本發(fā)明涉及醫(yī)療康復輔助器械領域，尤其涉及一種考慮人機交互的下肢康復外骨骼機器人最優(yōu)約束跟隨控制方法。

背景技術：

1、隨著老年人口的日益增長，中風已成為一種普遍的疾病，常常伴隨著下肢運動功能障礙甚至癱瘓。這種疾病無疑會嚴重干擾患者的日常生活。過去，受損下肢的康復訓練主要依賴于理療師的人工康復，但這種勞動密集型的工作需要康復人員的持續(xù)投入，使得理療師在康復訓練過程中越來越吃力。為了解決這一問題，近年來，下肢康復外骨骼機器人應運而生，它們極大減輕了康復人員的負擔，使下肢康復訓練效率在過去二十年中得到了顯著的提升。

2、康復訓練過程根據患者的損傷程度被劃分為三個階段：初級、中級和高級。在初級階段，考慮到中風患者體力上的不足，他們通常需要嚴格遵循預先設定的步態(tài)軌跡，這些軌跡往往基于健康人群的臨床步態(tài)分析結果。而隨著患者下肢運動能力的逐步恢復，中級階段的訓練將更加注重人機交互，力求實現最小的交互力。在高級階段，控制算法需要能夠精確捕捉患者的運動意圖，并據此提供必要的輔助控制。

3、在這三個階段中，中級階段是過渡和適應的關鍵時期，起到了康復過程中的重要作用，然而有關人機交互的研究目前仍致力于突破關鍵技術瓶頸：交互意圖的準確識別、交互路徑的優(yōu)化等。因此，為實現人機協(xié)同和高質量康復輔助，個性化和智能化的控制方法將是未來研究的重點。

4、約束跟隨控制是一種旨在確保系統(tǒng)在受到各種約束條件時，仍然能夠達到或接近期望控制目標的策略，非常適用于在操作過程中需要遵守嚴格物理或操作限制的系統(tǒng)。

5、我們致力于在下肢康復外骨骼機器人的約束跟隨控制設計中考慮人機交互。機器需要遵循一組所需的約束條件，這些約束條件可以是整體和非整體的；系統(tǒng)包含不確定性，而不確定性可能是快速時變的；不確定性是有邊界的，但可能的邊界可能是未知的。因此，人類操作員需要為提高系統(tǒng)性能的決策做出貢獻。

技術實現思路

1、本發(fā)明針對現有技術存在的不足，提供如下技術方案：一種考慮人機交互的下肢康復外骨骼機器人最優(yōu)約束跟隨控制方法：包括以下步驟：

2、(1)針對下肢康復外骨骼機器人系統(tǒng)建立動力學模型；

3、(2)根據外骨骼機器人需要滿足的性能指標建立性能約束；

4、(3)分解慣性矩陣及輸入矩陣；

5、(4)獲取不確定性參數的邊界及函數；

6、(5)建立一個約束跟隨控制方案，由搶占式算法部分和人工決策部分組成；機器求解得搶占式算法部分控制量p1、變化求解最優(yōu)隸屬函數并計算，求得人工決策算法部分控制量p2；

7、(6)將搶占式算法和最優(yōu)的人工決策結合，得魯棒控制策略控制量，實現穩(wěn)健且最優(yōu)的系統(tǒng)性能。

8、作為上述技術方案的改進，所述步驟(1)中建立動力學模型：

9、

10、其中，表示下肢康復外骨骼機器人中的時間，表示下肢康復外骨骼機器人中的坐標，表示下肢康復外骨骼機器人中的速度，表示下肢康復外骨骼機器人中的加速度，表示下肢康復外骨骼機器人中的不確定參數，表示下肢康復外骨骼機器人中的未知環(huán)境擾動，表示下肢康復外骨骼機器人中人工獨立決策的控制量，集合∑和γe分別表示σ和ve下肢康復外骨骼機器人中的可能的所處區(qū)域，且均為緊集，m(q，σ，t)為慣性矩陣，表示科里奧利力/離心力，g(q，σ，t)表示引力，表示輸入矩陣，矩陣/向量m(q，σ，t)，g(q，σ，t)，都有適當的維數，m(·)，c(·)，g(·)，be(·)都是連續(xù)的；

