一种膝-踝-趾动力型下肢假肢的解耦控制方法
阅读说明：本技术 一种膝-踝-趾动力型下肢假肢的解耦控制方法 (Decoupling control method for knee-ankle-toe power type lower limb prosthesis ) 是由 耿艳利 武正恩 王希瑞 王倩 陈玲玲 宣伯凯 于 2021-05-31 设计创作，主要内容包括：本发明公开了一种膝-踝-趾动力型下肢假肢的解耦控制方法,属于下肢假肢技术领域,采用膝踝趾下肢假肢模型为被控对象,建立不同步态阶段的下肢假肢模型,设计基于控制法则分解的解耦方法对膝踝趾下肢假肢关节进行解耦,使用自适应迭代控制策略对解耦后的假肢模型进行控制,本发明确定了膝踝趾下肢假肢模型的解耦控制律和解耦系统的结构,采用逆系统反馈的形式,将原系统的各阶输出或状态向量反馈,重构为具有标准积分形式的线性系统,将原控制对象内部存在的耦合关系通过内部逆的形式抵消,实现解耦。解决了下肢假肢关节间的交连耦合影响,提高了三关节系统的可控性和稳定性,有效降低了被控对象的复杂程度,缩短了控制时间,达到了快速收敛要求。(The invention discloses a decoupling control method of a knee-ankle-toe power type lower limb prosthesis, which belongs to the technical field of lower limb prostheses, adopts a knee-ankle-toe lower limb prosthesis model as a controlled object, establishes a lower limb prosthesis model in different dynamic stages, designs a decoupling method based on control rule decomposition to decouple a knee-ankle-toe lower limb prosthesis joint, and controls the decoupled prosthesis model by using a self-adaptive iterative control strategy. The cross coupling influence among the lower limb artificial limb joints is solved, the controllability and the stability of a three-joint system are improved, the complexity of a controlled object is effectively reduced, the control time is shortened, and the requirement of rapid convergence is met.)
技术领域
本发明属于下肢假肢技术领域，具体是涉及一种膝-踝-趾动力型下肢假肢的解耦控制方法。
背景技术
根据第二次全国残疾人抽样调查，我国有肢体残疾人2412万，占残疾人总数的29.07％，其中下肢截肢者158万人，约占截肢者总数的70％，并且近年来下肢截肢者的数量还在不断上涨。
假肢是截肢者重要的辅助工具，是为了弥补截肢者肢体缺损，代偿肢体功能而制造、装配的人工肢体。下肢假肢是下肢截肢者恢复行走功能的重要手段，下肢假肢基本能达到对人体缺失功能的替代，使下肢截肢者生活可以自理，甚至可以正常参加一些简单社会工作。研究能够模拟正常人下肢摆动的下肢假肢，需要运用数学建模、运动检测、运动控制等多方面的知识，涉及到机械电子、机器人技术、自动化技术、智能材料与结构等多个学科。下肢假肢的研究不仅能够解决截肢者的生产和生活问题，还能将其应用于仿生机器人、工程建设、交通运输、智能生产中，带动多个学科领域相关研究的发展。因此，开展能够模拟正常人行走的下肢假肢的研究具有重要的学术价值。
