下肢外骨骼康复机器人的动力学建模及神经网络辨识仿真

《下肢外骨骼康复机器人的动力学建模及神经网络辨识仿真》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第11期2013年l1月机械设计与制造MachineryDesign&Manufacture197下肢外骨骼康复机器人的动力学建模及神经网络辨识仿真陈贵亮，李长鹏，赵月，刘更谦(河北工业大学机械学院，天津300130)摘要：针对下肢外骨骼康复机器人的灵敏度放大控制需要精确逆动力学模型的问题，通过Solidworks软件建立精确的三维实体模型，联合Matlab／SimMechanics建立下肢外骨骼康复机器人的动力学模型，以角度、角速度和角加速度作为输入信号，输出信号为髋、膝关节力矩，进行逆动力学仿真分析。将仿真后的输入输出数据利用BP神经网络进行训练并获得外骨骼逆动力学动态数

2、学模型。仿真结果表明，该方法可以获得下肢外骨骼康复机器人精确的模型，并为进一步的实现外骨骼的灵敏度放大控制提供保证。关键词：下肢外骨能康复机器人：BP神经网络：Matlab／SimMechanics；Solidworks；逆动力学中图分类号：THl6；TP242文献标识码：A文章编号：1001—3997(2013)1l一0197--04DynamicModelingandNeuralNetworkIdentificationSimulationforLowerLimbsEx0SkeIetonsRehabiIitatiOnRobotCHENGui—liang，LIChang-peng，

3、ZHAOYue，LIUGeng-qian(HebeiUniversityofTechnology。MechanicalEngineeringSch001．Tianjin300130，China)Abstract：Fortheproblem∥lowerlimbsexoskeletonsrehabilitalionrobotsensitivityamplifwationcontrolneeding∞cu删einversedynamicsmodel，theOgCuratethree--dimensionalentitymodelisestablishedbySolidworks，andjo

4、intedMatlab／SimMechnnicstoestablishthe咖，l珊孔站modeloflowerlimbsexoskeletonsrehabilitationrobot，torealizeinversedynamicssimulationanalysiswhoseinput5ign以帆脚t幽。angular13elocityamlangularacceleration，Du妒山sig．池tile^咖andkneejointtorque．AfierthesimMationthei’妒眦／bu印眦data口retrainedtogetexoskeletonsinverse

5、dytuunicsdy,ⅢicmathematicalmodeZbyBPneitru．fnetwork．ThesimulationFe$ultsshowthatthismethodc帆getlowerlimbsexoskeletonrehabilhationrobotaccuratemodel，andp，Dt，idiguaranteeforfurtherrealizingexoskeletonsensitivityamplificationcontrolKeyWords：LowerLimbsExoskeletonsRehabilitafionRobot；BPNetwork；Mafla

6、hlSimMechanics；Solidworks；Inve-黜Dynamics1引言针对人体下肢康复训练问题，以现代康复医学理论、脑卒中患者肢体康复机理和方法为理论基础，对患者下肢康复训练的作用和效果进行了系统深入地研究，并提出下肢康复机器人被动、助力、主动及抗阻康复训练模式。依据Brunnstrom、PNF运动康复治疗技术提出了患者主动训练模式，其主要目的是在肢体能够实现基本运动功能之后，实现患者腿部共同运动到精细动作的分离，患者主动参与对关节的灵活点和身体协调度的训练，便可以抑制其偶尔发生的异常肢体运动。同肘，该摸式下患者与外骨骼之间维持一定小范围内的相互作用力．此时外骨骼与患

7、者的运动数据相同，通过外骨骼上安装的角度传感器及力传感器等检查装置，可于对患者进行康复评价。下肢外骨骼康复机器人系统主要针对的是因患脑卒中而导致的偏瘫患者进行康复训练，所以需要对外骨骼的左腿和右腿分别进行控制并处理之间的协调关系。康复训练过程中，健肢需要进行不受外在干扰的患者主动训练；患肢则要经过被动、助力、主动及抗阻康复训练模式。传统的外骨骼机器人需要在患者与外骨骼机器人之间安置大量的传感器(如力传感器、肌电传感器等)来测量人机之间的交互信息，大大降低了