基于非线性不确定观测器的多模态智能轮椅自适应控制方法研究
发布时间：2021-10-31 18:42
智能轮椅已经日渐成为下肢残障人士和行动不便的老年人的高效代步工具,其本质上属于移动机器人的一种特殊形式。智能轮椅与常规移动机器人在控制方式上最大的区别在于乘用者在轮椅运行过程中对控制起到的主导作用,而常规移动机器人则更强调其完全自主控制,各种控制算法和控制模式必须基于人的主观意识来进行实时动态控制,体现出“人在环中”的结构特点。随着残障人士及老年人对日常生活质量和参与社会活动需求的不断提高,对于智能轮椅控制的实时性和安全性研究日益成为研究人员关注的重点问题。目前普遍使用的轮椅存在的主要问题包括:首先,在控制方式上存在模态单一的不足,乘用者大多无法选择适合自身特点的人机交互方式,因此难以满足不同残疾程度差异乘用者的使用需求;其次,在室内环境狭小空间内,常规差动转向结构的轮椅由于运动形式上的局限性,存在转弯半径大且安全性难以得到保障、易出现轮椅倾倒等安全问题;再次,常规的移动机器人控制算法在大量环境数据处理过程中,存在运算量过大的问题,无法保证控制过程的实时性;另外,在智能轮椅控制系统中,由于乘用者个体差异及不断变化的环境参数,在控制器设计过程中如未充分考虑系统中存在非线性和不确定性因素,...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外智能轮椅研究现状及发展趋势
1.2.1 国外发展现状
1.2.2 国内发展概况
1.3 智能轮椅的关键技术现状分析
1.3.1 人机交互模态技术现状
1.3.2 模式识别技术现状
1.3.3 多传感器信息融合技术现状
1.3.4 自主避障控制方法现状
1.3.5 自适应控制算法现状
1.4 论文的主要研究内容与结构安排
1.4.1 主要研究内容
1.4.2 结构安排
第2章 基于二维坐姿重心的改进SOFM聚类算法研究
2.1 引言
2.2 全向智能轮椅硬件结构及动力学模型
2.2.1 智能轮椅平台的硬件结构
2.2.2 全向轮椅动力学模型分析
2.3 人体坐姿二维重心模型的建立
2.3.1 人体二维重心数据采集原理
2.3.2 人体二维重心计算方法建模
2.4 改进的SOFM聚类算法
2.4.1 标准的SOFM算法
2.4.2 SOFM聚类算法的改进
2.4.3 改进的SOFM聚类算法流程
2.4.4 初始重心偏移修正算法
2.5 仿真及实验结果
2.5.1 仿真结果及分析
2.5.2 实验结果及分析
2.5.3 存在的问题及有待改进之处
2.6 本章小结
第3章 基于改进FNN的自主避障算法研究
3.1 引言
3.2 常规的FNN神经网络
3.2.1 常规FNN的分类及FNN网络结构
3.2.2 常用的FNN学习算法
3.3 基于改进FNN的智能轮椅自主避障算法
3.3.1 智能轮椅避障算法现状及功能分析
3.3.2 改进的FNN算法流程
3.3.3 改进的FNN避障控制算法
3.3.4 改进FNN的参数调整算法
3.3.5 避障经验矢量矩阵选取
3.4 仿真及实验结果分析
3.4.1 仿真结果及分析
3.4.2 实验结果及分析
3.5 本章小结
第4章 基于改进RBF神经网络的智能轮椅自适应控制研究
4.1 引言
4.2 全向智能轮椅的动力学建模
4.2.1 全向智能轮椅动力学建模
4.2.2 全向智能轮椅逆运动学建模
4.3 标准的RBF神经网络
4.3.1 标准RBF网络的主要特点及优缺点
4.3.2 标准RBF神经网络结构及参数计算
4.4 RBF神经网络权值优化算法
4.5 基于改进RBF的自适应控制器设计及稳定性分析
4.5.1 基于改进RBF的智能轮椅误差动力学建模及分析
4.5.2 基于改进RBF的自适应控制器设计
4.5.3 基于改进RBF的自适应控制稳定性分析
4.6 仿真及实验结果分析
4.6.1 仿真结果及分析
4.6.2 实验结果及分析
4.7 本章小结
第5章 基于非线性不确定观测器的智能轮椅跟踪控制研究
5.1 引言
5.2 非线性不确定条件下的智能轮椅动力学建模与分析
5.2.1 非线性不确定条件下的智能轮椅动力学建模
5.2.2 非线性不确定条件下智能轮椅跟踪问题分析
5.3 非线性不确定观测器的设计
