基于模糊RBF神经网络的康复机器人控制  

Control of Rehabilitation Robot Based on Fuzzy RBF Neural Network

作　　者：穆海芳[1] 郭凯[1,2] 胡波 Mu Haifang;Guo Kai;Hu Bo(School of Mechanical and Electronic Engineering,Suzhou University,Suzhou,Anhui 234000,China;Anhui Provincial Engineering Laboratory on Information Fusion and Control of Intelligent Robot,Wuhu,Anhui 241002,China)

机构地区：[1]宿州学院机械与电子工程学院,安徽宿州234000 [2]安徽省智能机器人信息融合与控制工程实验室,安徽芜湖241002

出　　处：《黑龙江工业学院学报（综合版）》2022年第1期75-79,共5页Journal of Heilongjiang University of Technology(Comprehensive Edition)

基　　金：宿州学院科研平台项目“康复机器人上肢运动控制策略研究”(项目编号:2020ykf10);宿州学院科研平台项目“超高精度微弱直流电压信号测量系统研究与设计”(项目编号:2019ykf09);宿州学院质量工程项目“计算机控制技术”(项目编号:szxy2021zckc18);安徽省智能机器人信息融合与控制工程实验室开放课题“sEMG多源信号融合的外骨骼康复机器人柔顺控制策略研究”(项目编号:IFCIR2020005)。

摘　　要：针对电力驱动康复机器人控制系统响应滞后、易抖动等问题,提出了基于模糊理论和RBF神经网络的控制策略。采用模糊PID算法确定初始参数,同时利用RBF神经网络的快速学习能力解决了传统的PID控制器无法实现参数自适应调整的问题。以某二两杆康复机器人上肢做位置跟踪仿真实验,结果表明,与传统的控制方法比较,该方法控制的系统响应快、超调量小,具有更好的跟踪性。Focus on the problems of response lag and jitter of electric drive rehabilitation robot control system,a control strategy based on fuzzy theory and RBF neural network is proposed.This paper adopts fuzzy-PID Algorithm to determine initial parameters,using fast learning ability of RBF Neural Network to solve the problem that traditional PID controller can't adjust parameters adaptively.Taking a upper limb of two-bar rehabilitation robot for position tracking simulation experiment,which shows that the system controlled by this method has faster response,less overshoot,better traceability,compared with traditional impedance control methods.

关 键 词：康复机器人 模糊PID RBF神经网络 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]