一、机器人鲁棒控制研究进展（论文文献综述）
梁定坤[1]（2021）在《气动人工肌肉驱动的机器人控制方法研究》文中进行了进一步梳理伴随着人工智能技术的日新月异,人们对机器人应具备的人机舒适度、自主化程度的需求与日俱增,由体型庞大、柔性不足的传统执行机构（如电机、液压、气缸等）所驱动机器人的发展逐渐陷入瓶颈,举步维艰。为了顺应新时代智能革命的浪潮,安全性更强、柔顺性更高的气动人工肌肉（pneumatic artificial muscle,简称PAM）,也称气动肌肉驱动器,日益成为智能交互柔性机器人的核心,能够以特殊材料机理复现自然生物肌肉的功能。由PAM驱动的机器人具有极高的机动性和惊人的功率密度,可以灵活地与人、环境密切接触,改善整体系统的顺应性和安全性,从而实现舒适友好的人机交互控制。然而,机器人在受益于PAM所带来的良好柔顺特性的同时,也受到PAM固有复杂特性的影响,如迟滞、非线性特性、低响应频率等,这些潜在的问题对后续精确建模和运动控制而言是不利的,将在很大程度上限制PAM的广泛应用。时至今日,面向PAM驱动机器人的运动学/动力学建模工作、位置定位/轨迹跟踪控制方法研究已经具备一定规模,但从实际应用上来看,仍然存在如下一些问题亟待解决与突破:1)现有文献并未讨论PAM驱动机器人的单向输入约束问题,“暴力”使用不连续的滑模控制律去抑制系统不确定性容易加剧抖振现象;2)实际工况下系统可能面临持续的未知干扰,而常见自抗扰方法中的扩张状态观测器微分操作频繁,且参数多、难整定,可能带来高增益、出现尖峰等问题;3)通过多根肌肉的拮抗作用驱动关节运动的做法可能存在打滑与摩擦,并且多数相关工作尚未引入弹簧等减振机制,很难消除残余振荡;再者,现有模型大多是关于转矩的方程,而转矩并非系统真实的控制输入;4)绝大多数现有方法并未限制系统超调,也较少讨论控制律的奇异性,可能存在安全隐患;5)实际执行机构的驱动能力有限,不应忽视饱和、死区等输入约束;此外,实际系统中的未知项通常难以满足线性参数化条件,使得常见自适应方法在处理上述问题时具有局限性,从而降低误差收敛速度。围绕上述挑战,出于理论与实际的双重考虑,针对PAM驱动机器人（包括PAM驱动二连杆机器人）的精准建模与高性能跟踪控制问题开展了深入研究,本文主要贡献列举如下:1)针对具有单向约束的PAM驱动机器人的连续自适应鲁棒控制方法。考虑到PAM驱动机器人存在的单向约束、系统参数不确定性等问题,提出一种连续鲁棒控制策略以及自适应更新律,可以同时补偿不确定性、抑制外部干扰、满足单向约束,实现对参考轨迹的精确定位与跟踪。相比于传统滑模控制方法,所提方法表达式连续,能够避免出现抖振问题。无须任何线性化操作,给出严格的Lyapunov稳定性分析过程,证明了闭环系统在平衡点的渐近稳定性。此外,选取现有的自适应控制方法作为对比,经一系列实际实验验证了所提方法具有良好的控制效果与较强的鲁棒性。2)基于扰动估计的PAM驱动机器人的非线性控制方法。在存在持续未知干扰的情形下,本文为PAM驱动的机器人设计了一种基于扰动估计的非线性控制策略,能够在线估计并实时抑制扰动,实现精确的轨迹跟踪。首先经由模型变换将系统不确定性、未建模动态、外部扰动等表示为集总扰动的形式,利用滑窗迭代积分与最小二乘算法对其进行精确估计。随后引入滑模控制律,进一步消除估计误差并确保系统渐近稳定。基于精确的估计结果可缓解滑模控制压力,大幅削弱抖振问题。此外,给出详细的稳定性分析过程,并对所提方法在持续输入干扰下的有效性及鲁棒性进行了实验验证。3)PAM驱动二连杆机器人的建模与运动控制方法。设计并搭建了一种新型的PAM驱动二连杆机器人,能够及时消除残余振荡,并详细介绍其软/硬件平台的配置。随后,为该机器人平台提出一种精确的动力学建模方法。通过对拉格朗日函数求解肌肉长度的偏导数,并引入PAM的三元素模型,建立了针对气压的动力学模型,相比现有转矩模型而言更加直接有效。4)基于能量的PAM驱动二连杆机器人的非线性控制方法。在所提动力学模型的基础上,提出了一种基于能量的非线性控制方法,能够在满足系统超调、特殊耦合项约束的同时,保证精确的定位/跟踪性能。基于系统能量分析,设计了一种新型储能函数,为构建Lyapunov候选函数奠定基础。利用所设计的辅助函数,确保系统超调与特殊耦合项始终限制在安全范围,能够提高安全性,减少能量损失。全部控制器设计与稳定性分析过程均在原始非线性模型上进行,无需线性化操作即可证明跟踪误差渐近收敛于零。本文为所提方法给出了相应的对比实验结果。5)考虑多输入约束（单向约束、饱和、死区等）的PAM驱动二连杆机器人的自适应模糊滑模控制方法。针对实际元件驱动能力有限的问题,提出一种无需精确模型结构和参数反馈的自适应模糊滑模控制方法,同时实现复杂扰动抑制与精确轨迹跟踪。所提方法不仅考虑了非线性输入约束、复杂扰动估计,还能确保跟踪误差的有限时间收敛性能。所构建的模糊更新律能够对输入约束、参数不确定性、未建模动态和外部干扰等进行实时估计,结合滑模控制方法可以进一步补偿逼近误差所带来的影响。此外,通过闭环系统稳定性分析,证明了误差的有限时间收敛性质。为验证所提方法的实际控制性能,本文提供了丰富的对比实验结果。
