一种用于外骨骼系统的模糊控制方法
【专利摘要】本发明属于自动控制技术领域，涉及一种用于外骨骼系统的模糊控制方法。本发明的主要思路是，针对传统的外骨骼样机都是采用的PID位置伺服控制的问题，虽然工程上可以基本满足控制的要求，但是一旦外界环境或者系统参数发生变化，系统的数学模型就会随之发生改变，这使系统的控制效果很差。本发明在液压伺服系统数学模型的基础上，进行控制律算法的设计，在控制模型发生变化后，模糊自适应控制较PID可以更好的跟踪期望曲线，且在实时性、稳定性及鲁棒性方面有明显的优势。
【专利说明】
-种用于外骨骼系统的模糊控制方法
技术领域
[0001] 本发明属于自动控制技术领域，设及一种用于外骨骼系统的模糊控制方法。
【背景技术】
[0002] 在抢险救灾或山地环境中，人们往往需要携带大量的装备和物资，运样会影响行 进速度、行走距离和机动能力，因此，各国正在加速研制符合人体工程学的外骨骼携行助力 系统，W实现减少体能消耗，提高负重能力和机动能力。目前的助力外骨骼系统主要的控制 方法为采用液压控制系统，并结合PID控制方法进行控制，而PID控制方法需要先给出控制 参数，目前常用的PID参数给定方法为试凑法，就是根据控制器各参数对系统性能的影响程 度，观察系统的运行，边修改参数，直到满意为止，而对于像液压运样的系统，由于系统参数 在运行过程中是不断变化的，如在伺服阀零位，液压尼系数很小而流量放大时系数却很大， 且电液伺服阀有时不在零位工作等，当系统的参数发生变化时，系统的模型也随之改变，W 不变的控制参数去控制易发生变化的对象，PID控制效果很难保证。
【发明内容】
[0003] 本发明的目的，就是针对上述问题，提供一种用于外骨骼系统的模糊控制方法。
[0004] 本发明的技术方案为:一种用于外骨骼系统的模糊控制方法，包括：
[0005] 所述外骨骼系统的驱动关节为膝关节，且动力源为液压装置，所述液压装置采用 PID控制进行调节，所述PID控制方程可表示为如下公式1:
[0006]
(公式 O
[0007] 其中，u(t)为PID控制输出的控制量，t为系统的数据采样间隔，e(t)为实际测量值 与期望值的差值，Kp为PID控制中的比例参数，Ti为PID控制中的积分时间参数，Td为PID控制 中的微分时间参数；
[000引还包括模糊控制器，所述模糊控制器用于产生PID控制的调节参数，具体为：
[0009] 将实际测量值与期望值的差值e(t)及其变化率作为模糊控制器的输入E和EC，模 糊控制器的输出为控制信号U，对差值E、差值变化率EC和控制信号U的模糊集合和论域定义 如下：
[0010] E 的模糊集合为{NB、NM、NS、NZ、PZ、PS、PM、PB};
[0011] EC、U 的模糊集合均为{NB、NM、NS、Z、PS、PM、PB};
[0012] E 和 EC 的论域为{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6};
[0013] U 的论域为{-7、-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6、7};
[0014] 构建模糊关系R为：
[0015] R=化 XEC)XU
[0016] 控制信号U为：
[0017] U=化 XEC)R
[0018] 使用控制信号U对PID控制进行修正。
[0019] 本发明的有益效果为，之前的外骨骼样机都是采用的PID位置伺服控制，工程上可 W基本满足控制的要求，但是一旦外界环境或者系统参数发生变化，系统的数学模型就会 随之发生改变，运使系统的控制效果很差。本发明在液压伺服系统数学模型的基础上，进行 控制律算法的设计，在控制模型发生变化后，模糊自适应控制较PID可W更好的跟踪期望曲 线，且在实时性、稳定性及鲁棒性方面有明显的优势。基于模糊控制算法的外骨骼机器人， 在正常行走时可W实时跟踪人的运动轨迹，达到助力的目的；常规的模糊控制器虽然在自 适应方面有所改善，但是控制精度仍然不高，系统仍然存在着较大的稳态误差；自调整因子 的模糊控制器在自适应、自学习的方面比常规模糊控制器有明显的优势，可W实现模糊控 制规则的在线调整；自调整模糊PID控制器拥有较高的控制精度，能够很好的改善系统的动 态特性和静态特性，同时控制器也具有较好的鲁棒性和和自组织性
