文摘

最近,许多肌肉骨骼机器人开发实现灵活性和敏捷类似于人类和动物。然而,由于许多致动器的布置很复杂,机器人控制系统的设计是困难和挑战。我们认为,控制方法受生物启发的发展是很重要的肌肉骨骼机器人的控制系统。在这项研究中,我们提出一个肌肉协调控制方法用吸引子选择,antagonistic-driven肌肉骨骼的生物启发搜索方法,机器人的各种肌肉(关节肌肉和polyarticular肌肉)不对称排列的。首先,肌肉的肌肉骨骼机器人协调控制模型是使用虚拟对抗肌肉与肌肉几乎对称结构安排。接下来,吸引子选择应用于控制模型,随后应用于先前的控制模型没有肌肉协调控制模型的性能进行比较。最后,公式,并进行了位置控制实验的有效性提出了肌肉协调控制和虚拟对抗肌肉结构评估。

1。介绍

人类和动物移动灵活、巧妙地通过控制他们的肌肉骨骼系统与大脑。理解和模仿人类和动物的灵活和灵巧的运动,目前已经开发出了一些肌肉骨骼机器人。肌肉骨骼机器人的主要驱动机制是一个tendon-driven组装使用汽车[1,2]或气动人工肌肉(PAMs)。特别是使用PAMs作为致动器可以灵活运动的肌肉骨骼机器人与传统机器人使用汽车,因为空气的压缩性和低粘度提供合规和快速收缩。PAM的极高的功率重量比也有利于灵活和动态运动。

肌肉骨骼机器人由antagonistic-driven系统。一个antagonistic-driven系统包括两个或两个以上的关节运动的执行机构。执行机构反对地安排在一个链接,它们的输出特性和安排,在大多数情况下,对称的。

很多研究提出了肌肉骨骼机器人组成的这个简单的对抗系统,以及各种控制方法(例如,PID控制、神经网络和模糊逻辑)也提出了肌肉骨骼机器人(3- - - - - -8]。然而,我们的肌肉骨骼机器人的驱动系统(9不同于一个简单的antagonistic-driven系统因为输出特性和机器人的执行机构的安排是不对称的。

这个机器人有两种PAM致动器,一个关节肌肉驱动器驱动多个关节和polyarticular肌肉关节连续。因此,驱动各关节的机制是不对称的。此外,执行器不对称排列,尽管每个驱动器是反对地安排在每个链接。由于每个执行机构不对称排列的传感器测量每个关节角不安排,机器人控制系统的设计是更多的困难和挑战。

本田et al。9,10)提出了一个生物启发使用肌肉协调的机器人控制方法。他们推测,人类利用拮抗肌之间的协同效应对关节运动时,他们两个参数定义,拮抗肌比率和敌对的肌肉活动,作为人类肌肉协调的关键参数。PID控制器的参数计算(10),实现控制机器人的关节角。

虽然良好的控制性能是获得一个关节,控制器不适合多个关节的机器人9]。一种自适应的方法,动态和自适应搜索肌肉协调的参数是必需的,因为PAMs有时间差异,合规,高磁滞和非线性。一般来说,这种搜索问题可以制定作为一个目标函数最小化的组合优化问题搜索变量,需要提前一个精确的模型(目标函数),但系统识别与一个不对称antagonistic-driven PAM系统具有非线性动力学是很困难的。

作为替代这种基于模型的理论方法,我们相信启发式控制方法启发从生物对肌肉骨骼机器人的控制很重要。人类和动物的肌肉骨骼结构antagonistic-driven系统。他们也不对称antagonistic-driven系统因为关节肌肉和polyarticular各种关节周围肌肉排列。人类和动物移动灵活巧妙地通过控制各种肌肉。

最近的研究对生物的机制表明,一个生物系统的行为灵活使用噪声(11]。大肠杆菌(大肠杆菌)细胞通常倾向于切换到一个使用噪声自适应吸引子后新的外部环境中更好地生存环境条件已经发生了变化。这的适应性行为大肠杆菌细胞被称为吸引子的选择(12]。这部小说控制方法的基础上,提出了吸引子选择和应用于交通网络信号控制方法13,网络管理14,15],android运动生成[16),机器人导航和运动17- - - - - -19),机械手臂控制(20.- - - - - -22),内窥镜手术(23]。

控制方法是由一个随机微分方程描述,网络系统或机器人的输入变量是通过求解方程,计算和系统完成了任务,却没有动力和模型的系统和环境。自吸引子选择进行自适应系统或环境中,使用噪音的控制方法是健壮的任务和环境的变化。吸引子选择应用于一个不对称antagonistic-driven肌肉骨骼机器人(图1),肌肉不对称排列的(24]。从控制实验中,机器人的末端的位置移动到预定位置通过搜索压力四PAMs单独使用吸引子的选择。控制时间必须超过100年代来完成任务。因此,修改控制方法需要快速完成任务。