刘桐[2]（2021）在《康复步行训练机器人具有速度约束的鲁棒控制研究》文中进行了进一步梳理因高龄人口及下肢功能障碍患者逐年增多,仅靠药物帮助和手术治疗无法对患者进行全面的康复训练,所以康复步行训练机器人被国内外研究者广泛关注。康复机器人要求对医生的指定路径进行跟踪,帮助患者逐步恢复下肢功能。现有关于跟踪控制研究了许多算法,然而都忽略了不同患者康复训练时质量变化对机器人的影响,以及运动速度约束实现机器人安全运动的重要性。针对此问题,研究了康复步行训练机器人具有速度约束的鲁棒控制。主要工作包括:根据康复机器人结构特点,分析康复步行训练机器人运动学与动力学,考虑机器人位置与速度等运动特征,建立适用于康复者质量变化的运动学模型;考虑机器人的控制输入力、速度以及加速度,建立适用于康复者质量变化的动力学模型。考虑不同患者进行康复训练时质量会发生变化,提出一种非线性鲁棒控制算法。通过设计非线性鲁棒控制器来补偿系统时变的不确定部分,使系统具有良好的抗干扰能力。基于李雅普诺夫函数对系统进行稳定性证明,运用MATLAB进行对比仿真,分析仿真结果,验证所提出的鲁棒控制能提高系统的跟踪性能。进一步考虑机器人运动速度对康复者安全的影响,提出了一种鲁棒控制与预测控制相结合的算法,对康复步行训练机器人实际速度进行约束,根据预测控制得到系统最优控制增量,结合所设计的鲁棒控制器,确保即使速度被约束在指定范围,也能对路径精确跟踪。基于李雅普诺夫函数对系统进行稳定性证明,进行对比仿真,分析仿真结果,验证所提出的鲁棒预测控制可以限制康复机器人运行速度,并仍能对路径进行精确跟踪。
刘阳[3]（2021）在《水下高速机器人动力学建模与控制》文中研究表明常规水下机器人由于被流体全包裹,导致其所受到的流体阻力大,长期以来航行速度很难突破40 m/s。超空化减阻技术可以将水下机器人的航行阻力减小90%以上,航行速度可提升至100 m/s的量级,因此,采用超空化减阻技术的水下机器人具有重要的研究意义。超空化减阻技术是在机器人外表面包裹一层空泡,使其不与液体直接接触,从而大幅度减小流体阻力,但也会因为空泡的包裹丧失大部分浮力。因此,基于超空化减阻技术的水下高速机器人在获得高速度的同时,其动力学建模与控制系统设计相较于传统水下机器人也更加复杂。本论文依托于吉林省“十三五”科学技术研究规划项目《水下高速超空泡鱼雷时变动力学建模与控制技术研究》（批准号:JJKH20181139KJ）,对基于超空化减阻技术的水下高速机器人时变动力学模型和控制技术展开研究。本文主要工作和研究成果如下。对水下高速机器人的各主要部分进行详细的受力分析,在考虑空泡轴线偏移和尾翼效率的基础上,运用动力学定理建立了非线性时变动力学方程组。然后,根据纵向平面的运动特性,将所建立的非线性时变动力学方程组向纵向平面内简化,得到纵向平面非线性时变动力学模型。该动力学模型的动态特性仿真分析表明:开环水下高速机器人系统无法保持运动稳定性,需要为其设计合适的运动控制器。水下高速机器人由于存在模型参数不确定性和外部干扰等不确定因素,且以上不确定因素满足匹配条件,因此,使用滑模变结构控制理论为其设计了轨迹跟踪控制器。仿真结果表明:存在模型参数不确定性和外部干扰的水下高速机器人可以较好地跟踪预定轨迹,但是状态变量和控制变量出现了一定程度的抖振。针对滑模变结构控制器的抖振问题,设计了基于RBF神经网络的自适应滑模变结构控制器。利用RBF神经网络补偿模型参数的不确定性和外部干扰,并使用Lyapunov理论推导出了RBF神经网络的权值变化率,且证明了控制策略的稳定性。仿真结果表明:存在模型参数不确定性和外部干扰的水下高速机器人不仅可以很好地跟踪预定轨迹,而且状态变量和控制变量的抖振现象也大幅度减小。
邱志成[4]（2021）在《柔性机械臂的振动测量和控制研究进展综述》文中提出柔性机械臂通常具有柔性关节和/或连杆.在过去的40多年里,柔性机械臂的研究取得了长足的进展.本文综述了柔性机械臂在动力学建模方法、振动的传感器测量系统和控制算法研究方面的发展现状、研究热点和前沿进展.首先,简要说明了柔性机械臂的优缺点和复杂性,介绍了柔性关节机器人和柔性连杆机械臂的建模方法和技术;其次,综述了不同振动测量系统在柔性机器人中的应用和特点,并比较了不同测量方法在柔性机械臂振动测量应用中的优缺点;然后,重点评述了文献中提出的柔性机械臂振动控制方法和控制算法;并分析了并联柔性机器人自激振动及其控制的研究现状;最后,对未来研究工作的发展趋势,面临的问题和挑战进行了展望.
