神经适应性输入控制人机交互与人类运动意图估计和输出错误约束的神经适应性输入控制

科学领域:

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

背景情况:

• 人机交互 (HRI) 对于机器人的发展至关重要.
• 提高HRI的效率,稳定性和适用性需要更快的响应,更高的准确性和更少的人力投入.

研究的目的:

• 开发一种新的神经适应接入控制系统,以实现自然和稳定的人机交互.
• 通过准确估计人类运动意图 (HMI) 和调整合规,提高机器人的性能.

主要方法:

• 利用机器人相互作用力来预测HMI.
• 使用表面电肌图 (sEMG) 信号动态更新的入口模型刚度.
• 实现了规定的性能控制 (PPC) 与适应神经网络 (NN) 进行错误约束和不确定性补偿.

主要成果:

• 通过动态度适应实现了类似人类的服从.
• 使用PPC在预定义范围内的保证轨迹误差收.
• 通过利亚普诺夫稳定性分析证明了闭环系统的全球统一终极局限性.
• 通过现实世界机器人实验验证了框架的有效性.

结论:

• 拟议的神经适应控制框架能够实现自然,稳定和准确的HRI.
• 整合HMI估计,基于sEMG的合规性和PPC显著提高了机器人交互性能.
• 该系统有效地处理机器人技术中的不确定性,从而提高了跟踪准确性和整体系统稳定性.