5.3.1 非线性不确定系统分析
5.3.2 非线性不确定系统观测器的设计
5.4 非线性不确定轨迹跟踪控制器的设计
5.4.1 位置动力学控制器的设计
5.4.2 位姿角动力学控制器的设计
5.5 仿真及实验结果分析
5.5.1 无扰动条件下仿真结果及分析
5.5.2 实验结果及分析
5.6 本章小结
结论
参考文献
攻读博士学位期间所发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于深度学习的语音识别方法研究[J]. 邵娜,李晓坤,刘磊,陈虹旭,郑永亮,杨磊. 智能计算机与应用. 2019(02)
[2]类脑智能技术在无人系统上的应用[J]. 赵欣怡,宗群,张睿隆,田栢苓,张秀云,冯聪. 控制理论与应用. 2019(01)
[3]基于免疫遗传算法的自组织映射网络应用研究[J]. 李鹏松,刘欣,李俊达. 东北电力大学学报. 2018(06)
[4]结合实时优化遗传算法的磨削机器人阻抗控制[J]. 刘哲,邹涛,孙威,陆云松. 控制理论与应用. 2018(12)
[5]康复辅助机器人及其物理人机交互方法[J]. 彭亮,侯增广,王晨,罗林聪,王卫群. 自动化学报. 2018(11)
[6]基于强化学习的学习变阻抗控制[J]. 李超,张智,夏桂华,谢心如,朱齐丹,刘琦. 哈尔滨工程大学学报. 2019(02)
[7]基于Kinect的配电作业机器人智能人机交互方法[J]. 张冕,黄颖,梅海艺,郭毓. 山东大学学报(工学版). 2018(05)
[8]基于SOM的产品设计结构模块划分及其评价[J]. 李颖,应保胜,容芷君,但斌斌,胡从林. 武汉科技大学学报. 2018(04)
[9]移动机器人生物启发式变结构轨迹跟踪控制[J]. 马晓敏,刘丁,辛菁,张友民. 电机与控制学报. 2018(07)
[10]多自主式水下机器人的路径规划和控制技术研究综述[J]. 赵蕊,许建,向先波,徐国华. 中国舰船研究. 2018(06)
博士论文
[1]移动机器人适应搜救环境的同时定位和地图构建（SLAM）方法研究[D]. 王洪玲.山东大学 2018
[2]重心自调整的全方位运动轮椅机器人技术研究[D]. 白阳.北京理工大学 2016
硕士论文
[1]室内未知环境中的智能轮椅手势交互与自主导航的研究[D]. 张家意.苏州大学 2018
[2]助老助残轮椅室外自主导航行为设计与融合方法研究[D]. 洪泽.扬州大学 2018
[3]粒子群算法自适应行为分析研究[D]. 林雨庆.吉林大学 2016
[4]人体重量一维分布识别系统研究[D]. 曾贺川.重庆大学 2014
本文编号：3468654
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外智能轮椅研究现状及发展趋势
1.2.1 国外发展现状
1.2.2 国内发展概况
1.3 智能轮椅的关键技术现状分析
1.3.1 人机交互模态技术现状
1.3.2 模式识别技术现状
1.3.3 多传感器信息融合技术现状
1.3.4 自主避障控制方法现状
1.3.5 自适应控制算法现状
1.4 论文的主要研究内容与结构安排
1.4.1 主要研究内容
1.4.2 结构安排
第2章 基于二维坐姿重心的改进SOFM聚类算法研究
2.1 引言
2.2 全向智能轮椅硬件结构及动力学模型
2.2.1 智能轮椅平台的硬件结构
2.2.2 全向轮椅动力学模型分析
2.3 人体坐姿二维重心模型的建立
2.3.1 人体二维重心数据采集原理
2.3.2 人体二维重心计算方法建模
2.4 改进的SOFM聚类算法
2.4.1 标准的SOFM算法
2.4.2 SOFM聚类算法的改进
2.4.3 改进的SOFM聚类算法流程
2.4.4 初始重心偏移修正算法
2.5 仿真及实验结果
2.5.1 仿真结果及分析
2.5.2 实验结果及分析
2.5.3 存在的问题及有待改进之处
2.6 本章小结
第3章 基于改进FNN的自主避障算法研究
3.1 引言
3.2 常规的FNN神经网络
3.2.1 常规FNN的分类及FNN网络结构
3.2.2 常用的FNN学习算法
3.3 基于改进FNN的智能轮椅自主避障算法