刘浩宇[5]（2021）在《Micro-hand系统的鲁棒跟踪控制研究》文中指出近年来,随着医疗技术的发展和老龄化社会的到来,软体机器人的研究越来越受到重视,特别是在微创外科、辅助康复系统等领域有着很不错的应用前景;在对仿人类手臂活动进行的研究中,软体执行器的研究也是机器人技术领域的重要课题之一。软体执行器通常由硅橡胶材料制成,这使其具有低的机械阻抗和对易碎物体的高适应性和高安全性,其中Micro-hand作为微型软执行器研究的主体,是一种可实现双向弯曲动作的柔性执行器。但软体材料和软体执行器本身固有的非线性给执行器的动力学建模和控制器设计带来了不小的挑战,所以此类研究具有非常重要的意义,而基于演算子理论的鲁棒右互质分解方法在处理非线性特性以及鲁棒稳定性等方面具有独到之处。因此,本文着重研究了:第一,本文以Micro-hand执行器（也称为微型软执行器）为研究对象,运用演算子理论对Micro-hand系统进行了数学建模,仅仅考虑输出（执行器弯曲角度）和输入（充气压力）之间的关系,而后针对既存文献中对执行器的橡胶半径恒定不变的缺点,结合运用递推最小二乘辨识算法对其进行了参数辨识,并进行了仿真验证。第二,能量转换存在于一切形式的非线性系统中。因此,本文基于无源性控制方法对Micro-hand系统进行了鲁棒控制研究,即综合运用无源性控制方法和鲁棒右互质分解方法设计了鲁棒无源性控制器,保证了系统的鲁棒稳定性和无源性。第三,不确定性存在于Micro-hand非线性系统中,而很多情形下要求执行器能实现精准抓取,因而不确定Micro-hand非线性系统的完美跟踪问题就必须要考虑。本文提出了两种鲁棒跟踪控制方法:一,基于内模的鲁棒跟踪控制方法,具体为基于内模控制原理,结合运用鲁棒右互质分解方法,设计了鲁棒控制器和跟踪补偿控制器,使系统能够保持稳定并且保证输出能够较好地跟踪期望输出;二,基于积分滑模的鲁棒跟踪控制方法,由于积分滑模控制本身具有的强鲁棒性,且引入的积分项能够较好地抑制稳态误差。因此,所设计出的积分滑模跟踪控制器能够更好地实现系统的跟踪性能。为了验证我们所提方法的有效性,本文针对所提出的跟踪控制方案进行了仿真结果的对比分析。仿真结果表明:系统在鲁棒无源控制器的作用下,鲁棒性和无源性都很好,但跟踪误差明显较大;运用基于内模的鲁棒跟踪控制方法,则大大减小了跟踪误差范围;而结合运用鲁棒右互质分解的积分滑模跟踪控制方法,其跟踪效果更好,因而积分滑模控制方法对于Micro-hand非线性系统有着更优越的跟踪性能,受误差波动的影响幅度更小。总的来说,所提出的两种跟踪鲁棒控制方法都可以完成跟踪控制。
倪利伟[6]（2020）在《基于串联式慢主动悬架的轮腿式车辆姿态控制研究》文中指出车辆在非结构地形行驶时,姿态会不可避免的发生变化,甚至会导致重心严重偏移、驱动力丧失、侧翻等问题。悬架系统作为车辆的重要组成部分,其性能好坏直接影响整车性能,主动悬架由于可以对车身姿态变化进行抑制,在改善乘坐舒适性以及车辆操控性方面具有较大优势。慢主动悬架作为主动悬架的一种,在性能上接近全带宽主动悬架,而且在成本与能耗方面更具优势,因此受到人们的关注。慢主动悬架经过几十年的研究取得了很多实质性的成果,但也存在一些问题。首先,目前的慢主动悬架主要指混联式的慢主动悬架,由于阻尼器行程的限制,其在处理由非结构地形引起的车身姿态控制方面存在一定的局限性,而串联式慢主动悬架则相对具有更大的伸缩行程,在进行大幅度姿态控制时存在一定优势。其次,针对串联式慢主动悬架的研究偏少,相关方面的运动学/动力学建模、模型降维、参数不确定性分析等需要做进一步的研究。最后,目前的慢主动悬架基本为面向轮式车辆设计,轮式车辆由于底盘结构的限制,导致其在非结构地形的姿态控制能力以及越障能力受限。基于上述的分析,本文提出了一款具有串联式慢主动悬架结构的新型四轮腿车辆（Four Wheel-Legged Vehicle,FWLV）,并以理论研究、模型搭建、算法优化、控制器设计为基础开展了如下研究。（1）实验样车的提出。针对主动悬架实验样车不易获取的问题,基于电动伺服作动器设计了一款具有自主知识产权的实验样车。首先描述了串联式慢主动悬架以及轮腿结构的设计理念,其次对作动器、整车姿态以及驱动系统的控制原理进行阐述,最后对整车结构强度进行校核,样车的搭建为后文的姿态控制实验提供了有力的平台。（2）串联式慢主动悬架的逆运动学控制。运动学控制虽然会忽略掉悬架系统的一些特性,但是其在处理由非结构地形引起的特种车辆（资源勘探车、月球车、火星车以及植保机械等）车身姿态变化方面具有一定的应用与优势。为了搭建整车逆运动学控制模型,首先将FWLV看作是由4条轮腿组成的并联机构,其次基于D-H坐标变换、齐次微分变换以及执行器模型推导出整车速度雅可比矩阵与逆运动学姿态控制模型,最后通过设计控制器围绕仿真与实验对所提模型与算法的有效性进行验证。（3）串联式慢主动悬架动力学模型搭建及参数不确定性分析。首先分析了搭建串联式慢主动悬架动力学模型以及系统状态方程时存在的难点,其次通过矩阵增广、模型等效以及引入二阶低通滤波器成功搭建了其11自由度动力学模型以及具有30个状态变量的系统状态方程,并通过提出的执行器模型、地形估计模型与LQR控制器对模型的有效性进行了初步验证,最后通过设计具有抗抖功能的滑模控制器对系统引入的参数不确定性进行时域与频域分析,仿真与实验结果的一致性验证了所提控制策略的有效性。（4）串联式慢主动悬架系统的模型降维。为了避免由于模型自由度高导致的控制器维数过高,以及由此引起的控制器过载问题,首先基于改进的天棚阻尼思想成功将串联式慢主动悬架的模型自由度由11个降为7个,系统状态变量也由30个降为14个,其次根据低自由度模型设计了低维控制器,最后将设计的低维控制器导入某款量产化的VCU,验证了所提降维思想与降维模型的可行性与有效性。
梁定坤,陈轶珩,孙宁,吴易鸣,刘连庆,方勇纯[7]（2021）在《气动人工肌肉驱动的机器人控制方法研究现状概述》文中研究表明随着机器人技术的飞速发展,传统执行器（如电机、液压驱动等）结构繁冗、体积庞大,越来越难以满足新一代智能机器人对轻质化与柔顺性的需求,具有更高柔顺性、更强安全性的气动人工肌肉日益受到广大学者的关注.气动人工肌肉结构简单、材料轻便、生物适应性好,在医疗康复、航空航天、水下作业、抢险救灾等领域均具有良好的适应性,可方便地用于驱动机器人完成多项复杂任务.然而,气动人工肌肉与生俱来的迟滞、高度非线性、蠕变等特性,为其驱动的柔性机器人精准智能控制带来了挑战.鉴于此,首先对气动人工肌肉的工作原理、优势缺陷、建模与应用现状等进行简要介绍;然后基于气动肌肉的主流模型,对近年来单、多气动人工肌肉驱动的机器人运动控制方法研究现状与最新进展进行重点阐述;最后根据当今研究现状与尚未解决的难题,简要分析气动人工肌肉驱动的机器人未来发展趋势.
