重载携行系统中基于人机行为交互的主从任务协同控制方法研究

Human-machine overload-carrying portable system(HMOCPS) is a wearable strength-enlargement bionic exoskeleton power system.It can be used in high and upland area task to improve the soldier's power of overload-carrying. Also, it can be used in safeguard for military equip of logistic system to improve the capability of transporting martial material to front line. It is impossibly for protable device to following the gait law of individual complicated motion. Aim at the solution of this key problem, this topic integrates human behavior theory, i.e. pose-motion-action-style(PMAS) with machine-learning decision theory to identify individual operation mode and gait phase in intensive human-machine coupling condition. Therefore, it is revealed for the mechanism of human-machine interactive behavior. At the same time, a cooperative control strategy is presented to aim at the human-machine active-passive task. This strategy as well as its experimental validatation can be carry out using the cooperating conrol method of human-machine impedance sanction with the control method of hydraulic power-aid. The mechanism of cooperative task in overload-carrying condition is illustrated, which has 2 meanings: "the dominant motion of human is primary, the followed motion of power-aid exoskeleton is secondary" and "the dominant motion of exoskeleton is primary, the self-regulation of human to adapt the motion of exoskeleton is secondary". This topic can establish the foundation for practical production of HMOCPS.

人机重载携行系统，是一种基于可穿戴式力量增强型仿生外骨骼动力系统，主要应用于士兵高原山地作业和部队装备后勤保障，提高士兵携行负荷以及部队作战物资的前线运送能力。为了解决携行装置难以跟随人体复杂步态运动规律的瓶颈问题，本项目结合人体PMAS（位姿、运动、动作、风格）行为理论与机器学习决策理论，对高度人机耦合携行条件下动作模式及其步态相位识别方法进行研究，以揭示人机重载携行系统中的人机行为交互机理。同时提出一种人机主从任务协同控制策略，采用人机阻抗约束力和液压助力的协同控制方法实现并进行试验论证，阐明在重载携行过程中"人主导外骨骼运动，外骨骼助力随动"和"外骨骼主导人运动，人自身调整以适应外骨骼"的任务协同机制，为人机重载携行系统的实用化奠定基础。

与传统机器人控制不同，外骨骼是一种以人为控制主体，机器为助力载体，高度人机耦合的复杂力随动系统。研究人机耦合技术能够提高士兵负荷作业的机动性和外骨骼对不同运动风格人群的适用性，有望推动我国士兵智能化运输装备的升级，增强高原行军负荷能力以及特种作战和抗险救援时前线的物资运送能力。本基金课题对人机重载携行系统中的步态感知方法与液压泵阀联合控制方法进行了研究，得到的主要结论如下：. 1、通过采用机器学习C4.5决策树算法合理划分了行走阶段5个步态子相，同时为防止机器明显滞后与人的动作，采用步态合并进行提前的控制策略，提高试验员行走时的舒适性，该步态识别结果发表在SCI期刊“International Journal of Advanced Robotic Systems”上。. 2、采用泵阀联合控制的策略实现液压执行器跟随人的动作，并对负载进行有效补偿，使得外骨骼下肢与人下肢进行协调运动，能够满足负载60公斤情况下正常行走。结果发表在SCI期刊“International Journal of Robotics and Automation”和“Mathematical Problems in Engineering”上。. 3、研究了电液伺服驱动外负载系统的鲁棒自适应控制方法，保证在系统存在大扰动和液压参数不确定性条件下的系统动态性能。相关成果发表在SCI期刊“IEEE Transactions on Industrial Electronics”、“ISA Transactions”、“IET Control Theory and Applications”上。. 发表学术论文共9篇，其中SCI检索期刊7篇，1篇为中科院一区TOP期刊，影响因子6.383，2篇为二区期刊，影响因子2.6。以第一作者身份申请国家发明专利4项，已授权2项，其中1项专利已经与成都奥特为科技有限公司达成技术转让协议，计划转让经费5万元。分别参加国际学术会议FPM2015和国内学术会议FPM2016各一次，并作口头报告。撰写1本英文专著(CRC Press, Taylor & Francis Group)，已于2016年9月立项，计划2017年3月完成初稿。基于本基金课题，成功获得中国博士后科学基金二等资助和浙江大学流体传动与机电系统国家重点实验室开放基金资助。

内容获取失败，请点击重试