上肢软质外骨骼助力控制策略研究
发布时间：2021-08-03 10:08
据调查显示,我国的老龄化速度已高居全球首位,2016年我国60岁以上老年人口数约为2.12亿,约占人口总数15.6%,而在2010年的第六次全国人口普查数据中,60岁以上老年人口仅为10.33%。随着老龄化问题的日益严重,生理功能衰退、运动功能障碍等问题接踵而至,使得老年人生活质量急剧下降,导致家庭和社会的负担越来越重,而随着时代的发展,经济水平的不断进步,生活水平的不断提高,人们对于自身的健康问题越来越重视,对于生活质量的要求越来越高。拐杖、手杖等手动器械已无法满足老年人的需求,可穿戴式外骨骼的发展使得这一问题有了解决的希望,并且可穿戴式外骨骼在民用和军用领域中也有着广阔的应用前景。本文根据上述相关研究背景,针对可穿戴式外骨骼的发展趋势,设计了一种基于套索驱动的上肢软质外骨骼机器人,并提出了基于人体运动意图识别的助力控制策略,论文的主要内容如下:基于人体上肢解剖学研究理论,针对上肢软质外骨骼系统的舒适性、安全性、轻便性提出了相应的结构设计要求。详细介绍了上肢软质外骨骼服结构,包括上肢软质外骨骼驱动装置和套索传动系统。接着介绍了上肢软质外骨骼系统,包括传感检测系统、数据采集系统以及基于...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
国内外典型外骨骼机器人系统
(a) WEAR 外骨骼 (b) XOS2 外骨骼 (c) HERCULE 外骨骼图 1.2 国内外典型外骨骼机器人系统在国内，可穿戴式外骨骼机器人系统研究起步相对较晚，但近年来也取得了诸多研究成哈尔滨工业大学杜志江教授学科组研制了五自由度上肢康复外骨骼，可以实现基于 Kinect 视捕捉的健肢-患肢双侧协调镜像训练[44]。上海交通大学殷跃红教授学科组提出了基于表面肌信号（sEMG）与人机交互力多源信号融合的下肢康复外骨骼系统[45]。华东理工大学曹恒教学科组研制了基于直驱式液压柔顺执行器与弹簧阻尼元件的负重型下肢动力外骨ELEBOT[46]。此外，浙江大学[47]、中国科学院自动化研究所[11]、北京航空航天大学[4]、华中技大学[48]、东南大学[49]等单位在外骨骼领域都进行了卓有成效的研究。然而，现有的外骨骼系统多由刚性机械结构组成，结构相对笨重、庞大，能耗高，尤其系统故障等突发情况下，自重过大的缺陷会对穿戴者的安全构成威胁。刚性外骨骼与人体穿戴连接后构成了空间多环封闭运动链，为了保证人机交互过程的协性与安全性，人机间对应关节的回转中心应保持重合。关节偏差会导致牵扯现象，限制外骨的有效工作空间，甚至造成肢体损伤。然而，人体关节多为复合回转关节（如肩、肘关节）
(a) ARMIN-II 外骨骼 (b) X-ARM 外骨骼 (c) NEUROExos 外骨骼图 1.3 刚性外骨骼借助辅助机构来保证人机运动协调针对前述刚性外骨骼存在的诸多缺陷，美国哈佛大学 Wyss 研究中心于近几年提出了软外骨骼的概念，利用人体的骨骼和关节来替代传统外骨骼刚性构件的作用，并结合柔性驱动置实现关节驱动，其具有柔顺、舒适、轻便、协调性好等特点。图 1.4(a)为 Wyss 研究中心制的基于 Festo 气动肌肉驱动的踝关节外骨骼。气动肌肉可以提供柔顺驱动力，但其缺点在伸长量有限，本征非线性强，难以实现精密的位置和力控制[54]。形状记忆合金材料也被尝试于设计膝关节软质外骨骼，其结构非常轻巧灵活，但驱动能力以及响应速度有限[55]。图 1.4(为采用电机-柔带驱动的髋关节外骨骼，但该系统仅能够实现单方向的助力效果[56]。美国 S公司推出了基于柔绳驱动的软质外骨骼服 SUPERflex[57]，并结合可控弹簧储能元件实现下肢能行走与康复训练，如图 1.4(c)。目前国内仍缺乏对软质外骨骼的深入研究。
【参考文献】：
期刊论文
[1]一种应用于功率放大液压驱动外骨骼的基于物理人机交互估计的控制策略（英文）[J]. Yi LONG,Zhi-jiang DU,Wei-dong WANG,Long HE,Xi-wang MAO,Wei DONG. Frontiers of Information Technology & Electronic Engineering. 2018(09)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[3]基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J]. 唐智川,张克俊,李超,孙守迁,黄琦,张三元. 计算机学报. 2017(06)