下肢假肢是一个典型的多输入多输出的非线性系统，要将其中的一个关节进行控制，需要将腿部的其他所有关节都锁定，一旦这些关节被解除锁定，各关节间就存在着交连耦合影响。因此，在假肢正常运动过程中，每一个关节的运动都会受到其他关节的耦合影响。这给下肢假肢多关节间协调运动控制带来了很大的困难。因而，降低下肢假肢关节间的交连耦合影响，对机器人各个关节进行解耦控制变得十分必要。
目前智能下肢假肢研究多对于智能膝-踝关节、踝-趾关节相关性进行研究，控制方法应用协调控制仅限于拟合正常膝关节与踝关节角度曲线实现控制，并没有涉及各关节的解耦研究。
发明内容
本发明要解决的问题是提供一种针对膝踝趾下肢假肢结构，将假肢三关节进行解耦并进行控制，可以提高各个关节的控制效果，降低被控系统的耦合性与复杂度，缩短控制时间，以达到快速收敛要求的膝-踝-趾动力型下肢假肢的解耦控制方法。
为解决上述技术问题，本发明采用的技术方案是：一种膝-踝-趾动力型下肢假肢的解耦控制方法，包括以下步骤：
步骤1、利用VICON MX三维步态分析系统采集下肢各关节角度信息，
髋-膝-踝关节角度可由模型直接计算出来，由于标准的下肢模型在足部只有两个标记点，无法计算趾关节角度，所以创建新的下肢实验模型，得到足部各标记点相对位置图，关节角度可由HEE，TOE和TT三个点的位置信息计算获得，由三个标记点的位置，可以计算出HEE的相对位移x，且HEE 到TOE的距离l已知，则：
步骤2、根据膝-踝-趾动力型下肢假肢的行走模式，进行步态划分，
通过分析腿部各关节角度变化规律及脚部受力点，将下肢运动的步态周期分为两个阶段：支撑期和摆动期，并针对不同的阶段分别进行建模与控制。
步骤3、在不同阶段，建立不同的下肢假肢模型，使用基于控制法则分解的解耦方法对膝踝趾下肢假肢关节进行解耦。
摆动期阶段，脚底不与地面接触，可将髋关节看做固定点建立动力学方程。
其中，M1为关节空间惯性矩阵，H1是哥式力和向心力的耦合矩阵，G1是重力矩阵，T1是髋关节与膝关节驱动力矩矩阵。θ1＝[θhip,θknee]T，τ1＝[τhip,τknee]T，τhip为髋关节力矩，τknee为膝关节力矩。
根据支撑期阶段趾关节受力情况，可将其分为支撑前中期和支撑末期。
支撑前中期阶段，人体的运动可以看作绕踝关节旋转，以踝关节为固定点，并建立动力学方程：
其中，τ2是膝关节与踝关节驱动力矩矩阵，θ2＝[θknee,θankle]T，τ2＝[τknee,τankle]T，τankle为踝关节力矩。
支撑末期，人体的运动可以看作绕趾关节旋转，将趾关节作为原点，并建立动力学模型：
其中，τ3是膝关节与踝关节驱动力矩矩阵，θ3＝[θknee,θankle,θtoe]T，τ3＝[τknee,τankle,τtoe]T，τtoe为趾关节力矩。
研究系统解耦问题，分为两个步骤：首先，确定系统能够被解耦的充要条件，即能解耦性判别问题，然后，确定解耦控制律和解耦系统的结构，即解耦系统的具体综合问题。逆系统方法采用反馈的形式，将原系统的各阶输出或状态向量反馈，重构为具有标准积分形式的线性系统，将原控制对象内部存在的耦合关系通过内部逆的形式抵消，实现解耦。
针对此关键问题，从多体动力学入手，选择基于控制法则分解法对关节间的耦合进行解耦，选取f＝αu+β控制律中‘对象校正’部分为：
‘误差伺服’部分固定取其中，α与β为‘反模型’，用于简化非线性对象的控制。xd为中间变量，e为系统期望与实际输出的误差。从而可得到支撑末期膝-踝-趾三关节下肢假肢模型的解耦后效果为三阶对角阵Y，即各关节力矩仅与本关节运动角度有关。
步骤4、设计下肢假肢控制器，以解耦后的假肢动力学模型为被控对象，设计自适应迭代学习控制策略，实现下肢假肢的膝-踝-趾三关节角度的快速跟踪。