张成[8]（2020）在《外扰及参数不确定机器人神经网络鲁棒控制研究》文中指出随着科技的进步,机器人广泛应用于人类生活的各个领域,其中机器人轨迹跟踪控制研究是机器人技术中非常重要的一个方面。在实际应用中,机器人系统会受到外界环境干扰以及存在模型参数不确定等问题。在应对机器人系统参数和外界扰动等不确定性方面鲁棒控制方法具有较强的优势,鲁棒项的选取在实际应用中具有一定的难度。较大的鲁棒项对系统的补偿过大将过多消耗系统的能量,较小的鲁棒项对系统的补偿不足则可能导致系统不稳定。本文主要工作如下:针对机器人系统中模型参数不确定以及系统存在外部干扰等问题,提出了一种基于RBF神经网络鲁棒控制策略。为得到准确的机器人动力学模型,利用RBF神经网络对模型不确定项进行辨识,通过鲁棒控制项来降低外部干扰和辨识误差的影响,保证系统的稳定性。由于鲁棒控制项中的结构参数选取困难,采用遗传算法进行离线优化得到最优值。为避免出现早熟收敛现象,在遗传算法选择策略中引入局部退化算子来增加群体的多样性。在上述研究的基础上,考虑系统状态误差在有限时间内收敛问题,提出了一种RBF神经网络滑模控制策略。为保证系统的瞬态和稳态性能,利用系统性能函数对跟踪误差进行变换,将性能函数的条件约束转化为等效的无条件约束。为减小滑模抖振以及加快系统的收敛速度,设计非奇异终端滑模面,调节滑模面的结构参数来减小轨迹运动点到达滑模面的时间。采用滑模干扰观测器来补偿系统的神经网络建模误差和外部干扰来增强系统的鲁棒性。最后,利用李雅普诺夫定理证明了系统的稳定性。仿真结果验证了本文所设计控制策略的合理性和有效性,对比仿真结果验证了所设计控制策略的有效性,通过倒立摆实验验证了所设计控制策略的实用性。
陈腾[9]（2020）在《基于力控的四足机器人高动态运动控制方法研究》文中进行了进一步梳理自然界中四足动物运动具有极强的灵活运动和复杂地形适应能力,如猎豹最快奔跑速度可以达到110km/h,羚羊可以跳跃6～7米的沟壑,岩羊可以在接近90度峭壁上站立。受此启发,仿生四足机器人的研究受到越来越多研究者的重视,国内外已研制出多款高动态四足仿生机器人,尤其是美国波士顿动力公司研制的BigDog、SpotMini等四足机器人,以其动态性能高、鲁棒性强等特点引领人们探索四足机器人的极大热情。本文立足于课题组研究的SCalf系列液压四足机器人和电动四足机器人,开展了四足机器人建模和运动控制相关的研究。按照从液压执行器建模到单腿柔顺控制再到四足机器人整体控制研究思路,针对机器人平台和运动性能要求提出了基于倒立摆模型的控制、基于最优足底力分配的控制和基于模型预测控制的三种不同四足机器人运动控制方法,主要包括如下内容:1.针对阀控非对称液压油缸,将多参数影响、非线性的输出力通过线性化建立近似模型,提出了前馈加反馈的输出力控制方法,实现了液压驱动关节的扭矩伺服。进而研究了基于位置阻抗和虚拟模型的机器人腿部主动柔顺控制方法,并通过单腿物理实验证明了主动柔顺控制可实现被动弹性元件的柔顺特性,显着减小了足触地瞬间的冲击力。2.针对位置控制带来的足地冲击力大、无法适应复杂地形的缺点,提出了基于简化倒立摆模型的Trot步态运动控制方法。将机器人躯干的姿态角融合到足端轨迹设计中,使得机器人对外力扰动和崎岖地形具有较好的适应性。使用基于虚拟模型的主动柔顺控制代替位置控制,提高了机器人足地交互的柔顺性。提出了调整支撑腿位置和躯干姿态的地形适应策略,提高了机器人在非平整地形的运动能力。通过SCalf-Ⅱ机器人的全向运动实验、侧向冲击实验、崎岖地形通过等实验验证了所提方法的有效性。3.提出了基于最优足底力分配算法的Trot和Flying Trot步态控制方法,提高了机器人动态响应速度。建立躯干质心处六维力和力矩与支撑腿的足底力映射,将躯干运动等效成一个弹簧阻尼模型来设计质心处的虚拟力和力矩,并将该虚拟力和力矩通过二次型优化（QP）算法分配到支撑腿上,实现了最优足底力分配下的Trot步态运动。在此基础上提出了躯干的周期跳跃运动轨迹规划方法,并通过将躯干运动映射成足端运动,结合简化倒立摆模型控制方法,分别在仿真平台和物理样机上实现了机器人的Flying Trot稳定运动。4.设计了基于MPC的四足机器人运动控制器,实现了四足机器人多步态运动控制。建立机器人躯干质心处的动力学方程,基于动力学方程和足端摩擦锥约束提出了针对四足机器人运动控制的MPC问题,并离散化为一个QP优化问题,通过开源库qpOASES求解得到最优支撑腿前馈力。由于躯干质心动力学建模中不依赖具体的支撑腿数量和相位状态,通过设计四条腿的支撑相位和摆动相位可实现机器人的多种步态。针对非崎岖地形,使用支撑腿位置计算地形伪俯仰角和伪横滚角的方法提高了地形适应性。在课题组预研的电动四足机器人仿真平台上实现了机器人的Trot、Flying Trot、Bound、Gallop、Walk等步态的高动态稳定运动,并通过上下20度斜坡和侧向冲击验证了算法的有效性和鲁棒性。
李锋[10]（2020）在《基于肢体协调运动的下肢康复机器人交互控制方法研究》文中指出伴随着老龄化时代到来,由中风、脊髓损伤、帕金森综合征等疾病造成的肢体残障人数迅速增长。其中,中风是导致人们下肢局部骨骼肌运动功能障碍的主要疾病。它是造成身体运动机能障碍的主要疾病,也是目前致残率最高的疾病之一,且每年持续增长、并呈年轻化趋势,严重地危害患者身体健康。肢体麻木、步伐不稳、偏瘫等是其最为常见的后遗症。因此,中风不仅给患者身体和心理上带来了严重伤害,还给患者家庭带来了巨大的经济负担。如何为中风患者提供必要的帮助已经成为我们必须面对的社会服务问题。下肢康复机器人辅助患肢进行康复训练是康复医疗发展的必然趋势,但目前人机交互控制方法研究相对薄弱,导致康复训练活动存在安全隐患,甚至造成二次损伤等问题。本文针对下肢康复机器人中存在的问题开展了深入研究,主要研究内容如下:（1）针对下肢康复机器人动力学建模问题,将其结构进行合理的抽象与简化,提出一个具有普适性的结构模型。在一个完整康复周期内,建立一类具有非线性、强耦合、不确定、时变等特性的动力学模型。动力学模型的建立为研究下肢康复机器人的鲁棒稳定性分析以及人机交互控制奠定基础。（2）针对下肢康复机器人的鲁棒稳定性问题,在实际工程应用中,强鲁棒性能够增强系统的抗干扰能力。当下肢康复机器人模型发生参数摄动或外部扰动的情况,设计鲁棒反馈控制器,因此,结合稳定性条件和迭代学习技术,设计不同的迭代学习控制器,实现下肢康复机器人多工况的康复训练活动。（3）针对时变广义逆矩阵求解问题,提出一种修正的归零神经网络模型,根据Lyapunov稳定性定理,分析该类网络的稳定性。另外,当网络受到噪声干扰时,提出了一类抗噪型动力系统,设计具有抗噪能力的归零神经网络模型,研究该类网络的渐近稳定性和指数稳定性。数值仿真结果表明,本文提出的归零神经网络模型求解时变广义逆矩阵是可行和有效的,为患者运动意图识别奠定理论基础和算法框架。（4）在康复训练过程中,为了给患肢创造一个安全、舒适、自然且具有主动柔顺的康复训练环境,人机交互控制方法不可或缺。利用数据采集系统提取患者的表面肌电信号（surface Electromyography,sEMG）并进行意图识别,形成“患者-机器人”人机交互系统的康复训练轨迹,设计基于迭代学习算法的人机交互控制器,避免患肢受到二次损伤。
