.png){kind=icon}
返回
Dynamics-Based Collaborative Control for an Exoskeleton-Walker System via Deterministic Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/tase.2026.3713580.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
下肢外骨骼和移动机器人在改善肢体功能障碍患者的运动功能康复方面具有巨大潜力。然而，其广泛应用受到专业康复治疗师所需的大量时间和精力投入的限制。实现自主智能康复的主要挑战在于解决外骨骼与助行机器人的协调控制问题。本文提出了一种基于确定性学习的协同学习控制策略，旨在通过精确的闭环动力学建模外骨骼-助行器系统，实现高性能协调控制。首先，采用径向基函数神经网络（RBFNNs）逼近协调控制过程中的系统动力学。利用确定性学习理论，严格证明在持续激励条件下，系统未知动力学可以被精确逼近并存储为恒定神经网络。随后，设计了一种基于经验的协同学习控制器，实现人机系统的自主协调控制，为其更广泛应用提供可行途径。在CoppeliaSim机器人平台上的实验验证了所提出控制策略的有效性和优越性能。实践者注意——本工作面向从事康复机器人的研究者和工程师，特别是关注下肢外骨骼和移动机器人助行器的人员。这些系统实际部署的主要障碍是在使用过程中依赖康复专业人员的持续协助。为解决此问题，我们提出了一种基于确定性学习的协同控制策略，能够实现系统动力学的精确建模和复用，最终实现外骨骼与助行机器人的自主协调。这减少了人工干预的依赖，为临床和家庭环境中的长期、高性能康复训练提供了可能性。实践者可利用此方法开发更智能、更自适应的康复系统，以更高精度和自主性响应患者需求。
Keyword:
Collaborative learning control
exoskeleton-walker system
deterministic learning
neural network
期刊
IF:
6.4
论文数:
5.2K
被引数:
1.6W
机构
引用论文
暂无论文信息