基于运动意图识别与DDPG的机器人上肢外骨骼自适应阻抗控制

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Motion Intention Recognition and DDPG-Based Adaptive Impedance Control for a Robotic Upper-Limb Exoskeleton

　　

摘要：

本文介绍了一种用于处于康复中后期、上肢运动功能受损患者的机器人式上肢康复外骨骼。该外骨骼具有可变换的机械结构，能够在四种不同姿态之间切换：肩部内收/外展（SA/A）、肩部屈曲/伸展（SF/E）、肘部屈曲/伸展（EF/E）以及前臂旋前/旋后（FP/S）。为实现分层辅助控制，研究了一种经过白蚁生命周期优化器调整的支持向量机（TLCO-SVM）用于识别不同姿态，同时提出了基于TLCO优化的长短期记忆网络（TLCO-LSTM）来预测所需的关节角度轨迹。根据识别的姿态和预测的关节角度轨迹，设计了一种基于深度确定性策略梯度的自适应阻抗控制器，以产生辅助扭矩，从而实现符合人体工学的人机交互。通过实验对所提出的识别、预测和控制框架进行了评估。TLCO-SVM的平均分类准确率为98.10%。TLCO-LSTM在各种姿态下的均方根误差分别为2.71°（SA/A）、2.41°（SF/E）、3.47°（EF/E）和5.19°（FP/S）。而辅助扭矩跟踪的均方根误差则分别为0.2497 Nm、0.2252 Nm、0.1130 Nm和0.3423 Nm。