【附图说明】
[0020] 图1是模糊控制量E的隶属度函数示意图；
[0021 ]图2是模糊控制量EC的隶属度函数示意图；
[0022] 图3是模糊控制量U的隶属度函数示意图；
[0023] 图4是量化因子变化阶跃曲线变化示意图；
[0024] 图5是比例因子变化阶跃曲线变化示意图；
[0025] 图6是量化因子Ke = 7.5，Kce = 0.001，Ku = 12的仿真示意图；
[0026] 图7是模糊控制的阶跃响应曲线示意图；
[0027] 图8是自调整因子模糊控制器原理示意图；
[00%]图9是自调整因子模糊控制器E的隶属度函数示意图；
[0029] 图10是自调整因子模糊控制器EC的隶属度函数示意图；
[0030] 图11是自调整因子模糊控制器a的隶属度函数示意图；
[0031] 图12是自调整因子控制系统的仿真曲线示意图；
[0032] 图13是调整参数a的曲线示意图；
[0033] 图14是模糊自适应的PID控制器逻辑结构示意图。
【具体实施方式】
[0034] 下面结合附图，详细描述本发明的技术方案：
[0035] 液压系统的期望输入信号设计为液压缸的实际长度，但是液压缸的长度无法直接 测得，只能通过膝关节角度的测量值，再经过几何关系转换求得，转换公式表示为：
[0036]
[0037] 其中yexp表示此时期望的液压缸活塞杆的长度，巧W表示此时期望的膝关节角度 值，Distl，Dist2分别表示大腿连接点到膝关节的距离和小腿连接点到膝关节的距离，运两 个长度值和此时期望的液压缸的长度正好构成一个=角形，因此控制系统只要知道人在行 走的过程中每个时刻的膝关节的期望角度值，就可W通过上述公式求得此时的液压缸的期 望长度。
[0038] 比例、积分、微分控制是在实际工程中应用最为广泛的控制器，也就是通常所说的 PID控制，或者称为PID调节，PID控制的控制效果直接受比例化P)、积分化I)和微分化d)3个 参数的大小的影响，PID控制方程的表示为，
[0039]
[0040] 其中，u(t)为PID控制输出的控制量，t为系统的数据采样间隔，e(t)为实际测量值 与期望值的差值，Kp为PID控制中的比例参数，Ti为PID控制中的积分时间参数，Td为PID控制 中的微分时间参数；
[0041] 散PID方程的形式为：
[0042]
[0043] 其中，u(k)表示作用于被控对象控制量的第k次采样得到的信息;k是采样系数，k =0，1，2,…，e化)是传感器的实时测量值与期望值的差值在第k次测量时得到的值;T为系 统的采样时间间隔，e化-1)即为e化)的前一次采样值。
[0044] 本发明主要在PID控制的同时还包括模糊控制器，所述模糊控制器用于产生PID控 制的调节参数，具体为：
[0045] 将实际测量值与期望值的差值e(t)及其变化率作为模糊控制器的输入E和EC，模 糊控制器的输出为控制信号U，对差值E、差值变化率EC和控制信号U的模糊集合和论域定义 如下：
[0046] E 的模糊集合为{NB、NM、NS、NZ、PZ、PS、PM、PB};
[0047] EC、U 的模糊集合均为{NB、NM、NS、Z、PS、PM、PB};
[004引 E 和 EC 的论域为{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6};
[0049] U 的论域为{-7、-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6、7};
