(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210557091.3 (22)申请日 2022.05.19 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市屯溪路193号 (72)发明人 唐昊　韩帅　王舒润　王彬　 (74)专利代理 机构 合肥晨创知识产权代理事务 所(普通合伙) 34162 专利代理师 康培培 (51)Int.Cl. B25J 9/00(2006.01) B25J 9/16(2006.01) (54)发明名称 一种基于RBF网络的上肢外骨骼机器人运动 控制方法 (57)摘要 本发明属于机械控制技术领域， 更具体地， 涉及一种基于RBF神经网络的上肢外骨骼机器人 运动控制方法。 该方法包括如下步骤： S1， 构建上 肢外骨骼机器人的机械结构； S2， 获取机器人各 关节的期望角度变化和各关节的期望角速度变 化； S3， 将步骤S2的数据输入到PI控制器中， 输 出 各关节实际的角度变化 以及驱动各关节运动的 力矩大小。 本发明将多个RBF神经网络应用于控 制器的设计使得在解决具有不确定模型的控制 问题时可以提高神经网络对上肢外骨骼动力学 模型不确定项的逼近速度与精度， 降低轨迹跟踪 的稳态误差， 上肢外骨骼机器人的运动控制性能 得到有效的提升和优化。 权利要求书2页 说明书6页 附图4页 CN 114750137 A 2022.07.15 CN 114750137 A 1.一种基于RBF网络的上肢外骨骼机器人运动控制方法， 其特 征在于， 包括如下步骤： S1， 构建上肢外骨骼机器人的机 械结构； S2， 获取机器人 各关节的期望角度变化和各关节的期望角速度变化； S3， 将步骤S2的数据输入到PI控制器中， 输出各关节实际的角度变化以及驱动各关节 运动的力矩大小。 2.如权利要求1所述的基于RBF网络的上肢外骨骼机器人运动控制方法， 其特征在于， 所述步骤S1中上肢外骨骼机器人是由左右两个机械手臂和背部基座组成， 每个机械手臂包 括三个旋转关节， 且两个机械手臂结构相同， 左右对称； 其中在肩部靠近背部基座的1号关 节为被动关节， 该关节没有电机驱动， 2号关节和3号关节为主动关节。 3.如权利要求1所述的基于RBF网络的上肢外骨骼机器人运动控制方法， 其特征在于， 所述步骤S3中PI控制器的设计包括如下步骤： S3.1， 构建上肢外骨骼机器人动力学模型； S3.2， 利用RBF网络对上肢外骨骼机器人动力学模型进行改进； S3.3， 根据改进的动力学模型， 设计上肢外骨骼机器人的运动控制器。 4.如权利要求3所述的基于RBF网络的上肢外骨骼机器人运动控制方法， 其特征在于， 所述步骤S3.1构建上肢外骨骼机器人动力学模型为： 利用拉格朗日动力学 方法建立的上肢外骨骼机器人的动力学 方程为： 式中， D(q)为上肢外骨骼机器人的正定惯性矩阵， 为离心力和哥氏力矩阵， G(q) 为重力矩阵， q为上肢外骨骼机器人关节运动时的角度矩阵， 为角速度矩阵， 为角加速度 矩阵， τ 为作用在机器人关节的驱动力矩阵。 5.如权利要求4所述的基于RBF网络的上肢外骨骼机器人运动控制方法， 其特征在于， 所述步骤S3.2包括： 输入层x(t)为神经网络在t时刻的输入变量； 隐含层由非线性激励函数hj(t)构成： 式中， j为隐含层的节点， m为隐含层的节点数， cj为神经网络的中心向量， bj为高斯基函 数的基带宽度； 输出层yj(t)表示为： 式中， n为输出节点的个数， wji表示输出层的连接 权值； 利用三个RBF网络分别实现对D(q )、 和G(q)的逼近， 三个网络的输出分别为DNN (q)、 GNN(q)： 权　利　要　求　书 1/2 页 2 CN 114750137 A 2式中， ED、 EC和EG分别为神经网络对D(q)、 和G(q)的建模误差， WD、 WC和WG为神经网 络建模的权值， ΞD(q)、 ΞC(z)和 ΞG(q)为隐含层高斯 函数的输出， 定义e(t)＝qd(t)‑q(t)、 e(t)为角度跟踪误差， qd(t)为机器人关节的期望角度， q(t)为实际角度， Λ>0， 代入初始建立的动力学模型(1)， 得到改进的动力学模型为： 6.如权利要求5所述的基于RBF网络的上肢外骨骼机器人运动控制方法， 其特征在于， 所述步骤S3.3中控制器的设计如下： 基于模型估计的控制器设计为： 式中， 分别为神经网络建模项DNN(q)、 GNN(q)的 估计， 分别为WD、 WC、 WG的估计权值； 为了克服神经网络逼近误差所 添加的鲁棒项为： τr＝Krsgn(r)   (8) 式中， Kr为大于0的常数， sgn(r)为符号 函数； 利用PI控制设计的总控制器为： 式中， Kp为PI控制中的比例系数， Ki为PI控制中的积分系数； 为实现神经网络的自适应逼近， 将三个网络的权值自适应律分别设计为： 式中， ΓD， ΓC， ΓG为权值更新 步长矩阵， 均为对称正定矩阵。权　利　要　求　书 2/2 页 3 CN 114750137 A 3