二、机器人鲁棒控制研究进展（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、机器人鲁棒控制研究进展（论文提纲范文）
（1）气动人工肌肉驱动的机器人控制方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景与意义 |
| 第二节 气动人工肌肉的建模方法概述 |
| 第三节 单气动肌肉驱动的机器人国内外研究现状 |
| 第四节 多气动肌肉驱动的机器人国内外研究现状 |
| 1.4.1 传统控制方法 |
| 1.4.2 高级控制方法 |
| 1.4.3 智能控制方法 |
| 第五节 气动肌肉驱动的机器人研究现状分析 |
| 第六节 本文主要研究内容 |
| 第二章 针对具有单向约束的气动人工肌肉驱动机器人的连续自适应鲁棒控制 |
| 第一节 引言 |
| 第二节 问题描述与模型分析 |
| 第三节 连续自适应鲁棒控制器设计 |
| 第四节 稳定性证明与分析 |
| 第五节 实验结果及分析 |
| 2.5.1 气动人工肌肉驱动的机器人硬件实验平台 |
| 2.5.2 连续自适应鲁棒控制实验结果 |
| 第六节 本章小结 |
| 第三章 基于扰动估计的气动人工肌肉驱动机器人的非线性控制 |
| 第一节 引言 |
| 第二节 问题描述与模型分析 |
| 第三节 系统参数与未知扰动的在线估计 |
| 第四节 基于扰动估计的非线性控制器设计 |
| 第五节 稳定性证明及分析 |
| 第六节 实验结果与分析 |
| 第七节 本章小结 |
| 第四章 气动人工肌肉驱动二连杆机器人的平台搭建与模型建立 |
| 第一节 引言 |
| 第二节 气动人工肌肉驱动二连杆机器人平台设计 |
| 4.2.1 平台硬件系统设计 |
| 4.2.2 平台软件系统设计 |
| 第三节 气动人工肌肉驱动二连杆机器人的动力学建模 |
| 第四节 本章小结 |
| 第五章 基于能量的气动人工肌肉驱动二连杆机器人的非线性控制 |
| 第一节 引言 |
| 第二节 问题描述与模型分析 |
| 第三节 基于能量的非线性控制器设计 |
| 第四节 稳定性证明及分析 |
| 第五节 实验结果及分析 |
| 第六节 本章小结 |
| 第六章 考虑多输入约束的气动肌肉驱动二连杆机器人的自适应模糊滑模控制 |
| 第一节 引言 |
| 第二节 问题描述与模型分析 |
| 第三节 自适应模糊滑模控制器设计 |
| 第四节 稳定性证明及分析 |
| 第五节 实验结果及分析 |
| 第六节 本章小结 |
| 第七章 总结及展望 |
| 第一节 本文研究内容总结 |
| 第二节 未来工作展望 |
| 参考文献 |
| 个人简历及在学期间研究成果 |
（2）康复步行训练机器人具有速度约束的鲁棒控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 国内外康复机器人的研究发展现状 |
| 1.3 国内外康复机器人控制的研究发展现状 |
| 1.4 研究中存在的问题 |
| 1.5 论文主要研究内容 |
| 第2章 康复步行训练机器人数学建模 |
| 2.1 运动学模型的建立 |
| 2.2 动力学模型的建立 |
| 2.3 本章小结 |
| 第3章 适用于不同康复者的康复步行训练机器人的鲁棒控制 |
| 3.1 康复者质量变化的动力学分析 |
| 3.2 适用于康复者质量变化的非线性鲁棒控制器设计 |
| 3.2.1 鲁棒控制器的设计 |
| 3.2.2 稳定性证明 |
| 3.3 仿真结果分析 |
| 3.4 本章小结 |
| 第4章 具有速度约束的康复步行训练机器人的鲁棒控制 |
| 4.1 康复步行训练机器人预测模型的建立 |
| 4.2 速度约束 |
| 4.2.1 约束条件 |
| 4.2.2 目标函数的建立与求解 |
| 4.3 控制器的设计 |
| 4.3.1 鲁棒控制器的设计 |
| 4.3.2 稳定性证明 |
| 4.4 仿真结果分析 |
| 4.5 本章小结 |
| 第5章 结论 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（3）水下高速机器人动力学建模与控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第1章 绪论 |
| 1.1 课题研究背景、目的和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究目的和意义 |
| 1.2 国内外文献综述 |
| 1.2.1 超空化概念 |
| 1.2.2 水下高速机器人国内外发展动态 |
| 1.2.3 水下高速机器人流体动力学与建模研究进展 |
| 1.2.4 水下高速机器人控制研究进展 |
| 1.3 水下高速机器人需解决的问题 |
| 1.4 论文主要研究内容 |
| 第2章 水下高速机器人非线性时变动力学建模 |
| 2.1 常用坐标系及坐标变换 |
| 2.1.1 常用坐标系定义 |
| 2.1.2 运动参数设定 |
| 2.1.3 坐标系之间转换关系 |
| 2.2 空泡理论基础 |
| 2.2.1 空化数 |
| 2.2.2 空泡基本参数 |
| 2.3 空泡形态预测模型 |
| 2.3.1 Munzer-Reichardt模型 |
| 2.3.2 Logvinovich模型 |
| 2.3.3 空泡记忆效应 |
| 2.4 空泡轴线修正 |
| 2.4.1 空泡上漂效应 |
| 2.4.2 空化器转角导致空泡变形 |