[0050] 输入变量E的隶属度函数曲线如图1所示，EC的隶属度函数曲线如图2所示，U的隶 属度函数曲线如图3所示；
[0051] 模糊控制规则应按照W下基本规则进行建立:如果系统的误差较大，控制量的选 取主要考虑尽快减小误差，应选取较大的控制量;如果误差较小，为了避免超调，控制量的 选择应该主要考虑提高系统的稳定性，减小系统的稳态误差。
[0052] 当误差为负大时，若当误差变化为负，表明误差有增大的趋势，为了尽快消除已有 的负大误差并抑制误差变大，运时控制量应取负大；当误差为负大而误差变化为正时，系统 本身已有减少误差的趋势，所W为了尽快消除误差且又不超调，应取较小的控制量；当误差 为负中时，控制量应该使误差尽快消除，基于运种原则，控制量选取同误差为负大时相同； 当误差为负小时，系统接近稳态，若误差变化为负时，选取控制量为负中，W抑制误差往负 方向变化;若误差变化为正时，系统本身具有消除负小误差的趋势，选取控制量为正小即 可。人们的控制动作在正负两个方向基本上是对称的，所W-般情况下，人对正负误差及误 差变化和正负控制量所确定的模糊概念是一致的。误差为正时与误差为负时相同，只要改 变相应的符号就行了。
[0053] 实际情况中，为了达到较好的控制效果，控制系统的控制规则视情况作相应的修 整。在综合大量参考文献和相关经验的基础上获到本控制系统中的模糊控制规则如表1所 /J、- O
[0054]表1模糊控制规则表
[0化5]
1234567 过上表，来获得一组模糊条件推理语句，每一个语句都有与之相对应模糊关系，例 如规则 2 If E = PM and EC = NM then U = PS 3
[005引构建模糊关系R为： 4 R=化 XEC)XU 5 利用模糊推理的基本原理来获得模糊关系矩阵Ri，然后求得每一条规则对应的模 糊关系，进而得到体现模糊控制规则的总的模糊关系R。由误差E、误差变化EC和模糊关系R， 可得到控制信号U为： 6 U=化 XEC)R 7 U是一个模糊语言值，采用重屯、法进行解模糊，便可W得到控制量U的精确值。总控 制表如表2所示：
[0063] 表2总控制表
[0064]
[00 化]
[0066] 将模糊控制的因子分别表示为量化因子Ke、Kec和Ku,进行如下仿真分析：
[0067] 量化因子Ke对系统性能的影响如下：
[0068] 如果Ke较大，那么系统上升过程缩短，同时也会提高系统的分辨率。然而Ke过大将 使系统的上升速度过快，从而导致系统的超调量超出允许范围，使系统长时间处于饱和状 态，导致振荡，使破坏系统的动态特性。Ke太小也会导致振荡，增加系统的上升时间，破坏系 统的稳态。
[0069] 量化因子Kec对系统性能的影响如下：
[0070] 如果Kec较大，则导致系统的响应时间延长，增加过渡过程，提高系统的稳定性，超 调量减小。如果Kec较小，则会加快系统的响应时间，过渡时间缩短，然而Kce过小会引起较 大的超调并出现振荡。
[0071] 比例因子Ku对系统性能的影响如下：
[0072] Ku增大，缩短系统的响应时间；但Ku过大，控制量的过大会导致超调和振荡，Ku过 小则系统上升速度变慢，过渡时间增长。
[0073] 通过仿真来观察量化因子Ke和比例因子Ku的变化对系统动态特性的影响。首先保 持量化因子Kec和比例因子Ku不变，分别设定为0.001和12,只改变量化因子Ke,观察系统的 输出曲线变化，Ke分别取为5、7.5和9,得到的系统的阶跃响应曲线变化如图4所示，图中虚 线参数为:肪=9，1(6。= 0.001，1(11=12;点线参数为:1(6 = 7.5，1(6。= 0.001，1(11 = 12;实线参 数为:Ke = 5,Kec = O.OOl ,Ku= 12。再保持Ke和Kec不变，分别设定为7.5和0.001，只改变比 例因子Ku,来观察比例因子对系统的影响。Ku分别取8、12、16，得到的系统的阶跃响应曲线 如图5所示，图中虚线参数为:Ke = 7.5 ,Kec = 0.001，Ku = 8;实线参数为:Ke = 7.5 ,Kec = 0.001 ,Ku= 12;点线参数为:Ke = 7.5,Kec = 0.001 ,Ku= 16。从图中可W看出，量化因子Ke较 大，可W加快反应速度，但过大会导致超调超过允许范围；随着比例因子Ku的增大，系统的 响应时间明显缩短，但Ku过大导致了明显的超调。因此选择合适的控制参数，设置量化因子 Ke = 7.5,Kce = O.OOl ,Ku = 12,得到的仿真结果及如图6所示
