第 31 卷 第 7 期
Vol. 31 No. 7
控 制 与 决 策
Control and Decision
2016 年 7 月
Jul. 2016
非线性迭代学习算法在机器人上肢康复中的应用
文章编号: 1001-0920 (2016) 07-1325-05 DOI: 10.13195/j.kzyjc.2016.0101
朱雪枫, 王建辉, 方晓柯, 王晓峰
(东北大学 信息科学与工程学院，沈阳 110004)
摘 要: 针对上肢康复机器人轨迹跟踪控制中存在的患者痉挛扰动非线性及不确定性问题, 结合康复机器人系统
执行具有重复性的特点以及迭代学习算法特有的性质, 提出一种非线性迭代学习控制算法, 改进了机器人常用的线
性动力学控制系统, 使得在模型信息不精确以及只有角度信息可测的情况下, 也能获得良好的轨迹跟踪性能; 应用
Lyapunov 稳定性理论和 LaSalle 不变性原理证明了闭环系统的全局渐近稳定性. 仿真结果表明, 所提出的非线性迭代
学习控制具有良好的控制性能.
关键词: 康复机器人；非线性；轨迹跟踪；迭代学习控制
中图分类号: TP273 文献标志码: A
Nonlinear iterative learning algorithm and its application in upper limb
rehabilitation
ZHU Xue-feng, WANG Jian-hui, FANG Xiao-ke, WANG Xiao-feng
(College of Information Science and Engineering，Northeastern University，Shenyang 110004，China．Correspondent:
ZHU Xue-feng，E-mail：zxf627@sina.com)
Abstract: For the nonlinear and uncertainty problems in the upper limb rehabilitation robot trajectory tracking control,
combining the characteristic of repetitive execution of the rehabilitation robot system and the properties of iterative learning
control, a nonlinear iterative learning control algorithm is proposed. This algorithm improves the commonly used linear robot
dynamics control, so that the good control quality is obtained under the condition that the model information is not accurate
and only the position feedback can be measured. The Lyapunov stability theory and LaSalle invariance principle are applied
to prove the global asymptotic stability of the closed-loop system. The simulation results show that the proposed nonlinear
iterative learning control has good control performance.
Keywords: rehabilitation robot；nonlinear；trajectory tracking；iterative learning control
0 引引引 言言言
康复机器人技术是近年来发展起来的一种新的
运动神经康复治疗技术, 将机器人技术与康复医学结
合, 用机器人代替理疗师来辅助偏瘫患者进行康复训
练已成为国内外相关领域的研究热点
[1-2]
. 本文研究
的是一种外骨骼穿戴式上肢康复机器人, 其上肢关节
与人的关节相似, 可以模拟健康手臂的运动规律, 令
患者的患肢跟随健肢进行运动, 从而带动患者进行康
复训练, 使上肢有运动障碍的病人得到恢复. 由于康
复训练过程中存在患者痉挛、震颤和惯量变化等干
扰, 康复机器人是一个具有模型不确定性的非线性动
力学系统, 其轨迹跟踪控制问题一直是机器人学与自
动化领域的研究重点之一.
迭代学习控制 (ILC) 算法是一种能够精确跟踪
周期性参考输入和抑制周期性扰动的控制方案, 具
有易于实现且不需要精确系统动力学模型的优点,
近年来受到越来越多学者的关注. 迭代学习方法是
一种仿效人类的学习行为而提取的一种算法, 采用
的是一种 “在重复中学习” 的策略
[3]
, 它以系统的实
际输出与期望输出的偏差修正不理想的控制信号,
产生新的控制信号, 使得系统的跟踪性能精度得以
提高, 如此迭代若干次后, 系统的输出就会逼近理想
的期望轨迹. 自从 Arimoto 等
[4]
提出了 D 型学习算法
之后, 许多学者提出了形式多样的迭代学习控制律,
如 PI 型
[5]
、PID 型
[6]
及高阶学习控制律等, 并在一定
的前提下, 给出了迭代学习控制的收敛性条件. 随后,
收稿日期: 2016-01-23；修回日期: 2016-04-21.
基金项目: 国家自然科学基金项目(61102124)；国家自然科学基金青年基金项目(61503070) ；辽宁省博士基金启动项
目(201501142).
作者简介: 朱雪枫(1987−), 女, 博士生, 从事机器人建模与智能控制算法的研究；王建辉(1957−), 女, 教授, 博士生导
师, 从事复杂控制系统的建模与控制、网络环境下先进控制技术及其应用等研究.
资源评论