| 2.5 流体动力分析 |
| 2.5.1 空化器流体动力 |
| 2.5.2 重力 |
| 2.5.3 尾翼流体动力 |
| 2.5.4 滑行力 |
| 2.5.5 摩擦阻力 |
| 2.5.6 推力 |
| 2.6 建立时变动力学方程 |
| 2.6.1 机器人质心平动动力学方程 |
| 2.6.2 机器人绕质心转动动力学方程 |
| 2.7 建立运动学方程 |
| 2.7.1 机器人质心运动轨迹 |
| 2.7.2 机器人姿态角和旋转角速度 |
| 2.8 本章小结 |
| 第3章 水下高速机器人纵向平面动态特性分析 |
| 3.1 水下高速机器人纵向平面受力 |
| 3.1.1 空化器纵向平面流体动力 |
| 3.1.2 尾翼纵向平面流体动力 |
| 3.1.3 重力纵向平面受力 |
| 3.1.4 尾翼效率 |
| 3.2 纵向平面非线性时变动力学建模 |
| 3.3 仿真分析 |
| 3.3.1 时变系统开环特性分析 |
| 3.3.2 时变系统耦合特性分析 |
| 3.3.3 时变系统闭环特性分析 |
| 3.4 本章小结 |
| 第4章 滑模变结构控制器设计 |
| 4.1 滑模变结构控制基本理论 |
| 4.1.1 基本原理 |
| 4.1.2 等效控制和切换控制 |
| 4.1.3 滑模变结构控制匹配条件及不变性 |
| 4.2 滑模变结构控制器设计 |
| 4.2.1 设计滑模切换面 |
| 4.2.2 设计滑动模态控制律 |
| 4.2.3 稳定性分析 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 RBF神经网络自适应滑模控制器设计 |
| 5.1 RBF神经网络基本理论 |
| 5.1.1 RBF神经网络结构 |
| 5.1.2 RBF神经网络参数学习更新算法 |
| 5.2 RBF神经网络自适应滑模控制器设计 |
| 5.2.1 问题描述与假设 |
| 5.2.2 自适应滑模控制器 |
| 5.2.3 RBF神经网络自适应滑模控制器设计 |
| 5.3 仿真分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录A 仿真模型及部分程序代码 |
| 攻读硕士期间取得的成果 |
| 致谢 |
（4）柔性机械臂的振动测量和控制研究进展综述（论文提纲范文）
| 0 引言 |
| 1 柔性臂建模 |
| 1.1 假设模态方法 |
| 1.2 有限元方法 |
| 1.3 柔性关节机器人建模 |
| 1.4 带有柔性关节的柔性连杆机器人建模 |
| 2 柔性机器人振动测量 |
| 2.1 应变测量方法 |
| 2.2 加速度传感器测量 |
| 2.3 PSD测量 |
| 2.4 激光位移传感器测量 |
| 2.5 视觉测量 |
| 3 平面柔性机器人振动控制策略 |
| 3.1 自适应前馈控制 |
| 3.2 输入整形控制 |
| 3.3 应变反馈和PD控制 |
| 3.4 正位反馈控制(PPF) |
| 3.5 加速度反馈控制 |
| 3.6 视觉反馈反馈控制 |
| 3.7 时延反馈控制 |
| 3.8 滑模变结构控制 |
| 3.9 鲁棒、 自适应控制 |
| 3.10 预测控制 |
| 3.11 智能控制 |
| 3.12 强化学习控制 |
| 3.13 柔性关节机器人控制 |
| 3.14 智能特征模型控制 |
| 3.15 轨迹优化控制 |
| 3.16 采用振荡器方法控制 |
| 3.17 气压驱动控制 |
| 4 平面并联柔性机器人振动控制 |
| 5 结论与展望 |
（5）Micro-hand系统的鲁棒跟踪控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 软体机器人研究现状 |
| 1.2.1 国外现状 |
| 1.2.2 国内现状 |
| 1.3 非线性系统的鲁棒控制 |
| 1.3.1 鲁棒控制的发展 |
| 1.3.2 鲁棒右互质分解 |
| 1.3.3 无源性控制 |
| 1.3.4 滑模控制 |
| 1.4 论文的主要内容及章节安排 |
| 2 演算子理论 |
| 2.1 预备知识 |
| 2.2 基于演算子理论的鲁棒右互质分解 |
| 2.2.1 右互质分解 |
| 2.2.2 鲁棒右互质分解 |
| 2.3 无源控制和同构 |
| 2.3.1 无源控制 |
| 2.3.2 基于同构的鲁棒右互质分解 |
| 2.4 本章小结 |
| 3 Micro-hand系统参数辨识 |
| 3.1 微型软执行器的结构 |
| 3.2 微型软执行器的数学模型 |
| 3.3 微型软执行器的实验装置 |
| 3.4 微型软执行器系统的参数辨识 |
| 3.4.1 系统辨识 |
| 3.4.2 递推最小二乘辨识算法 |
| 3.4.3 软执行器的模型参数辨识 |
| 3.4.4 仿真结果 |
| 3.5 本章小结 |
| 4 Micro-hand系统的鲁棒无源控制 |
| 4.1 基于同构的无源系统设计 |
| 4.2 鲁棒无源控制方案 |
| 4.3 仿真结果 |
| 4.4 本章小结 |
| 5 Micro-hand系统的跟踪控制 |
| 5.1 基于内模的鲁棒跟踪控制 |
| 5.1.1 鲁棒跟踪控制方案 |
| 5.1.2 仿真结果 |
| 5.2 积分滑模跟踪控制 |
| 5.2.1 积分滑模鲁棒跟踪控制方案 |
| 5.2.2 仿真结果 |
| 5.3 本章总结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）基于串联式慢主动悬架的轮腿式车辆姿态控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 主动悬架研究现状 |
| 1.2.1 悬架系统概述 |
| 1.2.2 慢主动悬架研究现状 |
| 1.3 主动悬架姿态控制研究概况 |
| 1.3.1 主动悬架姿态控制算法研究 |
| 1.3.2 其它典型姿态控制研究 |
| 1.4 课题的提出 |
| 1.5 本文主要研究内容 |
| 第2章 具有串联式慢主动悬架系统的轮腿样车提出 |
| 2.1 引言 |
| 2.2 具有串联式慢主动悬架系统的轮腿结构提出 |
| 2.3 具有串联式慢主动悬架结构的四轮腿车辆设计 |
| 2.4 整车CAN通讯设计 |