[0074] 从图中可W看出，模糊控制可W很好的跟踪期望曲线，满足控制器的设计需求。系 统的阶跃响应曲线如图7所示，可W看出系统的时域特性，系统的上升时间tr = 0.0092s< 0.01s,超调重O二1.6%巧％ ,过渡时间ts = 0.0167〈0.1s,可W达到系统的枉制要求。
[00巧]实际工业控制中，模糊控制器只要一经确定，其控制参数和模糊推理逻辑也就随 之固定，不可W改变。但是，外骨骼机器人的液压控制系统，其液压模型容易受到溫度、干扰 等诸多外界因素的影响，使得对象模型发生变化。为了让控制控制系统具有更好的适应性， 同时能得到较好的控制效果，因此要求模糊控制器可W实现自我修正，针对外骨骼机器人 中液压系统的运个特性，本发明提出了带自调整因子的模糊控制器，结构如图8所示，自调 整因子模糊控制器由主模糊控制器和副模糊控制器构成，一个为常规模糊控制器，它根据 输入的差值及其差值变化率，经计算获得控制量U;另一个为调整因子模糊控制器，它是根 据控制过程中变化的参数，实时调整常规模糊控制器两个输入信号e和ec的比例来完善系 统性能。
[0076] 期望与实际输出的差值及其差值变化率作为副模糊控制器的输入，副模糊控制器 的输出为调整因子a,主模糊控制器的输入为期望与实际的差值、差值变化率和调整因子， 输出为模糊控制量U，经去模糊化转化为精确值U输出到控制对象。
[0077] 控制量U是由E和EC两个元素控制的，可W将输入和输出之间的关系通过一个表格 表现出来，便于应用查询，但是查询表的设计步骤相当繁琐。龙升照，汪培庄设计出用解析 式来描述模糊控制规则的方法。控制量U的解析表达式为，控制量中的所有部分必须为整 数。可W看出表达式直接由误差和误差变化构成，可W很容易的描述控制规则。若把U的系 数看成是权重，那么U是E和EC的算数平均数，那么E和EC共同决定输出U且比重相同。但是在 实际情况下二者的比例系数相同的可能性不大，通常情况下有：
[007引 0<口<1
[0079] 该控制器通过调整因子来改变两个输入在主模糊控制器中的比例，从而实时完善 推理逻辑，也就是通过实时修正模糊逻辑推理来使控制器达到更好的控制效果。如果误差 较大，那控制系统的关键作用是减小偏差，运时利用副模糊控制器增大误差在主模糊控制 器输入变量的比重。相反，倘若误差较小，系统已趋于稳定，控制系统的主要作用是快速使 系统达到稳态。运样就利用副模糊控制器提高主模糊控制器输入的误差变化率的比重。只 通过一个固定的调整参数a不能达到W上的设计要求，因此需在线调整加权因字a的值，来 达到模糊控制规则的实时修正的目的。
[0080] 控制器由主模糊控制器和副模糊控制器构成，副模糊控制器用于产生自调整因子 曰，口用于调整主模糊控制器输入变量E和EC的权重，进而实现对控制原则的修正。控制器的 设计为:将期望值与实际测量值的差值及其变化率的模糊量E和EC作为副模糊控制器的输 入，论域都选择为[-6,6]，模糊子集为{NB、NM、NS、Z、PS、PM、PB}，输出自调整因子的论域取 为[0，1]，模糊子集为阳S(很小）、S(小）、M(中）、B(大）、VB(很大）}，隶属度函数为梯形函数， 如下图所示。
[0081] 输入量E、EC和输出调整因子a的隶属度函数分别如图9、图10和图11所示。
[0082] 根据建立自调整因子的原则得到的控制规则如表3所示，根据附表可建立49条控 制规则。