被控系统在第k次迭代时，系统模型如下：
式(6)中θk(t)∈R3，为关节角位移、角速度和角加速度。
定义角位移误差为ek(t)，表示为期望轨迹θd(t)与第k次迭代的跟踪角度的差值，计算如下：
ek(t)＝θd(t)-θk(t) (7)
同理，角速度误差为
自适应迭代学习控制器设计如下：
式(8)中KP∈R3×3，KD∈R3×3为迭代学习控制的PID增益矩阵，Γ为自适应参数，vk(t)为自适应项。
期望轨迹θd(t)是由实验所测量的到的膝关节、髋关节和趾关节的角度位移，将控制系统的输出力矩作用在解耦后的下肢假肢动力学模型中，可以得到下肢假肢的实际跟踪角度位移θk(t)。
步骤5、控制系统平台MATLAB模型搭建。
基于自适应迭代学习的下肢假肢解耦控制，在MATLAB/Simulink下建立解耦控制器，包括以下几部分，自适应迭代学习控制器、解耦器、膝踝趾下肢假肢模型、期望轨迹输入模块、跟踪轨迹输出模块和控制力矩模块。
步骤6、MATLAB模型参数设置及仿真分析。
设置控制器的参数及下肢假肢模型的参数，控制器参数有迭代学习控制的PID增益KP，KD和自适应参数Γ以及控制的精度γ；下肢假肢的参数有假肢接受腔、小腿、后脚掌与前脚掌的总量与长度。
通过控制器的仿真结果分析，可以得到膝踝趾三关节在解耦后的角度跟踪和跟踪误差。在三个关节的跟踪误差均达到控制精度时，观察误差收敛情况，得到解耦后的三关节角度误差收敛图。
与现有技术相比，本发明的有益效果在于：
1.创建了新的下肢实验模型，通过足部各标记点相对位置可以计算出传统模型中无法得到的趾关节角度信息。
2.设计了膝踝趾三关节的假肢解耦器，将复杂的三关节电机模型进行简化，降低了系统的耦合性，使被控系统更加可控。
3.根据下肢行走具有周期性重复的特点，使用了自适应迭代学习控制器，通过迭代过程可以更快速地得到满足控制精度要求的控制力矩。
附图说明
下面通过参考附图并结合实例具体地描述本发明，本发明的优点和实现方式将会更加明显，其中附图所示内容仅用于对本发明的解释说明，而不构成对本发明的任何意义上的限制，在附图中：
图1为本发明足部各标记点相对位置图
图2为本发明膝踝趾三关节的期望角度轨迹图
图3为本发明MATLAB/simulink控制系统模型图
图4为本发明膝关节角度跟踪图
图5为本发明踝关节角度跟踪图
图6为本发明趾关节角度跟踪图
图7为本发明膝踝趾三关节角度跟踪误差收敛图
具体实施方式
下面结合实施例及其附图进一步叙述本发明：
如图1至图7所示，一种膝-踝-趾动力型下肢假肢的解耦控制方法，包括以下步骤：
步骤1、利用VICON MX三维步态分析系统采集下肢各关节角度信息。
髋-膝-踝关节角度可由模型直接计算出来，由于标准的下肢模型在足部只有两个标记点，无法计算趾关节角度，所以创建新的下肢实验模型，得到足部各标记点相对位置，如图1所示，关节角度可由HEE，TOE和TT三个点的位置信息计算获得。由三个标记点的位置，可以计算出HEE的相对位移x，且HEE到TOE的距离l已知，则：
步骤2、根据膝-踝-趾动力型下肢假肢的行走模式，进行步态划分。
通过分析腿部各关节角度变化规律及脚部受力点，将下肢运动的步态周期分为两个阶段：支撑期和摆动期，并针对不同的阶段分别进行建模与控制。
步骤3、在不同阶段，建立不同的下肢假肢模型，使用基于控制法则分解的解耦方法对膝踝趾下肢假肢关节进行解耦。
摆动期阶段，脚底不与地面接触，可将髋关节看做固定点建立动力学方程：
其中，M1为关节空间惯性矩阵，H1是哥式力和向心力的耦合矩阵，G1是重力矩阵，T1是髋关节与膝关节驱动力矩矩阵。θ1＝[θhip,θknee]T，τ1＝[τhip,τknee]T，τhip为髋关节力矩，τknee为膝关节力矩。
根据支撑期阶段趾关节受力情况，可将其分为支撑前中期和支撑末期。
支撑前中期阶段，人体的运动可以看作绕踝关节旋转，以踝关节为固定点，并建立动力学方程：