| 2.5 电动伺服作动器控制模型搭建 |
| 2.6 轮毂电机的驱动控制 |
| 2.7 结构强度校核 |
| 2.7.1 .静态受力分析 |
| 2.7.2 .动态受力分析 |
| 2.8 本章小结 |
| 第3章 串联式慢主动悬架逆运动学模型搭建及姿态控制研究 |
| 3.1 引言 |
| 3.2 速度逆运动学模型 |
| 3.3 基于速度逆运动学的姿态跟随控制 |
| 3.3.1 姿态跟随联合仿真 |
| 3.3.2 姿态跟随实验 |
| 3.3.3 姿态跟随结果分析 |
| 3.4 基于速度逆运动学的动态姿态控制 |
| 3.4.1 动态姿态控制联合仿真 |
| 3.4.1.1 非结构地形与仿真模型搭建 |
| 3.4.1.2 仿真结果分析 |
| 3.4.2 动态姿态控制实验 |
| 3.4.2.1 非结构地形搭建与控制器设计 |
| 3.4.2.2 实验结果分析 |
| 3.4.3 基于振动台的姿态控制频域分析 |
| 3.4.4 野外非结构地形姿态控制频域分析 |
| 3.5 本章小结 |
| 第4章 串联式慢主动悬架动力学模型搭建及姿态控制研究 |
| 4.1 引言 |
| 4.2 11自由度动力学模型搭建 |
| 4.3 LQR控制器设计与地形估计 |
| 4.4 动力学模型有效性初步验证 |
| 4.4.1 仿真分析 |
| 4.4.2 实验分析 |
| 4.5 本章小结 |
| 第5章 姿态控制的参数不确定性分析 |
| 5.1 引言 |
| 5.2 滑模控制器预备知识 |
| 5.2.1 滑模变结构基本思想 |
| 5.2.2 滑模面的设计 |
| 5.2.3 控制输入的设计 |
| 5.3 具有抗抖动功能的滑模变结构控制器提出 |
| 5.3.1 求取滑模面系数矩阵 |
| 5.3.2 确定等效速度控制输入 |
| 5.4 参数不确定性分析 |
| 5.4.1 联合仿真 |
| 5.4.2 实验分析 |
| 5.4.3 频响分析 |
| 5.5 本章小结 |
| 第6章 基于模型降维的姿态控制研究 |
| 6.1 引言 |
| 6.2 串联式慢主动悬架的模型降维 |
| 6.2.1 模型降维思想描述 |
| 6.2.2 基于天棚思想的模型降维 |
| 6.2.3 天棚-PID控制器设计 |
| 6.3 基于模型降维的控制器性能验证 |
| 6.3.1 全维模型与降维模型姿态控制结果对比 |
| 6.3.2 模型降维后的频响分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简介与攻读博士期间的主要研究成果 |
| 致谢 |
（7）气动人工肌肉驱动的机器人控制方法研究现状概述（论文提纲范文）
| 0 引言 |
| 1 单气动肌肉驱动的机器人运动控制 |
| 1.1 气动人工肌肉主流模型 |
| 1.2 传统控制方法 |
| 1.3 高级控制方法 |
| 1.4 智能控制方法 |
| 2 多气动肌肉驱动的机器人运动控制 |
| 2.1 传统控制方法 |
| 2.2 高级控制方法 |
| 2.3 智能控制方法 |
| 3 总结与展望 |
| 3.1 总结 |
| 3.2 展望 |
| 科研团队简介 |
（8）外扰及参数不确定机器人神经网络鲁棒控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 轨迹跟踪控制策略国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 轨迹跟踪控制需要解决的问题 |
| 1.4 本文主要研究内容及结构安排 |
| 第2章 机器人动力学模型及实验平台 |
| 2.1 引言 |
| 2.2 机器人动力学模型、参数及特性 |
| 2.2.1 机器人动力学模型 |
| 2.2.2 机器人动力学模型特性 |
| 2.3 实验测试平台 |
| 2.4 RBF神经网络模型辨识 |
| 2.4.1 RBF神经网络基础 |
| 2.4.2 RBF神经网络模型辨识设计 |
| 2.5 本章小结 |
| 第3章 基于模型分块逼近的机器人RBF神经网络鲁棒控制策略研究 |
| 3.1 引言 |
| 3.2 控制器设计 |
| 3.2.1 RBF神经网络鲁棒控制器设计 |
| 3.2.2 鲁棒控制项设计及参数优化 |
| 3.3 稳定性分析 |
| 3.4 仿真及实验验证 |
| 3.4.1 仿真结果及分析 |
| 3.4.2 实验结果及分析 |
| 3.5 本章小结 |
| 第4章 基于RBF神经网络机器人非奇异终端滑模控制策略研究 |
| 4.1 引言 |
| 4.2 滑模控制基础 |
| 4.3 RBF神经网络滑模控制器设计 |
| 4.3.1 前馈控制设计 |
| 4.3.2 终端滑模面设计 |
| 4.4 稳定性分析 |
| 4.5 仿真及实验验证 |
| 4.5.1 仿真结果及分析 |
| 4.5.2 实验结果及分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（9）基于力控的四足机器人高动态运动控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文专业名词对照表 |
| 第一章 绪论 |
| 1.1 论文选题背景及研究意义 |
| 1.2 四足机器人发展现状 |
| 1.2.1 国外四足机器人发展现状 |
| 1.2.2 国内四足机器人发展现状 |
| 1.3 四足机器人运动控制方法研究现状 |
| 1.4 论文主要研究内容及章节安排 |
| 第二章 液压单腿系统建模与控制 |
| 2.1 引言 |
| 2.2 单腿系统介绍 |
| 2.3 阀控液压缸建模 |
| 2.4 单腿运动学建模 |
| 2.5 单腿动力学建模 |
| 2.6 单腿运动控制 |
| 2.6.1 位置阻抗控制 |
| 2.6.2 基于虚拟模型的主动柔顺控制 |
| 2.7 单腿平台实验 |
| 2.7.1 关节扭矩伺服实验 |
| 2.7.2 基于虚拟模型单腿柔顺实验 |
| 2.7.3 基于虚拟模型的自由落地缓冲实验 |
| 2.8 本章小结 |
| 第三章 基于简化倒立摆模型的液压四足机器人运动控制 |
| 3.1 引言 |
| 3.2 躯干姿态稳定性分析 |
| 3.3 运动规划与控制 |
| 3.3.1 支撑相模型控制 |
| 3.3.2 摆动相模型控制 |