[4]基于卡尔曼预测的外骨骼摆动腿随动控制研究[J]. 曹志刚,叶晓东,王玉成,陈梁军,朱红生. 科学技术与工程. 2016(29)
[5]基于支持向量机的外骨骼机器人灵敏度放大控制[J]. 赵广宇,何龙,李新俊,许国强,李小奇. 计算机测量与控制. 2016(09)
[6]基于人体髋关节转动中心分析的髋关节外骨骼仿生设计（英文）[J]. Wei YANG,Can-jun YANG,Ting XU. Frontiers of Information Technology & Electronic Engineering. 2016(08)
[7]GA优化的RBF神经网络外骨骼灵敏度放大控制[J]. 龙亿,杜志江,王伟东. 哈尔滨工业大学学报. 2015(07)
[8]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[J]. 陈贵亮,李长鹏,赵月,刘更谦. 机械设计与制造. 2013(11)
[9]基于Matlab/xPC Target的实时仿真系统研究[J]. 王超,王仕成,刘志国. 控制工程. 2007(S2)
[10]基于BP网络的康复机器人的智能控制技术[J]. 吕广明,孙立宁,陆念力. 石油大学学报(自然科学版). 2005(05)
博士论文
[1]套索驱动重力平衡上肢康复外骨骼研究[D]. 吴青聪.东南大学 2016
[2]下肢外骨骼的动力学分析与运动规划[D]. 贾山.东南大学 2016
[3]基于sEMG信号的外骨骼式机器人上肢康复系统研究[D]. 李庆玲.哈尔滨工业大学 2009
[4]人机接触交互中人体肘关节运动意图与力矩估计[D]. 宋全军.中国科学技术大学 2007
硕士论文
[1]基于MEMS的姿态测量系统的研究[D]. 李悠扬.东南大学 2017
[2]助力型下肢外骨骼机器人多信号融合感知系统研究[D]. 杨金江.浙江大学 2017
[3]负重型下肢动力外骨骼机器人结构优化与仿真研究[D]. 方明周.华东理工大学 2015
[4]六自由度外骨骼式上肢康复机器人设计[D]. 张辉.东华大学 2014
[5]人体下肢康复机器人智能感知系统的研究与设计[D]. 吴燕杰.电子科技大学 2013
[6]外骨骼机器人信号辨识与控制[D]. 王宝成.上海交通大学 2013
[7]助力随动控制系统的设计与实现[D]. 张颖.电子科技大学 2012
[8]基于意图识别的康复机械臂的控制策略研究[D]. 霍卫光.华中科技大学 2012
[9]外骨骼下肢助力机器人技术研究[D]. 张志成.哈尔滨工业大学 2011
[10]基于模糊神经网络的上肢康复机器人智能控制[D]. 方政.东北大学 2010
本文编号：3319431
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
国内外典型外骨骼机器人系统
(a) WEAR 外骨骼 (b) XOS2 外骨骼 (c) HERCULE 外骨骼图 1.2 国内外典型外骨骼机器人系统在国内，可穿戴式外骨骼机器人系统研究起步相对较晚，但近年来也取得了诸多研究成哈尔滨工业大学杜志江教授学科组研制了五自由度上肢康复外骨骼，可以实现基于 Kinect 视捕捉的健肢-患肢双侧协调镜像训练[44]。上海交通大学殷跃红教授学科组提出了基于表面肌信号（sEMG）与人机交互力多源信号融合的下肢康复外骨骼系统[45]。华东理工大学曹恒教学科组研制了基于直驱式液压柔顺执行器与弹簧阻尼元件的负重型下肢动力外骨ELEBOT[46]。此外，浙江大学[47]、中国科学院自动化研究所[11]、北京航空航天大学[4]、华中技大学[48]、东南大学[49]等单位在外骨骼领域都进行了卓有成效的研究。然而，现有的外骨骼系统多由刚性机械结构组成，结构相对笨重、庞大，能耗高，尤其系统故障等突发情况下，自重过大的缺陷会对穿戴者的安全构成威胁。刚性外骨骼与人体穿戴连接后构成了空间多环封闭运动链，为了保证人机交互过程的协性与安全性，人机间对应关节的回转中心应保持重合。关节偏差会导致牵扯现象，限制外骨的有效工作空间，甚至造成肢体损伤。然而，人体关节多为复合回转关节（如肩、肘关节）