其中，τ2是膝关节与踝关节驱动力矩矩阵，θ2＝[θknee,θankle]T，τ2＝[τknee,τankle]T，τankle为踝关节力矩。
支撑末期，人体的运动可以看作绕趾关节旋转，将趾关节作为原点，并建立动力学模型：
其中，τ3是膝关节与踝关节驱动力矩矩阵，θ3＝[θknee,θankle,θtoe]T，τ3＝[τknee,τankle,τtoe]T，τtoe为趾关节力矩。
研究系统解耦问题，分为两个步骤：首先，确定系统能够被解耦的充要条件，即能解耦性判别问题，然后，确定解耦控制律和解耦系统的结构，即解耦系统的具体综合问题。逆系统方法采用反馈的形式，将原系统的各阶输出或状态向量反馈，重构为具有标准积分形式的线性系统，将原控制对象内部存在的耦合关系通过内部逆的形式抵消，实现解耦。
针对此关键问题，从多体动力学入手，选择基于控制法则分解法对关节间的耦合进行解耦，选取f＝αu+β控制律中‘对象校正’部分为：
‘误差伺服’部分固定取其中，α与β为‘反模型’，用于简化非线性对象的控制。xd为中间变量，e为系统期望与实际输出的误差。从而可得到支撑末期膝-踝-趾三关节下肢假肢模型的解耦后效果为三阶对角阵Y，即各关节力矩仅与本关节运动角度有关。
步骤4、设计下肢假肢控制器，以解耦后的假肢动力学模型为被控对象，设计自适应迭代学习控制策略，实现下肢假肢的膝-踝-趾三关节角度的快速跟踪。
被控系统在第k次迭代时，系统模型如下：
式(6)中θk(t)∈R3，为关节角位移、角速度和角加速度。
定义角位移误差为ek(t)，表示为期望轨迹θd(t)与第k次迭代的跟踪角度的差值，计算如下：
ek(t)＝θd(t)-θk(t) (7)
同理，角速度误差为
自适应迭代学习控制器设计如下：
式(8)中KP∈R3×3，KD∈R3×3为迭代学习控制的PID增益矩阵，Γ为自适应参数，vk(t)为自适应项。
期望轨迹θd(t)是由实验所测量的到的膝关节、髋关节和趾关节的角度位移，如图2所示，将控制系统的输出力矩作用在解耦后的下肢假肢动力学模型中，可以得到下肢假肢的实际跟踪角度位移θk(t)。
步骤5、控制系统平台MATLAB模型搭建。
基于自适应迭代学习的下肢假肢解耦控制，在MATLAB/Simulink下建立解耦控制器，包括以下几部分，自适应迭代学习控制器、解耦器、膝踝趾下肢假肢模型、期望轨迹输入模块、跟踪轨迹输出模块和控制力矩模块。
如图3所示，其中解耦器为控制法则分解法解耦，膝踝趾下肢假肢模型为三关节动力学模型，期望轨迹输入模块为膝踝趾三关节的角度位移θd(t)，跟踪轨迹模块为假肢模型的输出的角度位移θk(t)，控制力矩模块为达到控制精度要求的控制器输出τk(t)。
步骤6、MATLAB模型参数设置及仿真分析。
设置控制器的参数及下肢假肢模型的参数，控制器参数有迭代学习控制的PID增益和自适应参数Γ＝10以及控制的精度γ＝0.15°；下肢假肢的参数有假肢接受腔长度l1＝0.42m，质量m1＝2.14kg；小腿长度l2＝0.39m，质量m2＝1.84kg；后脚掌长度l3＝0.14m，质量m3＝0.51kg；前脚掌长度l4＝0.07m，质量m4＝0.25kg。
通过控制器的仿真结果分析，可以得到膝踝趾三关节在解耦后的角度跟踪和跟踪误差。
如图4至图6所示，分别为膝、踝和趾关节的角度跟踪图，如图7所示，为三关节的跟踪误差收敛图。可以明显看出在三个关节的角度跟踪时，跟踪轨迹始终保持在期望轨迹附近，第一次迭代的均方误差的最大值为4.3度，经过几次迭代后可以使跟踪误差保持在0.15度以内，实现了膝踝趾下肢假肢的解耦控制，使用本方法实现了稳定跟踪与快速跟踪的效果。
以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。其各步骤的实现方式是可以有所变化的，凡依本发明范围所作的均等变化与改进等，均应仍归属于本专利涵盖范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：基于模仿学习的下肢假肢控制系统及方法