t)^T

其中，D代表自由度，t代表时间，x_D，t为轨迹的位置，为轨迹的速度，k_D，t为刚度信息；

(2)通过概率运动原语对步骤(1)记录的刚度进行泛化；

(3)运用隐半马尔可夫模型对步骤(1)中记录的数据进行泛化，生成轨迹，其中隐半马尔可夫模型的参数由极大似然估计算法(Expectation-Maximization)估计得到，而后控制参数由高斯回归算法计算；

(4)将泛化的轨迹进行镜像；

(5)通过镜像后的轨迹、变化的刚度信息和安装在机械臂上的多维力传感器对康复机器人的末端进行变阻抗控制。

2.根据权利要求1所述的基于概率运动原语和隐半马尔可夫的康复机器人变阻抗控制方法，其特征在于，所述步骤(2)中，包括以下分步骤：

(a1)通过步骤(1)中提取的运动信息，确定向量

y_t＝(k_1，t，k_2，t，...，k_d，t)^T＝Ψ_tω+∈_y

其中，k_d，t为d个自由度的肌刚度数据，t＝0，1，...，N为时间，y_t指代步骤(1)中的肌刚度数据，ω为权向量，∈_y为期望为0的高斯分布噪声，其方差为∑_y，φ_i，t为时间相关的基函数，对重复规律型运动，可令基函数为：

φ_i，t＝b_i(z)/∑_jb_j(z)

其中，

其中z(t)为任意的时间单调增函数，h为带宽，c_i为第i个基函数的中心；

(a2)根据概率运动原语公式，有：

其中代表高斯分布，θ＝(μ_ω，∑_ω)为该概率运动原语公式的参数；Ψ_t^Tμ_ω和Ψ_t^T∑_ωΨ_t+∑_y分别代表该高斯分布p(y_t；θ)的期望与方差；

(a3)对示教提取的刚度数据，运用极大似然估计算法提取步骤(a2)中模型的参数，得出μ_ω^*，∑_ω^*；并令控制参数其中μ_ω^*，∑_ω^*为极大似然估计得出的数值，即为步骤(a2)中模型的参数θ；即为运用概率运动原语得出的肌刚度，用以对机械臂进行控制。