.png){kind=icon}
返回
Development of a Deep Learning-Based Control Framework for Exoskeleton Robots
.png){kind=icon}
PRE
AI
DOI：10.3390/act15050274.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究旨在开发一种计算高效的基于深度学习的控制框架，用于高自由度外骨骼机器人，以解决与常规模型基控制相关的实时计算限制。针对七自由度人下肢外骨骼机器人设计了一种并行结构深度神经网络。该网络包含四层，每层有49个密集连接的神经元，并使用来自分析动力学模型的物理基础数据进行训练。在实时实施过程中，训练好的神经网络预测用于轨迹跟踪所需的关节扭矩指令，同时比例微分控制器补偿剩余预测误差。所提出的控制方案稳定性已通过分析建立，并通过方差分析评估了其对参数变化的鲁棒性。在相同的机器人动力学条件下，与计算扭矩、模型参考计算扭矩、滑模、自适应和线性二次控制器进行了比较仿真。结果表明，该控制方案能够实现精确的轨迹跟踪，其扭矩曲线与常规非线性控制器相当，同时降低了计算负担。这些发现表明，所提出的基于深度学习的混合控制器为控制多自由度外骨骼机器人提供了一种高效且鲁棒的选择。
Keyword:
deep learning robot control
exoskeleton robot control
AI in dynamic control
