基于先進傳感與控制技術的外骨骼機器人設計

摘" 要：該文通過對下肢外骨骼機器人的運動學理論分析建立精確的外骨骼機器人運動學模型，為實現對機器人的高精度控制，結合慣性傳感器實時獲取的數據，提出一種PID與神經網絡相結合的控制算法。該算法結合傳統PID控制的穩定性和神經網絡對非線性系統的處理能力，顯著提升機器人的運動精度和響應速度。通過仿真實驗驗證所設計的外骨骼機器人在不同運動場景下的精確跟隨以及良好的人機交互體驗，為外骨骼機器人在醫療康復、工業制造等領域的實際應用提供一定的技術基礎。

關鍵詞：外骨骼機器人；傳感器；PID控制；神經網絡；仿真

中圖分類號：TP242" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）25-0009-04

Abstract： In this paper， an accurate exoskeleton robot kinematics model is established by analyzing the kinematics theory of the lower limb exoskeleton robot. In order to realize the high precision control of the robot， based on the real-time data obtained by the inertial sensor， a control algorithm based on the combination of PID and neural network is proposed. The algorithm combines the stability of traditional PID control and the ability of neural network to deal with nonlinear system， and significantly improves the motion accuracy and response speed of the robot. The simulation results verify the accurate follow and good human-computer interaction experience of the designed exoskeleton robot in different motion scenes， which provides a certain technical basis for the practical application of exoskeleton robot in medical rehabilitation， industrial manufacturing and other fields.

Keywords： exoskeleton robot; sensor; PID control; neural network; simulation

隨著科技的發展和人口老齡化問題日益突出，外骨骼機器人作為一種增強人體能力的先進技術備受關注。本文所設計的這款基于先進傳感與控制技術的外骨骼機器人通過對人體運動學的研究和分析確定需要支持或增強的關節和肌肉群，設計出相應的機械結構來實現腿部運動。出于對輕量化、剛性和人體適配性考量，將下肢踝關節與小腿設計成一個連桿構建二連桿模型，并利用Lagrange方法將人機系統作為研究對象。對于下肢外骨骼機器人傳感器的設計，需要考慮到慣性測量單元、力傳感器和壓力傳感器等各個方面[1]。本文選擇慣性傳感器采集姿態數據，與控制算法協同作用，以提供個性化和自適應的助力支持。基于下肢外骨骼機器人的控制算法設計靈活、實時、穩定和安全的原則[2]，本文提出了一種PID控制與神經網絡相結合的算法，該算法能夠實時感知和詮釋使用者的意圖，并相應地調整關節和力矩，以提供精確而流暢的運動協助，改善用戶的機器使用感。

1" 基于先進傳感與控制技術的外骨骼機器人的設計

1.1" 下肢外骨骼機器人運動學理論分析

在人體行走過程中，兩側下肢呈現交替性重復的運動。為了簡化計算，本文以外骨骼擺動相單側下肢作為研究對象，將下肢外骨骼機器人簡化為具有2個自由度的二連桿機構，采用標準D-H方法構建了一個二連桿模型，以探究其運動學特性。

如圖1所示，坐標原點在髖關節處，大腿桿長度為L1，小腿桿長度為L2；大腿桿質量和穿戴者大腿質量的和為m1，小腿桿質量和穿戴者小腿質量的和為m2；D為大腿桿質心，E為小腿桿質心。采用Lagrange方法將人機系統作為研究對象，分析動力學方程