在这项研究中,我们提出一个新颖的肌肉协调控制方法进行不对称antagonistic-driven肌肉骨骼机器人使用吸引子的选择。以前的方法(之间的主要区别24)提出的一个是,该方法引入了虚拟对抗肌肉结构作为肌肉协调控制模型。而不是个人和直接搜索PAM压力在实际非对称对抗肌肉结构、新方法间接搜索压力通过虚拟实际PAMs对称对抗性肌肉结构。

首先,肌肉协调控制的肌肉骨骼模型机器人建成使用虚拟对抗肌肉结构几乎对称布置的肌肉。接下来,吸引子的选择是应用于控制模型并应用于先前的控制模型没有肌肉协调控制性能进行比较。最后,位置控制实验,提出了肌肉协调控制的有效性应用吸引子虚拟对抗肌肉结构选择和评估。

2。材料和方法

2.1。目的:控制的位置不对称Antagonistic-Driven肌肉骨骼机器人

在这项研究中,来自于机械手(图1(一))受一个人的右手,和食指尖端的位置控制机械手的肌肉骨骼机器人。图1 (b)显示了食指的结构。它有三个自由度的机制,是由四个链接(远端指骨,中间指骨,近端指骨,掌骨)和三个关节(远端指间(浸)、近端指间(PIP),掌指的(MP))。四个PAMs使用:一个致动器中间指骨,一个近端指骨,和两个掌骨的弯曲和扩展。扩展的致动器(称为“伸”)是一个polyarticular线涵盖所有关节的肌肉。因此,弯曲和扩展致动器的数量是不对称的。

让 , , ,和是肌肉的压力提供了A, B, C和D,分别在图1。下标“e”表明伸肌,“强积金”表示的屈肌(弯曲)的致动器驱动议员关节,“PIPf”表示驱动脉冲关节的屈肌,和“DIPf”表示驾驶倾斜关节的屈肌,并计算如下: 在哪里 , , ,和是归一化搜索变量和致动器提供的最大压力。自从机械手的执行机构打破如果超过0.2 MPa的压力,提供的价值设置为0.19 MPa。

2.2。肌肉协调假说

本田等人提出的假设人类肌肉的协调是一个协调的拮抗肌(伸肌和屈肌)9,10]。他们使用两个参数表达的比例协调,拮抗肌比()和对抗性肌肉活动()。的是调节压力的比率的值(和)之间的敌对的肌肉(伸肌)和(屈)。计算在0和1之间,定义如下:

伸肌是压力的总和吗和屈肌和计算

在这项研究中,总是设置为最大压力为驱动关节充分。也就是说,

压力和计算(5),(6)和(7)。

方程(8)和(9)表明,伸肌和屈肌的压力是由寻找标准化变量决定的 。图2(一个)显示肌肉协调使用敌对的肌肉比例的原则和拮抗肌肉活动 。

2.3。两种类型的虚拟对抗肌肉结构

四个致动器被用于肌肉骨骼机器人:polyarticular肌肉是用作伸肌和三个关节的肌肉被用作屈肌(图1 (b))。计算每个驱动器基于肌肉协调的压力假说,两种方法使两种总数几乎和屈肌匹配提出了。

第一个方法是由如下。虚拟拮抗肌(图结构2(b))是由这两种的数量从一个增加到三两种。接下来,应用于每一个敌对的肌肉驱动各关节。因此,被描述为 , ,和 ,和伸肌和屈肌的压力在每个驱动各关节被指示为敌对的肌肉 , , , , ,和 。压力计算如下:

最后,这适用于真正的伸肌对实体形式(图2(d))计算使用

第二种方法是在以下方面的。首先,其他虚拟拮抗肌(图结构2(c))减少了屈肌的数量。接下来,应用于虚拟对抗肌肉结构和压力虚拟伸肌和为虚拟屈肌计算使用(8)和(9)。在这里,是三个真正的屈肌(总压强 , ,和),被定义为 。最后,分发给三个真正的屈肌的形式(图2(d))。两个分布比率(和),和三个真正的屈肌的压力计算

真正的伸肌的压力是一样的,对于虚拟伸肌和计算使用(8)。

2.4。吸引子选择模型

让我们考虑一个目标函数最小化的组合优化问题主题搜索变量 在哪里是一个可行的解决方案(一个吸引子)和意味着吸引子的数量。而不是寻求一个最佳的解决方案,我们试图迅速找到好的近似解。为此,我们的研究使用修改后的吸引子选择模型,将其推广为随机微分方程(24]: 在哪里是时间,是搜索变量或状态( 对于我们的情况),价值完成任务的程度,被认为是噪音,函数使吗收敛到一个合适的吸引子。通常,函数可以表示成 如果目标函数提前精确而闻名。

