通过神经网络进行主动干扰拒绝控制,用于下肢外骨架

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
• 人工智能的人工智能

背景情况:

• 下肢外骨架对于康复至关重要.
• 患者与外骨的相互作用引入了模型的不确定性和外部干扰.
• 现有的控制方法与未知的非线性动态作斗争.

研究的目的:

• 为下肢外骨架设计基于人工神经网络 (ANN) 的控制算法.
• 为了解决外骨控制中的模型不确定性和外部干扰.
• 为了在下肢康复期间实现自然行走轨迹.

主要方法:

• 开发了一种利用人工神经网络 (ANN) 的控制算法.
• 通过ANN使用主动干扰排斥控制 (ADRC) 来估计和补偿未知的非线性动态和干扰.
• 通过数值模拟和实验实现验证了ANN控制器.

主要成果:

• 基于ANN的控制器有效地管理了未知的非线性动态.
• 活动干扰排斥控制成功估计并补偿外部干扰.
• 数字模拟和实验结果都证明了拟议的ANN控制器的可行性.

结论:

• 拟议的基于ANN的控制算法是用于下肢外骨架康复的有希望的方法.
• 通过将ANN与主动干扰排斥控制集成,可以提高对不确定性和干扰的稳定性.
• 这项技术有可能改善接受下肢康复治疗的患者的步行恢复.