1.2" 下肢外骨骼機器人傳感器設計

在每個步態周期內，人體的行走姿態呈現出一定的規律性。為了更好地測量人體運動過程中的屈伸角度變化，本文選擇了慣性傳感器來采集姿態數據。

將慣性傳感器與下肢外骨骼機器人的動力學建模相結合，可以實現對人體運動過程中關節角度變化的準確測量和分析。在傳感器型號的選擇方面，本文選擇了MPU9250慣性傳感器。MPU9250能夠準確測量角度變化，實時獲取數據并快速響應，提供精確、及時、獨立和便攜的姿態估計。將MPU9250慣性傳感器安裝在人體的大腿、小腿和腳背的適當位置，通過采用機器人逆向運動學，結合傳感器提供的數據，實時計算出髖、膝和踝3個關節的轉角，從而測量下肢外骨骼的屈伸角度，幫助實現下肢外骨骼機器人的準確測量和運動增強功能。具體安裝位置如圖2所示。

1.3" 基于PID與神經網絡相結合的控制算法

外骨骼機器人的控制精度和穩定性一直是研究的難點。傳統的PID控制算法雖然簡單易實現，但對于非線性系統和參數變化較大的系統控制效果不佳[3]。而神經網絡控制算法雖然具有較強的自學習能力，但對于大規模系統訓練時間較長。因此，本文提出了一種基于PID與神經網絡相結合的控制算法的外骨骼機器人，通過整合PID控制算法的實時性和神經網絡控制算法的自適應性，實現外骨骼機器人在不同運動狀態下的精準控制，從而提高其適用性和性能。

1.3.1" 確定控制目標

混合控制算法的實現過程是一個復雜的過程，第一步便是確定系統的控制目標[4]，本文采用常用的Routh-Hurwitz穩定性判據對系統的零點和極點進行計算，從而確定系統是否穩定，以及穩定域的大小。結合跟蹤誤差的上界和系統的響應時間等性能指標構建性能指標函數，據此在本節給出線性模型與狀態空間方程。

1.3.2" 設計控制器

基于對系統特性的理解，選擇合適的PID參數（比例參數Kp、積分參數Ki和微分參數Kd），根據給定值r（t）與實際值y（t）構成偏差e（t）=r（t）-y（t）。將偏差的比例（P）、積分（I）和微分（D）通過線性組合構成控制變量[5]，對受控對象進行控制。其規律為

參數調整。神經網絡根據系統的實時反饋預測PID控制器的參數調整值。具體地，通過以下公式計算：參數調整值=神經網絡的輸出。將參數調整值加到PID控制器的當前參數上，得到新的參數值。

外骨骼機器人控制。將PID控制器的輸出作為外骨骼機器人的控制信號。具體地，通過以下公式計算：控制信號=PID控制器的輸出。將控制信號輸入到外骨骼機器人的驅動器中，使其按照預期的軌跡運動。

最后本文對日常生活中常見的場地提取特征構建神經網絡模型[6]，利用歷史數據對模型進行訓練，并根據具體任務需求以及場景的不斷變換進行模型設計和優化，不斷調整神經網絡地權重和偏置項，直到達到滿意的預測效果。

2" 仿真結果分析

2.1" 基于ADAMS的下肢外骨骼機器人仿真分析

2.1.1" 模型建立

采用SolidWorks對外骨骼機器人進行三維建模，在對結構進行簡化后，構建出外骨骼機器人的虛擬樣機。根據外骨骼機器人在矢狀面實現的關節自由度，建立包括足部、大腿、小腿和軀干的外骨骼機器人簡化模型[7]，將三維模型保存為SolidWorks中的Parasolid格式，再將其導入ADAMS生成虛擬樣機[8]，將ADAMS中地面環境設置平整的地面環境。各個部件按硬質鋁材定義，并且重新定義各部件的質量和慣量。

在ADAMS中為虛擬樣機選擇旋轉的驅動方式。本文以動力學數據角度的變化為物理量，帶動髖關節、膝關節和踝關節的運動。在已經得到的PID控制信號的基礎上，將PID控制信號轉化為角度制，將其添加到各個關節，用于驅動。

