重复环境中柔性康复机器人迭代互学习优化控制研究

Robot-assisted rehabilitation exercise is often repeated, while the "repetitive" feature has not obtained sufficient attention in nowadays rehabilitation robot control studies. Taking into account the repetitive characteristics of robot-assisted rehabilitation and utilizing a soft robot that is redundantly driven by pneumatic muscles as the controlled object, the key point of this project is to investigate the robotic dynamic compliance model, the iterative learning control (ILC) method enabling "learning from repetitions", and the ILC-based mutual learning optimization control strategy. By exploring the relationship between pneumatic muscle’s stiffness and its end-effector’s interactive behavior, the soft robot’s dynamic hierarchical compliance model and its adjustment mechanism will be revealed; We will then propose an iterative learning control method based on feedback tuning for the soft rehabilitation robot with different compliance to discover the optimal parameters under changing conditions. On this basis, through the mutual learning between patient’s recovery process and robot’s output amount during repeated exercise, the robot training strategy, hierarchical compliance level, and assistance output will be gradually adjusted, accordingly an ILC-based patient-robot mutual learning inspired intelligent assistant-as-needed control strategy will be proposed. Finally, the proposed learning control methods will be evaluated and verified by participants’ experiments. Through this project we hope to open a new effective way for the intelligence development of human-robot rehab systems from the perspective of repetitive learning.

机器人辅助患者康复训练多是重复进行的，而“重复性”在当前康复机器人控制中尚未得到足够的重视。本项目针对康复机器人多执行周期性重复任务的特点，面向气动肌肉并联冗余驱动的柔性康复机器人，重点研究其动态柔顺模型和在“重复中学习”的迭代学习控制及基于此的互学习优化智能控制方法。依据气动肌肉驱动刚度特性与其驱动的机器人末端柔顺之间的关系，揭示柔性康复机器人的动态柔顺模型和层级柔顺调节机理；然后在重复控制环境中研究基于反馈的机器人迭代学习控制方法，利用迭代学习整定机器人在不同柔顺条件下的最优控制参数；在此基础上，通过重复训练中患者康复进程和机器人辅助量的互学习，渐进调节机器人的训练策略、柔顺水平及辅助输出，基于迭代学习方法提出一种人机互学习优化的智能按需辅助控制策略；最后通过受试者试验验证并优化提出的迭代学习控制方法。通过该研究可望从重复互学习的角度为康复机器人的人机共融智能化发展开辟新的有效途径。

随着老龄化社会的到来和各类脑卒中、中风偏瘫、肢体残疾等运动障碍患者数量的增多，我国康复装备供应和临床康复资源的需求巨大。准确、及时的重复康复训练能够促进患者各个关节肌群的协调运动。气动肌肉能以接近人体肌肉的方式运动，其驱动的康复装置可为患者提供安全、柔性的辅助，本项目针对康复机器人多执行周期性重复任务的特点，面向气动肌肉并联冗余驱动的柔性康复机器人，重点研究其动态柔顺模型和在“重复中学习”的迭代学习控制及基于此的互学习优化智能控制方法。1）针对气动肌肉驱动康复机器人的内在柔顺性特点，建立了气动肌肉驱动刚度和机器人本体柔顺性之间的动态关系模型，研究了关节空间变刚度和任务空间变阻抗的层级柔顺调节机理；2）针对柔性机器人在动态柔顺条件下模型变化的问题，研究了基于反馈整定的机器人迭代学习控制方法，在重复训练环境中实现了基于迭代学习的机器人优化控制；3）为适应患者在重复训练过程中的能力变化，提出了一种患者状态和运动能力的评估指标，研究患者能力与机器人辅助量互学习的优化控制方法，结合训练任务和层级柔顺的渐进调节实现按需辅助。最终形成了面向柔性康复机器人的迭代互学习优化智能控制策略，为康复机器人的人机交互共融和智能化升级提供可行的解决方案。通过本项目的研究所取得的成果包括：出版英文学术专著1部；发表学术论文22篇，其中SCI收录论文10篇、EI收录论文12篇；申请/授权发明专利7项、实用新型专利2项。依托本项目的支持，项目组与英国利兹大学开展了稳定深入的学术交流与合作，共同举办了老龄化应对、先进生机电一体化等国际会议和研讨会，参加IEEE IROS、AIM等国际学术会议并作口头报告10余次，完成了15位博士、硕士研究生的培养，1位青年教师入选2019年湖北省青年科技晨光计划。通过本项目的实施，促进机器人与患者之间的互学习优化，为康复机器人辅助训练提供先进智能、迭代优化的新型控制方法。