一种用于下肢康复机器人的主动控制方法,具有人类运动意图识别功能.

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
• 机器学习 机器学习

背景情况:

• 下肢外骨架康复机器人 (LEERR) 需要复杂的控制来实现有效的人机器人协作.
• 准确地识别人类运动意图对于无的外骨辅助至关重要.
• 现有的控制方法经常与佩戴者外骨架系统的复杂动力学作斗争.

研究的目的:

• 为LEERRs开发一种积极控制方法,该方法集成了人类运动意图识别.
• 通过视觉驱动的战略来改善体重支和质量补偿中心.
• 为了提高步态跟踪性能和实时运动估计.

主要方法:

• 一个视觉驱动的跟踪和跟踪控制策略,用于体重支持.
• 一个肌肉机器接口使用双向长短期记忆 (BiLSTM) 网络来解码表面肌电图 (sEMG) 信号.
• 优化BiLSTM超参数与量子行为粒子群优化 (QPSO) 对于QPSO-BiLSTM模型.
• 一个双辐射基功能神经网络自适应滑动模式控制器 (DRBFNNASMC),用于精确的扭矩产生.

主要成果:

• 视觉驱动系统准确地追踪了人类运动轨迹.
• 与传统方法相比,QPSO-BiLSTM模型证明了连续下肢运动的优异预测.
• 该DRBFNNASMC控制器实现了比FCASMC和PID控制器更好的步态跟踪性能.

结论:

• 拟议的方法可以通过精确的人类运动意图识别来有效控制LEERR.
• 该QPSO-BiLSTM和DRBFNNASMC提供了一个强大的框架,用于先进的外骨控制.
• 这种方法具有显著的潜力,可以改善下肢康复的结果.