来源：期刊VIP网 时间：
作者：李东琦;秦建军;孙茂琳;郑皓冉;李伟;
单位：北京建筑大学机电与车辆工程学院;北京市建筑安全监测工程技术研究中心;国家体育总局运动医学研究所;
摘要：在下肢康复机器人的康复训练过程中，模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题，提出了一种基于径向基函数（Radial Basis Function,RBF）神经网络的自适应补偿控制，该控制方法能够提高机械系统轨迹跟踪的精确性。首先，设计一款具有4种工作模式、运动稳定的闭链卧式下肢康复机器人结构；然后，利用拉格朗日方法求解动力学名义模型，将康复装置的模型参数以及外界干扰等不确定性因素分离出来，并设计基于RBF神经网络的自适应补偿算法对其进行逼近控制；最后，通过Matlab/Simulink环境对其进行仿真验证，证明了该控制策略的有效性。结果显示，在人体步态曲线轨迹跟踪中，提出的基于RBF神经网络的自适应补偿算法相比传统的模糊比例-积分-微分（Proportional Integral Derivative,PID）控制的方法响应速度快、跟踪效果好，且髋关节和膝关节轨迹跟踪的角度误差峰值分别为0.08°和0.13°，远小于患者下肢在康复运动中的转动角度。设计了单腿样机试验，试验结果表明，采用的RBF补偿自适应控制器能够实现高精度的跟踪结果，也能够满足患者在康复训练中安全性的要求。
关键词：下肢康复机器人;;闭链结构;;RBF神经网络;;不确定性;;自适应补偿控制
基金资助：国家重点研发计划主动健康和老龄化科技应对重点专项(2020YFC2006705);; 北京市建筑安全监测工程技术研究中心研究基金项目(BJC2020K012);; 北京建筑大学研究生创新项目(PG2023141)
