活动神经网络控制可穿戴上肢康复外骨架机器人,由气动人工肌肉驱动

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物医学工程 生物医学工程
• 控制系统 控制系统

背景情况:

• 气动人工肌肉 (PAM) 是用于康复机器人的灵活执行器.
• 由于固有的歇斯底里症,准确地建模和控制PAM是具有挑战性的.
• 用于上肢康复的可穿戴外骨架机器人需要精确的执行器控制.

研究的目的:

• 在上肢外骨架机器人中开发一种有效的hysteresis补偿方法用于PAMs.
• 为了提高康复机器人的轨迹跟踪的准确性和速度.
• 解决传统的基于反转的歇斯底里斯补偿方法的局限性.

主要方法:

• 一种主动神经网络 (NN) 方法被提议用于实时歇斯底里补偿.
• 使用无气味的卡尔曼过来估计NN重量和近似误差.
• 直接使用NN作为歇斯底里补偿器,避免复杂的反转.
• 该方法允许在不需要预训练的情况下动态更新体重.

主要成果:

• 与其他控制技术相比,拟议的基于NN的方法证明了更快的轨迹跟踪.
• 通过代学习和重量更新,跟踪精度逐渐提高.
• 在自制外骨架机器人上的实验验证证证了该方法的有效性和稳定性.
• 这种方法消除了对NN预培训和复杂模型反转的需求.

结论:

• 主动神经网络方法为外骨架机器人中PAM歇斯底里补偿提供了有效的解决方案.
• 这种方法通过提高控制精度和速度来提高上肢康复机器人的性能.
• NN方法的动态性和适应性提供了一个强大而实用的控制策略.