这个模型搜索解决方案(吸引子)使用噪音,成功完成任务的使整个系统的行为改变。注意,如增加,这个词 变得越来越占主导地位(20.)和状态转换变得更加确定的。因此,国家会传递到合适的吸引子,它仍然是尽管持续的噪音。相比之下,减少增加噪声的主导地位 ,从而降低潜在的景观。在这个场景中,过渡更概率,像一个随机游走,是远离吸引子驱动的。

这个函数可以自由设计,即使目标函数是未知的或不准确的描述。两个元素是必需的。的价值必须收敛流动,必须保持在一个合适的吸引子。为了满足这些元素,定义如下: 在哪里是吸引子,是流动的数量,的力量吸引了吗 ,和吸引子的权力的范围吗是有效的。

2.5。采用吸引子选择确定压力提供给每一个执行机构

吸引子是用来确定的选择提供给每一个执行机构的压力。三种方法用于确定压力用吸引子选择介绍如下。

第一种方法使用真正的肌肉骨骼结构(图2(d))和直接计算四个压力通过搜索四个变量( , , ,和使用吸引子的选择)。我们称此为一个类型的搜索压力控制器。提供给每个计算传动装置的压力(1),(2),(3)和(4)。这个方法是一样的在我们之前的报道方法(24]。

第二个方法使用第一个虚拟对抗肌肉结构(图2(b))。它搜索三个比率( , ,和使用吸引子)选择和供应的压力每个驱动器使用(10),(11),(12),(13),(14),(15)和(16)。我们称之为一个类型的搜索控制器。

第三个方法使用第二个虚拟对抗肌肉结构(图2(c))。它搜索值和两个分布比率(和)使用吸引子选择,然后供应每个驱动器使用的压力(8),(9),(17),(18)和(19)。这被称为一个和类型的搜索控制器。

注意,所有变量的搜索空间( , , ,和 ; , ,和 ;和 , ,和范围从0到1。

3所示。实验程序

控制实验,让食指的尖端的右下侧的肌肉骨骼机器人(见插图图3)移动到所需的位置进行了使用上述三种控制器。图3描述了实验的设置,包括肌肉骨骼机器人(SQUSE手G型、SQUSE Inc .),控制电脑(MDV推进ST 6300 b (MouseComputer有限公司),Windows XP,和一个英特尔酷睿i7 920 (2.67 GHz)), A / D转换器(ai - 1664 l -简述该有限公司),两个D / A转换器(ao - 1616 l -简述该有限公司),一个数字输出板(RRY-32-PE,该有限公司),一个动作捕捉系统(华丽的科技有限公司),监管机构(ITV0030, SMC公司),电磁阀(S070-5DCO-32, SMC公司),和一个空气压缩机(DPP-AYAD,小金井公司)。采样频率是100赫兹。生成的输入信号是电压控制PC和被监管机构转换为压力。输出信号是尖位置的坐标( , , 感觉到动作捕捉系统。欧几里得范数(所需的位置之间的距离( , , ),提示位置)作为控制器的评价指标。欧几里得范数是描述和计算使用

和吸引子的选择模型计算从0到1

在这里,的最大价值规范计算所需的位置和提示的位置上最大弯曲,这是一个稳态的最大压力(0.19 MPa)提供所有屈肌,或最大扩展,这是一个稳态的最大压力是只提供给机器人的伸肌。

每个标准提前获得,被选为较大的标准 。两个任务进行的实验。弯曲任务涉及让机器人flex所需的位置从一个扩展的状态,扩展任务涉及机器人延伸到所需的位置从一个弯曲的状态,一个常数和任务更改时间。首先,弯曲的任务。一个常数时间后,所需的位置被改变和扩展任务。控制时间被设定在60年代,控制后的任务是改变了30年代就开始了。第一个位置和所需的位置定义当机器人在一个稳态恒压后应用到每一个执行机构。每个位置提前被捕。

在这个实验中,压力值,为代表 , , ,和(0.05,0.15,0.05和0.05,分别地),应用于每个执行机构为弯曲的任务,确定所需的位置和0.15,0.05,0.05,和0.05,分别应用到每个执行机构为扩展任务确定所需的位置。的初始值 , , ,和 ; , ,和 ;和 , ,和被设置为0.9、0.1、0.1和0.1;0.9、1.0和0.0;和0.9、1.0和0.0,分别和噪音生成之间的和10。的参数值(21)设置如下: 和 。