3.3.1 智能轮椅避障算法现状及功能分析
3.3.2 改进的FNN算法流程
3.3.3 改进的FNN避障控制算法
3.3.4 改进FNN的参数调整算法
3.3.5 避障经验矢量矩阵选取
3.4 仿真及实验结果分析
3.4.1 仿真结果及分析
3.4.2 实验结果及分析
3.5 本章小结
第4章 基于改进RBF神经网络的智能轮椅自适应控制研究
4.1 引言
4.2 全向智能轮椅的动力学建模
4.2.1 全向智能轮椅动力学建模
4.2.2 全向智能轮椅逆运动学建模
4.3 标准的RBF神经网络
4.3.1 标准RBF网络的主要特点及优缺点
4.3.2 标准RBF神经网络结构及参数计算
4.4 RBF神经网络权值优化算法
4.5 基于改进RBF的自适应控制器设计及稳定性分析
4.5.1 基于改进RBF的智能轮椅误差动力学建模及分析
4.5.2 基于改进RBF的自适应控制器设计
4.5.3 基于改进RBF的自适应控制稳定性分析
4.6 仿真及实验结果分析
4.6.1 仿真结果及分析
4.6.2 实验结果及分析
4.7 本章小结
第5章 基于非线性不确定观测器的智能轮椅跟踪控制研究
5.1 引言
5.2 非线性不确定条件下的智能轮椅动力学建模与分析
5.2.1 非线性不确定条件下的智能轮椅动力学建模
5.2.2 非线性不确定条件下智能轮椅跟踪问题分析
5.3 非线性不确定观测器的设计
5.3.1 非线性不确定系统分析
5.3.2 非线性不确定系统观测器的设计
5.4 非线性不确定轨迹跟踪控制器的设计
5.4.1 位置动力学控制器的设计
5.4.2 位姿角动力学控制器的设计
5.5 仿真及实验结果分析
5.5.1 无扰动条件下仿真结果及分析
5.5.2 实验结果及分析
5.6 本章小结
结论
参考文献
攻读博士学位期间所发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于深度学习的语音识别方法研究[J]. 邵娜,李晓坤,刘磊,陈虹旭,郑永亮,杨磊. 智能计算机与应用. 2019(02)
[2]类脑智能技术在无人系统上的应用[J]. 赵欣怡,宗群,张睿隆,田栢苓,张秀云,冯聪. 控制理论与应用. 2019(01)
[3]基于免疫遗传算法的自组织映射网络应用研究[J]. 李鹏松,刘欣,李俊达. 东北电力大学学报. 2018(06)
[4]结合实时优化遗传算法的磨削机器人阻抗控制[J]. 刘哲,邹涛,孙威,陆云松. 控制理论与应用. 2018(12)
[5]康复辅助机器人及其物理人机交互方法[J]. 彭亮,侯增广,王晨,罗林聪,王卫群. 自动化学报. 2018(11)
[6]基于强化学习的学习变阻抗控制[J]. 李超,张智,夏桂华,谢心如,朱齐丹,刘琦. 哈尔滨工程大学学报. 2019(02)
[7]基于Kinect的配电作业机器人智能人机交互方法[J]. 张冕,黄颖,梅海艺,郭毓. 山东大学学报(工学版). 2018(05)
[8]基于SOM的产品设计结构模块划分及其评价[J]. 李颖,应保胜,容芷君,但斌斌,胡从林. 武汉科技大学学报. 2018(04)
[9]移动机器人生物启发式变结构轨迹跟踪控制[J]. 马晓敏,刘丁,辛菁,张友民. 电机与控制学报. 2018(07)
[10]多自主式水下机器人的路径规划和控制技术研究综述[J]. 赵蕊,许建,向先波,徐国华. 中国舰船研究. 2018(06)
博士论文
[1]移动机器人适应搜救环境的同时定位和地图构建（SLAM）方法研究[D]. 王洪玲.山东大学 2018
[2]重心自调整的全方位运动轮椅机器人技术研究[D]. 白阳.北京理工大学 2016
硕士论文
[1]室内未知环境中的智能轮椅手势交互与自主导航的研究[D]. 张家意.苏州大学 2018
[2]助老助残轮椅室外自主导航行为设计与融合方法研究[D]. 洪泽.扬州大学 2018
[3]粒子群算法自适应行为分析研究[D]. 林雨庆.吉林大学 2016
[4]人体重量一维分布识别系统研究[D]. 曾贺川.重庆大学 2014
本文编号：3468654
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3468654.html
