成果介紹
近年來，幫助步行障礙患者康復訓練的機器人得到了廣泛發展，通常步行訓練機器人需要跟蹤醫生指定的訓練軌跡，為了提高跟蹤精度，研究者們提出了多種控制方法。然而，目前這些結果大多是在假設康復者和機器人之間不產生相互作用力的理想情況下得到的，在實際應用中具有很大局限性。
事實上，康復機器人在輔助患者訓練過程中會產生多種相互作用力，如前臂對扶板的壓力、扶把手的力、主動邁步的推力等，如圖1。這些力會嚴重影響機器人的跟蹤性能，甚至會產生較大的跟蹤誤差，導致機器人碰撞室內物體而威脅康復者的安全。近幾年，關于人機接觸?(Human-robot interaction)問題的研究受到了學者們關注，目前主要有三種處理方式：(1)人機接觸控制(Human-robot interaction control)，僅僅限制機器人的關節、運動速度和運動空間，忽略了康復者對機器人運動的影響，無法實現人機協調；(2) 人機阻抗控制(Human-robot impedance control)，該方法難以在運動空間中獲得滿意的阻抗；(3) 肌電信號方法(Electomyography, 簡稱EMG)，通過傳感器測量人體EMG，但不易確定肌肉力量和EMG之間的關系。由此可見，對人機接觸問題的研究還沒有得到統一的方法，依然具有挑戰性。
此外，在康復訓練過程中，由于機械故障、外界干擾等不可預見因素會使機器人運動速度和軌跡發生突變，為了保證人機系統的安全，同時限制機器人各運動軸的速度跟蹤誤差和軌跡跟蹤誤差不容忽視。常規飽和函數法、有界Lyapunov函數法和主動限制速度法，由于無法同時約束多個變量，因此不能將各運動軸軌跡跟蹤誤差和速度跟蹤誤差限制在指定范圍內。
鑒于以上分析，針對一種康復步行訓練機器人(Omnidirectional Rehabilitative Training Walker, 簡稱ODW) 提出了人機作用力觀測和各運動軸最優軌跡跟蹤預測控制方法，專有技術和應用領域包括：
(1) 根據人機作用力對ODW運動位置的影響，利用自有技術設計了一種新穎的觀測器，獲得了人機相互作用力。
(2) 利用自有技術，提出了一種非線性控制器設計方法，抑制了人機作用力對跟蹤性能的影響，并利用機器人冗余結構特性，得到了各運動軸系統模型；進一步結合預測控制，同時約束了速度跟蹤誤差和軌跡跟蹤誤差，首次實現了各運動軸最優軌跡跟蹤，如圖2。
(3) 本成果適用各類人機接觸的輪式康復機器人、輪式服務機器人。