| 3.3.3 自转运动规划 |
| 3.3.4 基于虚拟模型的腿部运动控制 |
| 3.4 地形适应策略 |
| 3.5 仿真和平台实验 |
| 3.5.1 机器人平台简介 |
| 3.5.2 动力学仿真 |
| 3.5.3 物理样机实验 |
| 3.6 本章小结 |
| 第四章 四足机器人对角步态下实时足底力优化方法 |
| 4.1 引言 |
| 4.2 支撑相虚拟模型 |
| 4.3 支撑相最优力分配 |
| 4.4 摆动相模型控制 |
| 4.5 仿真实验 |
| 4.5.1 全向移动测试 |
| 4.5.2 鲁棒性测试 |
| 4.5.3 最优力分配验证 |
| 4.5.4 物理平台实验分析 |
| 4.6 本章小结 |
| 第五章 基于最优足底力分配的四足机器人腾空对角步态控制 |
| 5.1 引言 |
| 5.2 Flying Trot运动规划 |
| 5.2.1 躯干运动轨迹规划 |
| 5.2.2 腿部运动轨迹映射 |
| 5.2.3 基于插值算法的轨迹生成 |
| 5.3 Flying Trot控制器 |
| 5.3.1 足底力优化控制器 |
| 5.3.2 基于倒立摆的简化控制器 |
| 5.4 Flying Trot和Trot步态变换 |
| 5.5 仿真和实验结果 |
| 5.5.1 全向Flying Trot运动 |
| 5.5.2 鲁棒性测试 |
| 5.5.3 Flying Trot和Trot步态自动切换 |
| 5.5.4 基于倒立摆模型的Flying Trot实验 |
| 5.6 总结 |
| 第六章 基于模型预测控制的四足机器人运动方法研究 |
| 6.1 引言 |
| 6.2 简化机器人动力学建模 |
| 6.3 模型预测控制器设计 |
| 6.4 状态估计器设计 |
| 6.4.1 躯干位置速度估计 |
| 6.4.2 地形状态估计 |
| 6.5 腿部控制器设计 |
| 6.5.1 摆动相足端轨迹与控制 |
| 6.5.2 支撑相控制 |
| 6.6 步态规划与切换 |
| 6.7 仿真验证 |
| 6.7.1 多步态运动 |
| 6.7.2 鲁棒性测试 |
| 6.7.3 斜坡地形测试 |
| 6.8 总结 |
| 第七章 全文总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 附录A 动力学公式化简结果 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士期间获得的专利 |
| 攻读博士学位期间参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（10）基于肢体协调运动的下肢康复机器人交互控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题来源 |
| 1.2 研究目的和意义 |
| 1.3 下肢康复机器人研究现状及发展趋势 |
| 1.4 交互控制方法研究现状及发展趋势 |
| 1.5 本文的主要内容和技术路线 |
| 1.6 小结 |
| 第2章 下肢康复机器人动力学建模与分析 |
| 2.1 引言 |
| 2.2 下肢康复医学理论基础 |
| 2.3 人体下肢模型 |
| 2.4 动力学建模 |
| 2.5 小结 |
| 第3章 下肢康复机器人迭代学习控制器设计与分析 |
| 3.1 引言 |
| 3.2 AILC控制器构建与分析 |
| 3.2.1 控制器的设计 |
| 3.2.2 稳定性分析 |
| 3.3 RBFNN-ILC控制器构建与分析 |
| 3.3.1 控制器的设计 |
| 3.3.2 稳定性分析 |
| 3.4 仿真实验 |
| 3.4.1 AILC控制器的仿真实验 |
| 3.4.2 RBFNN-ILC控制器的仿真实验 |
| 3.5 小结 |
| 第4章 基于归零神经网络的时变矩阵广义逆在线求解算法 |
| 4.1 引言 |
| 4.2 归零神经网络综述 |
| 4.3 预备知识 |
| 4.3.1 问题描述 |
| 4.3.2 时变广义右逆矩阵的ZNN模型 |
| 4.3.3 时变广义右逆矩阵和MZNN模型 |
| 4.3.4 含有时变因子的MZNN模型 |
| 4.4 稳定性分析 |
| 4.4.1 全局收敛性和指数收敛性 |
| 4.4.2 MZNN模型稳定性分析 |
| 4.5 数值仿真结果 |
| 4.6 小结 |
| 第5章 下肢康复机器人人机交互控制 |
| 5.1 引言 |
| 5.2 基于SEMG估计的康复训练轨迹 |
| 5.2.1 sEMG信号采集 |
| 5.2.2 基于MZNN模型的意图识别 |
| 5.3 基于SEMG的迭代学习人机交互控制器 |
| 5.3.1 迭代学习控制器设计 |
| 5.3.2 稳定性分析 |
| 5.4 仿真实验 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究的创新点 |
| 6.3 研究的展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
四、机器人鲁棒控制研究进展（论文参考文献）
- [1]气动人工肌肉驱动的机器人控制方法研究[D]. 梁定坤. 南开大学, 2021(02)
- [2]康复步行训练机器人具有速度约束的鲁棒控制研究[D]. 刘桐. 沈阳工业大学, 2021
- [3]水下高速机器人动力学建模与控制[D]. 刘阳. 长春理工大学, 2021
- [4]柔性机械臂的振动测量和控制研究进展综述[J]. 邱志成. 信息与控制, 2021(02)
- [5]Micro-hand系统的鲁棒跟踪控制研究[D]. 刘浩宇. 青岛科技大学, 2021(01)
- [6]基于串联式慢主动悬架的轮腿式车辆姿态控制研究[D]. 倪利伟. 吉林大学, 2020
- [7]气动人工肌肉驱动的机器人控制方法研究现状概述[J]. 梁定坤,陈轶珩,孙宁,吴易鸣,刘连庆,方勇纯. 控制与决策, 2021(01)
- [8]外扰及参数不确定机器人神经网络鲁棒控制研究[D]. 张成. 燕山大学, 2020(01)
- [9]基于力控的四足机器人高动态运动控制方法研究[D]. 陈腾. 山东大学, 2020(02)
- [10]基于肢体协调运动的下肢康复机器人交互控制方法研究[D]. 李锋. 长春工业大学, 2020(01)