4所示。结果与讨论

数据4- - - - - -6使用压力控制器类型的搜索,显示结果类型的搜索控制器,和和类型的搜索控制器,分别。过渡的搜索变量,每个执行机构提供的压力,尖端位置被动作捕捉,吸引子选择模型的绘制。在图4,从3 s增加并成为常数为0.96。因此,弯曲几乎是完成任务,搜索变量聚合到一个吸引子。然而,扩展任务未能完成。从33到35年代增加和保持在近0.8,但它减少从39年代,没有达到一个高价值。任务的成就比的差异是由压伸肌和屈肌之间的关系。当增加并成为常数弯曲任务,伸肌的压力()降低压力屈肌负责推动国会议员联合()增加。因此,弯曲的力量变得大,机器人弯曲向所需的位置。在扩展任务中,伸肌压力()和压力推动国会议员联合屈肌(从33到35年代)增加。因此,扩展的能力没有显著增加,和机器人没有完成扩展任务。压力之间的差异为伸肌和屈肌有效实现的任务是很重要的。

在图5,十年代后增加,达到一个恒定值的17岁0.91 s。弯曲的任务是接近完成,但与类型的搜索压力控制器相比,成就比降低了5%,完成任务的控制时间是13年代更长。因此,控制不如那个类型的搜索的压力控制器。在扩展任务中,没有达到一个高价值。因此,扩展任务没有完成。因此,控制器不适合扩展的任务。有效地完成这项任务,这是必要的压力之间的差异为伸肌和屈肌很容易计算控制器因为差异可以减少任务和权力阻止的成就可以使机器人的尖端位置快速移动到所需的位置,但这个控制器不能计算压力之间的差异以及类型的搜索压力控制器。这个控制器搜索三个独立的价值观。因此,每个需要在一个不同的值,和屈肌的压力并没有减少。因此,弯曲不减少足够的力量,扩展任务没有完成。

在图6,大大增加,成为常数为0.95的弯曲的任务。在扩展的任务,逐渐增加后任务的变化,成为常数为0.97。因此,弯曲和扩展任务完成的任务。的和类型的搜索控制器,因此,高度自适应任务比类型的搜索控制器和压力类型的搜索控制器。特别是的有效性和类型的搜索扩展任务显示控制器。机器人有四个执行器不对称排列的扩展和弯曲。一个执行机构安装在扩展方面,和三个执行机构安装在弯曲的一面。因此,弯曲的权力很容易变得大而扩展的能力。让这个机器人充分扩展,弯曲必须成为小的力量。

在和类型的搜索控制器,电源的区别在弯曲和扩展决定很容易因为压力之间的差异的屈肌和伸肌计算通过搜索只有一个 。因此,弯曲的力量就小,机器人可以充分扩展。我们也进行了不同的任务和类型的搜索控制器显示控制器的适应性。图7展示了实验结果。我们组四个任务,两个弯曲的任务和两个扩展的任务,这是交替进行的。所需的位置为每个弯曲的任务是不同的,并且每个每个扩展任务所需的位置是不同的。每个任务是改变下列常数乘以:30年代,60年代,90年代后启动控制。实验结果表明,成为了每个任务的高价值。因此,和类型的搜索控制器显示任务的良好适应性试验。因此,结果表明,该肌肉的协调控制和类型的搜索控制器使用吸引子选择了容易控制的不对称antagonistic-driven polyarticular肌肉肌肉骨骼机器人。

5。结论

这项工作表明肌肉协调控制的不对称antagonistic-driven肌肉骨骼机器人用吸引子选择生物启发搜索方法。

首先,肌肉协调控制的肌肉骨骼模型机器人建成使用虚拟对抗几乎对称布置的肌肉,肌肉结构和计算方法的输入压力PAMs肌肉骨骼机器人有和没有肌肉协调的。接下来,吸引子选择应用于肌肉协调控制模型和另一个控制模型没有肌肉协调比较控制性能。最后,位置控制实验,提出了肌肉协调的有效性控制应用到吸引子选择了,这也证明是更快和更健壮的完成这项任务通过生成控制命令实际上假设对称和简单的变质构造,而不是提供一个控制命令根据实际的复杂的(不对称)拮抗肌肉结构。

基于虚拟对抗肌肉结构提出了研究,我们可以建立一个肌肉骨骼机器人,通过设计来实现更复杂的任务的速度如何给噪声(25和自适应更新吸引子的结构21]。在未来的工作中,肌肉协调控制方法,使用吸引子选择,将应用于多点机械手由增加的数量(即肌肉骨骼机器人。,机器人手指)。此外,控制方法的有效性将追究不对称antagonistic-driven肌肉骨骼机器人,具有完全不同的肌肉与肌肉骨骼机器人。

肌肉的协调控制方法用吸引子选择不仅可以应用肌肉骨骼机器人,还对人类的手。因此,控制方法将被应用到康复使用功能性电刺激(承认)26,27作为一个新颖的方法来控制人类的手。

数据可用性

数据的原始数据4- - - - - -7根据要求可从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由jsp KAKENHI格兰特nos, JP23560524 JP26420196, JP17K06259。