生物启发的协同效应模型预测控制控制重新分配和降低计算成本在混合外骨

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物力学 生物力学
• 控制系统 控制系统

背景情况:

• 动态优化对于可穿戴机器人控制至关重要,但计算密集.
• 冗余执行系统需要有效的实时控制方法.
• 肌肉协同作用提供了一个生物灵感的框架来简化复杂的运动控制.

研究的目的:

• 为可穿戴机器人开发和评估一种生物灵感,基于协同效应的模型预测控制 (MPC) 方法.
• 为了降低实时应用中动态优化的计算成本.
• 为了证明人工协同作用在行走期间管理冗余执行器的有效性.

主要方法:

• 确定了行走的双重和单重支阶段的关键"人工协同作用".
• 在仿真和实时实验中比较生物灵感 (基于协同作用) 的MPC与传统的全维MPC.
• 利用数据驱动的方法来建模非线性肌肉骨动力学,并从外骨数据中提取个性化的协同效应.

主要成果:

• 与全维MPC相比,基于协同的MPC平均减少了28.16% (p<0.03) 的计算时间.
• 整合协同效应减少了双重和单一支持阶段优化代的平均数量.
• 证明了控制再分配能力,以应对改变的成本函数处罚.

结论:

• 基于人工协同作用的MPC提供了一个计算效率高的解决方案,用于实时控制冗余驱动的可穿戴机器人.
• 这种生物灵感的方法对混合步态外骨有效,适用于其他康复系统.
• 该研究介绍了基于人工协同作用的MPC对混合外骨架的首次实时应用.