[0083] 表3控制规则表
[0084]
[0
[0
[0
[0
[OUW」 糸统的巧具结采观圏12所不，糸统巧具町，重化巧于的巧置分別刃Ke = 16，Kce = 0.05，Kul = l;Ku = 20,从图中可W看出，自调整因子模糊控制器可W很好的跟踪期望的液 压缸长度曲线，调整参数a的曲线如图13所示，取值范围在(0，1)之间。
[0090] 结合模糊自适应的PID控制器如图14所示，模糊自适应PID控制器由两个控制器组 成，一个为模糊控制器，用于产生PID控制的调节参数，另一部分为PID控制器，其=个参数 可W实现在线实时调整。模糊控制器根据每次误差e(t)及其变化ec(t)的不同，对量化因子 和比例因子的要求也不同，从而得到PID控制器参数的修正量，从而提高系统的稳态特性。
[0091] 模糊控制器有两个输入变量和=个输出变量，输入为期望值与实际值的差值及其 差值的变化率，输出为PID控制器的修正因子A kp、A ki和A kd，kp、ki、kd为PID控制器的控 制参数，其计算由W下公式求得，k'p、k'i、k'd为预整定值。
[0092] kp = k'p+Akp
[0093] ki = k'i+Aki
[0094] kd = k'd+Akd
[OOM]设e、ec、Kp的模糊论域均为(-6,6)，Ki的模糊论域为(-0.3,0.3),Kd的模糊论域为 (-0.06，
[0096] 0.06)，输入和输出的隶属度函数均采用=角形隶属度函数，各个变量对应论域上 的屯个模糊语言值为负大(NB)、负中（NM)、负小(NS)、零(ZO)、正小(PS)、正中（PM)和正大 (PB )，按照上面的制定PIDS个控制参数化P、Ki、Kd )的规则制定模糊规则表5、表6、和表7所 示：
[0097] 表5 A Kp的控制规则表 [009引
[
[0100] 表6 AKi的控制规则表
[0101]
[
[0104] 模糊控制器中，量化因子1(6、1(6(3及输出心化1^咕）、1?^1(0、1?^財））可由经验公式求得：
[
[01 化：
[0106；
[0107:
[0108]式中：ai为差值的最小值、差值变化率的最小值、Q3为控制器输出的最小值;目1、 目2、目3则分别为与Ql、〇2、〇袖对应的最大值D
【主权项】
1. 一种用于外骨骼系统的模糊控制方法，包括： 所述外骨骼系统的驱动关节为膝关节，且动力源为液压装置，所述液压装置采用PID控 制进行调节，所述PID控制方程可表示为如下公式1:其中，u(t)为PID控制输出的控制量，t为系统的数据采样间隔，e(t)为实际测量值与期 望值的差值，ΚΡ为PID控制中的比例参数，TAPID控制中的积分时间参数，TD为PID控制中的 微分时间参数； 还包括模糊控制器，所述模糊控制器用于产生PID控制的调节参数，具体为： 将实际测量值与期望值的差值e(t)及其变化率作为模糊控制器的输入E和EC，模糊控 制器的输出为控制信号U，对差值E、差值变化率EC和控制信号U的模糊集合和论域定义如 下： E 的模糊集合为{NB、NM、NS、NZ、PZ、PS、PM、PB}; EC、U 的模糊集合均为{NB、NM、NS、Z、PS、PM、PB}; E 和 EC 的论域为{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}; U 的论域为{-7、-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6、7}; 构建模糊关系R为： R=(EXEC) XU 控制信号U为： U=(EXEC)R 使用控制信号U对PID控制进行修正。
【文档编号】G05B13/02GK105955015SQ201610327152
【公开日】2016年9月21日
【申请日】2016年5月17日
【发明人】秦开宇, 张向刚, 王慧勤, 王浩, 张明
【申请人】成都奥特为科技有限公司