(a) ARMIN-II 外骨骼 (b) X-ARM 外骨骼 (c) NEUROExos 外骨骼图 1.3 刚性外骨骼借助辅助机构来保证人机运动协调针对前述刚性外骨骼存在的诸多缺陷，美国哈佛大学 Wyss 研究中心于近几年提出了软外骨骼的概念，利用人体的骨骼和关节来替代传统外骨骼刚性构件的作用，并结合柔性驱动置实现关节驱动，其具有柔顺、舒适、轻便、协调性好等特点。图 1.4(a)为 Wyss 研究中心制的基于 Festo 气动肌肉驱动的踝关节外骨骼。气动肌肉可以提供柔顺驱动力，但其缺点在伸长量有限，本征非线性强，难以实现精密的位置和力控制[54]。形状记忆合金材料也被尝试于设计膝关节软质外骨骼，其结构非常轻巧灵活，但驱动能力以及响应速度有限[55]。图 1.4(为采用电机-柔带驱动的髋关节外骨骼，但该系统仅能够实现单方向的助力效果[56]。美国 S公司推出了基于柔绳驱动的软质外骨骼服 SUPERflex[57]，并结合可控弹簧储能元件实现下肢能行走与康复训练，如图 1.4(c)。目前国内仍缺乏对软质外骨骼的深入研究。
【参考文献】：
期刊论文
[1]一种应用于功率放大液压驱动外骨骼的基于物理人机交互估计的控制策略（英文）[J]. Yi LONG,Zhi-jiang DU,Wei-dong WANG,Long HE,Xi-wang MAO,Wei DONG. Frontiers of Information Technology & Electronic Engineering. 2018(09)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[3]基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J]. 唐智川,张克俊,李超,孙守迁,黄琦,张三元. 计算机学报. 2017(06)
[4]基于卡尔曼预测的外骨骼摆动腿随动控制研究[J]. 曹志刚,叶晓东,王玉成,陈梁军,朱红生. 科学技术与工程. 2016(29)
[5]基于支持向量机的外骨骼机器人灵敏度放大控制[J]. 赵广宇,何龙,李新俊,许国强,李小奇. 计算机测量与控制. 2016(09)
[6]基于人体髋关节转动中心分析的髋关节外骨骼仿生设计（英文）[J]. Wei YANG,Can-jun YANG,Ting XU. Frontiers of Information Technology & Electronic Engineering. 2016(08)
[7]GA优化的RBF神经网络外骨骼灵敏度放大控制[J]. 龙亿,杜志江,王伟东. 哈尔滨工业大学学报. 2015(07)
[8]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[J]. 陈贵亮,李长鹏,赵月,刘更谦. 机械设计与制造. 2013(11)
[9]基于Matlab/xPC Target的实时仿真系统研究[J]. 王超,王仕成,刘志国. 控制工程. 2007(S2)
[10]基于BP网络的康复机器人的智能控制技术[J]. 吕广明,孙立宁,陆念力. 石油大学学报(自然科学版). 2005(05)
博士论文
[1]套索驱动重力平衡上肢康复外骨骼研究[D]. 吴青聪.东南大学 2016
[2]下肢外骨骼的动力学分析与运动规划[D]. 贾山.东南大学 2016
[3]基于sEMG信号的外骨骼式机器人上肢康复系统研究[D]. 李庆玲.哈尔滨工业大学 2009
[4]人机接触交互中人体肘关节运动意图与力矩估计[D]. 宋全军.中国科学技术大学 2007
硕士论文
[1]基于MEMS的姿态测量系统的研究[D]. 李悠扬.东南大学 2017
[2]助力型下肢外骨骼机器人多信号融合感知系统研究[D]. 杨金江.浙江大学 2017
[3]负重型下肢动力外骨骼机器人结构优化与仿真研究[D]. 方明周.华东理工大学 2015
[4]六自由度外骨骼式上肢康复机器人设计[D]. 张辉.东华大学 2014
[5]人体下肢康复机器人智能感知系统的研究与设计[D]. 吴燕杰.电子科技大学 2013
[6]外骨骼机器人信号辨识与控制[D]. 王宝成.上海交通大学 2013
[7]助力随动控制系统的设计与实现[D]. 张颖.电子科技大学 2012
[8]基于意图识别的康复机械臂的控制策略研究[D]. 霍卫光.华中科技大学 2012
[9]外骨骼下肢助力机器人技术研究[D]. 张志成.哈尔滨工业大学 2011
[10]基于模糊神经网络的上肢康复机器人智能控制[D]. 方政.东北大学 2010
本文编号：3319431
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3319431.html