2.1.2" 結果分析

通過仿真得到髖關節和膝關節的關節力矩，將得到的髖關節和膝關節的關節力矩和關節角度與期望值進行對比（圖3）。

由圖3可知，仿真獲得的髖關節和膝關節的曲線與期望力矩曲線相符，但在正常步態中存在較大偏差。這主要是由于對外骨骼各關節傳動結構的簡化導致了模型中關節角度的變化，進而產生了一定的誤差波動。在髖關節的最大屈曲角度和最大伸縮角度時，外骨骼機器人提供最大的髖關節力矩；同樣，在膝關節的最大彎曲角度時，外骨骼機器人提供最大的膝關節力矩。

2.2" 控制算法的仿真驗證

2.2.1" 實驗平臺搭建

為驗證基于PID與神經網絡控制相結合的控制算法的正確性和有效性，搭建了實驗測試平臺。在固定龍門架上懸掛身上穿戴外骨骼機器人的假人，將上位機與控制器連接，按圖2安裝傳感器，并將傳感器收集的數據上傳到上位機。

2.2.2" 電機軌跡跟蹤實驗

電機軌跡追蹤實驗采用基于PID結合神經網絡控制，控制髖關節和膝關節上安裝的電機，去追蹤預期電機軌跡。在實驗過程中，首先利用獨立的PID控制算法控制髖關節和膝關節的電機，并通過編碼器對馬達運動時的角度值進行采集[9]。之后以PID結合神經網絡控制算法取代獨立的PID控制算法，維持實驗環境不變，重新采集電機的運動角度。實驗結果如圖4所示。

從圖4中可以看出，使用PID控制算法時，電機可能會出現明顯的角度突變，表明在特定情況下，系統穩定性不佳，易受環境影響。相比之下，基于PID與神經網絡控制算法的控制方式表現出更好的軌跡跟蹤效果，并且電機運動角度曲線更加平滑，這表明該控制方式能夠有效抑制環境因素的影響，提高系統的抗干擾能力和穩定性。

3" 結束語

通過對現有技術的分析，本文提出了一種新型基于慣性傳感器和PID與神經網絡相結合的控制算法的外骨骼機器人設計方案。經過多次電機軌跡跟蹤實驗和基于ADAMS的仿真分析，結果表明，該方案可以實現更精準的運動控制，有效提升穿戴者的運動能力。然而本研究也存在一些局限性，如未能充分考慮不同體型、年齡、健康狀況的穿戴者可能存在的適應性差異；對于長期穿戴的舒適性和安全性等方面的研究也尚顯不足。未來的研究應進一步擴大實驗范圍，完善設計方案，并關注穿戴者的全面體驗，以期推動外骨骼機器人技術的持續發展。

參考文獻：

[1] 楊凱歌，鐘佩思，鄭義，等.基于迭代學習控制算法的下肢外骨骼機器人跟隨特性[J].科學技術與工程，2018，18（34）：196-201.

[2] 李緯華，孫洪穎，王曉軍.三自由度下肢康復機器人動力學建模及仿真研究[J].廣東技術師范學院學報，2016，37（8）：61-66.

[3] 王劍，聶宜云.基于PSO-BP算法優化的轉臺PID控制系統仿真研究[J].航空精密制造技術，2023，59（6）：5-8.

[4] 劉爾晨，劉天涯.基于小波神經網絡的機器人模糊控制算法[J].工業儀表與自動化裝置，2023（4）：84-88.

[5] 吳青鴻，李健，劉歡，等.基于模糊PID下肢外骨骼機器人的控制技術[J].廣西科技大學學報，2020，31（4）：104-111.

[6] 沈永康.下肢康復外骨骼機器人設計與模糊PID控制技術研究[D].武漢：江漢大學，2023.

[7] 張菊.下肢穿戴康復外骨骼機器人自適應設計與分析[D].汕頭：汕頭大學，2022.

[8] 叢佩超，龍耀祖，萬東寶.高適應性下肢外骨骼機器人的結構設計與分析[J].機械設計，2023，40（1）：77-87.

[9] 王宇.柔性下肢助力外骨骼機器人機構設計與控制策略研究[D].柳州：廣西科技大學，2023.