11、性能約束表示如下：

12、

13、其中，是的第i個分量，λli(·)和cl(·)是約束條件的一階形式，每個約束條件可以是整體約束條件或非整體約束條件，將以上一階性能約束條件表示為矩陣形式：

14、

15、其中，λ＝[λli]m×n，c＝[c1，c2，…，cm]t表示矩陣形式的一階性能約束，

16、將一階性能約束對t求導，得到二階性能約束：

17、

18、其中，一階形式約束矩陣λli(q，t)和一階形式約束矩陣cl(q，t)的導數分別為：

19、

20、

21、將得到的二階性能約束進行移項并改寫：

22、

23、其中，l＝1，…，m，將二階性能約束寫成矩陣形式：

24、

25、上式可以表示整體約束條件與非整體約束條件的整合，其中，矩陣表示改寫后二階性能約束方程的右側矩陣。

26、作為上述技術方案的改進，所述步驟(3)中，將慣性矩陣分解；

27、其中標稱部分且函數連續(xù)，則為表達方便可對幾種慣性矩陣及其標稱部分的組合做以下定義：

28、

29、

30、e(q，σ，t)：＝m(q，t)m-1(q，σ，t)-i；

31、由以上定義可得d(q，t)，δd(q，σ，t)和e(q，σ，t)之間的等式關系：

32、δd(q，σ，t)＝d(q，t)e(q，σ，t)；

33、再將輸入矩陣進行如下分解：

34、

35、其中，和分別表示輸入矩陣分解出的兩部分，具體表示如下：

36、

37、基于一階性能約束定義約束跟隨誤差

38、

39、基于約束跟蹤誤差定義搶占式算法部分控制方案

40、其中，表示搶占式算法部分經運算得到的控制量，δ＞0，表示基于機器運算選擇的搶占式算法部分控制量系數；

41、基于約束跟蹤誤差定義人工決策部分控制方案

42、其中，表示人工決策部分經運算得到的控制量，γ>0表示基于人工決策選擇的控制量系數，表示不確定約束界的結構的范數，表示不確定性界的結構，由下式唯一確定：

43、

44、其中，表示慣性矩陣的標稱部分，λ(q，t)表示矩陣形式的性能約束，δ，γ＞0，分別表示基于搶占式算法和人工決策算法的標量設計參數；

45、基于搶占式算法和人工決策控制方案的定義建立魯棒約束跟隨控制方案τ(t)如下：

46、

47、其中，p1為既定搶占式算法，由計算機直接實現，而p2中γ的選擇以人工決策為基礎。

48、作為上述技術方案的改進，所述步驟(4)，確定成本函數；

49、對于系統(tǒng)成本，基于魯棒約束跟隨控制方案τ(t)，考慮機器計算和人工決策兩個因素，有以下等式成立：

50、

51、其中，d表示微分算子，ds表示成本函數的全局最小解相對于ξ的弧長，ξ表示人類產生的生物信號，作為決策的輸入；

52、對以上等式兩邊取平方根，得到：

53、

54、其中，ds的物理意義為均勻有界區(qū)和均勻極限有界區(qū)對于ξ變化的穩(wěn)健性，ds越小，系統(tǒng)性能越穩(wěn)健，也就是說，均勻有界度區(qū)域和均勻極限有界度區(qū)域對ξ的變化不那么敏感；

55、基于以上考慮，可得到成本函數如下：

56、

57、考慮如上成本函數，則成本函數的全局最小解滿足：

58、

59、其中，w、y分別是使?jié)M足以下兩個邊界條件的常數：

60、

61、

62、基于以上條件可將成本函數改寫為以下形式：

63、

64、相應可唯一確定隸屬函數如下，對于所有的ξ∈[ξ1，ξ2]：

65、

66、其中，ξ1，ξ2分別表示隸屬函數定義域的左右邊界，表示隸屬函數支撐[ξ1，ξ2]的中心點，w、y分別是使?jié)M足邊界條件的常數，γ分別表示γ的上界及下界，表示全局最小解的系數；

67、隸屬函數的唯一性同時表明了人類最佳行為的獨一無二。

68、作為上述技術方案的改進，基于隸屬函數的確定，在步驟(6)中最優(yōu)的人工決策選取如下：

69、

70、其中，表示γ的上界，μ(ξ)表示基于成本函數確定的隸屬函數；

71、故得應用于下肢康復外骨骼機器人系統(tǒng)的魯棒控制策略τ(t)如下：

72、

73、其中，τ(t)表示魯棒控制策略的控制量，表示搶占式算法部分經運算得到的控制量，表示人工決策部分經運算得到的控制量，表示下肢康復外骨骼機器人中的時間，表示下肢康復外骨骼機器人中的坐標，表示下肢康復外骨骼機器人中的速度，既定搶占式算法部分p1由計算機直接實現，而人工決策部分p2中γ的選擇以人工決策為基礎。

74、本發(fā)明的有益效果：對于控制方法，該框架僅利用了不確定性的結構邊界信息，而不知道邊界的確切值，以保證魯棒一致有界性和一致最終有界性性能；其次，對于人的行為，該框架通過提出模糊隸屬函數來促進最優(yōu)決策結果；這個函數用解析形式表示，而不是用數值形式表示；將搶占式機器算法和最優(yōu)的人工決策算法結合起來，可以充分利用機器的快速響應能力和人類的高級決策能力，從而提高系統(tǒng)的整體性能和用戶體驗，完成更高效、更安全、更靈活和更人性化的人機交互，以實現穩(wěn)健和最優(yōu)的系統(tǒng)性能。