买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学;广东天物新材料科技有限公司

摘要：本发明公开了一种人机在环调试的踝关节外骨骼PD控制器参数整定方法，可用于在不同的穿戴者和行走工况的条件下整定踝关节外骨骼的PD控制器参数使控制效果达到最优，整定过程通过人机在环的在线调节，无须特定测试环境或设备的介入。该方法过程如下：通过穿戴者在步行工况的踝关节外骨骼实际运行过程中采集PD控制器的比例系数Kp和微分系数Kd参数组合，以及对应的辅助力控制误差，导入高斯回归算法中进行曲面拟合，得到曲面的最低点即预测的控制误差最小的Kp和Kd参数，再反导入到外骨骼PD控制器中更新参数，重复人机在环的参数迭代过程，最终Kp和Kd参数收敛时即代表PD控制器参数整定至针对当前穿戴者及步行工况的最优。

主权项：1.一种人机在环调试的踝关节外骨骼PD控制器参数整定方法，其特征在于，所述参数整定方法包括如下步骤：步骤S1、选取初始PD控制器参数，通过记录外骨骼在当前PD控制器参数下的辅助力控制误差，建立外骨骼PD控制器参数整定的初始样本集；步骤S2、将初始样本集在内的现有样本集作为训练数据，导入高斯回归算法中进行训练，重复求解最优样本点直至满足收敛条件，确定最优比例系数Kp和微分系数Kd取值作为踝关节外骨骼PD控制器的参数整定结果；其中，所述步骤S1过程如下：S11、规定PD控制器的比例系数Kp和微分系数Kd的初始定义域分别为[0,p0]及[0,d0]，在[0,p0]及[0,d0]中分别以a0和b0的步长采样，作为初始样本集，得到初始样本点点阵{X＝[Kp,Kd],Kp∈{0,a0,2a0,…,p0},Kd∈{0,b0,2b0,…,d0}}，在初始样本点点阵中做机械抽样，确定N个均匀分布的初始样本点Xn,n＝1,2,…,N；S12、在上述机械抽样的N个初始样本点中取一个未选取过的初始样本点，设置为当前踝关节外骨骼PD控制器的参数，规定穿戴者在当前工况中进行步行运动，完成完整的M个步态周期，并记录过程中的控制误差em,m＝1,2,…,M；S13、对已记录的控制误差在每个步态周期内作均匀的样条插值，得到M个具有100个元素的控制误差序列{em,i,m＝1,2,…,M|i＝1,2,…,100}，其中em,i表示控制误差第m个步态周期的第i个元素；S14、对每个步态周期的控制误差序列计算评估指数Em，Em表示第m个步态周期的评估指数，计算方式如下： 其中Fi为控制误差发生时对应的目标踝关节辅助力矩大小，计算得到M个评估指数Em,m＝1,2,…,M，然后对M个评估指数求平均得到平均评估指数S15、重复步骤S12至步骤S14，直至N个初始样本点均被选取，最终得到初始样本点Xn对应的平均评估指数其中表示第n个初始样本点的平均评估指数其中，所述步骤S2过程如下：S21、将包括初始样本点在内的现有全部样本点导入高斯回归算法进行训练，其中将当前PD控制器的参数Xn＝[Kp,Kd]作为自变量，将平均评估指数作为因变量，并基于最大似然法，使用牛顿法或共轭梯度法非线性数值优化算法来寻优高斯回归算法的超参数，使之最匹配现有样本集的真值分布和噪声分布，然后回归得到自变量与因变量的拟合曲面；S22、在经训练好的高斯回归算法得到的拟合曲面上逐一检索点阵上每一点的预测因变量，得到预测因变量最小值所处的当前最优样本点xopt＝[Kpopt,Kdopt]，其中Kpopt和Kdopt分别为PD控制器的比例系数Kp和微分系数Kd的当前最优参数取值；S23、将该当前最优参数取值Kpopt和Kdopt作为新的比例系数Kp和微分系数Kd设置为当前踝关节外骨骼PD控制器的参数，规定穿戴者在当前工况中进行步行运动，完成完整的M个步态周期，并记录过程中的控制误差em,m＝1,2,…,M；S24、重复步骤S13到S14，得到的平均评估指数为当前最优样本点xopt的平均评估指数；S25、将当前最优样本点xopt＝[kpopt,kdopt]记录为新的样本点，与初始样本点共同组成为现有样本集，若现有样本集中已有的任意一样本点与新的样本点的欧式距离小于一定阈值，则选择该点和新的样本点两者之间平均评估指数最小者为最优，平均评估指数最小者的比例系数Kp和微分系数Kd取值作为踝关节外骨骼PD控制器的参数整定结果。

全文数据：

权利要求：

百度查询： 华南理工大学 广东天物新材料科技有限公司 一种人机在环调试的踝关节外骨骼PD控制器参数整定方法