无限扶手效应:机器拐杖的动态补偿导纳控制与阻抗调制

《Control Engineering Practice》:The Infinite Handrail Effect: Admittance Control with Dynamic Compensation and Impedance Modulation for Robotic Cane

【字体: 大 中 小 】 时间:2026年09月23日 来源:Control Engineering Practice 5.3

编辑推荐:

   摘要 由于未建模系统动力学导致的机械时延会降低导纳控制辅助机器人的性能,产生相位滞后和跟踪误差,从而损害交互稳定性。本文对一个融合了动态补偿(DC)和基于力的阻抗调节(IM)的标准导纳控制(AC)架构的时延补偿控制框架进行了全面的形式化和广泛的实验验证。动态补偿器使用已辨识

  

摘要

由于未建模系统动力学导致的机械时延会降低导纳控制辅助机器人的性能,产生相位滞后和跟踪误差,从而损害交互稳定性。本文对一个融合了动态补偿(DC)和基于力的阻抗调节(IM)的标准导纳控制(AC)架构的时延补偿控制框架进行了全面的形式化和广泛的实验验证。动态补偿器使用已辨识的逆动力学模型来减轻惯性效应并减少相位延迟,而阻抗调节则根据用户的垂直交互力实时调整阻尼参数。通过Lyapunov分析正式建立了闭环稳定性,确保在标称条件下渐近收敛,并在有界扰动的存在下具有均匀最终有界性。AC-DC-IM策略在具有四种操作场景的非完整约束机器人手杖上进行了实验验证,每种条件下重复30次试验。统计结果表明,与标准导纳控制器相比,机械时延减少了最多51%,线性速度的积分平方误差(ISE)减少了最多94%。超越特定平台,所评估的框架为需要快速、稳定且直观的物理辅助的柔顺人机交互系统中的时延缓解提供了一般化策略。

引言

2021年,世界卫生组织估计,全球有17亿人患有肌肉骨骼疾病(Izquierdo et al., 2025),这是残疾的首要原因。这些疾病加上人口老龄化(Danemayer, Bloomberg, Mills, Holloway, Hussein, 2025, Onyeso, Scott, Alumona, Kalu, Adandom, Akinrolie, Onyeso, Odole, Victor, Doan, et al., 2026),限制了行动能力并造成了社会经济不平衡(Guo et al., 2025)。与此同时,美国等地区面临着物理治疗师日益短缺的问题,这一趋势预计将持续到2030年(Perry et al., 2025)。

在此框架下,手杖作为一种关键的支撑设备,提供了自主性和独立性(Ashida et al., 2024)。作为一种隐蔽的工具,无需特殊指导,它允许用户自然地管理自身病情,通常作为助行器或轮椅的前奏(Bradley and Hernandez, 2011)。康复和辅助机器人技术的兴起进一步提高了老年人和病理患者的生活质量(Capecci, Pournajaf, Galafate, Sale, Le Pera, Goffredo, De Pandis, Andrenelli, Pennacchioni, Ceravolo, et al., 2019, Daich Varela, Sanders Villa, Pontikos, Crossland, Michaelides, 2025, Mehrholz, Kugler, Pohl, Elsner, 2025, Willingham, Stowell, Collier, Backus, 2024)。鉴于步态障碍是未来健康衰退的指标(Li et al., 2025),这一点尤为重要。

因此,智能手杖已成为康复计划中不可或缺的组成部分(Islam et al., 2025)。文献中描述了一类设备的光谱,从用于盲人的仪器化手杖(Han, Yoon, Kim, Jeong, Maeng, Park, Jeon, 2024, Lee, Eguchi, Yeoh, Okumura, Fukuda, 2025, Ranganeni, Sinclair, Ofek, Miller, Campbell, Kolobov, Cutrell, 2023)和被动传感器装备的手杖到主动机器人手杖(Bhattacharjee, Sarkar, Biswas, 2025, Bluethmann, VanDyke, Costigan, O'Shea, Van Scoy, 2023, Guo, He, Zhang, Luo, Wang, Ng, Zhu, Liu, Lee, 2021, Naeem, Assal, 2022, Sun, Li, Zhang, Song, Fan, Yang, 2018, Trujillo-León, de Guzmán-Manzano, Velázquez, Vidal-Verdú, 2021)。后者类别包括倒立摆模型(Bollinger, Neves, Sequeira, 2022, Neves, Sequeira, Santos, 2022)、具有先进传感的多支撑版本(Itadera, Hasegawa, Fukuda, Tanimoto, Kondo, 2017, Itadera, Nakanishi, Hasegawa, Fukuda, Tanimoto, Kondo, 2020, Neves, Sequeira, Santos, 2023, Yan, Huang, Yang, Hasegawa, Fukuda, 2021)以及引导机器人系统(Cai, Ram, Gou, Shaikh, Chen, Wan, Hara, Zhao, Hsu, 2024, Kim, Byrd, Crandell, Walker, Turk, Ha, 2025)。

关于控制策略,导纳控制器(AC)被认为是辅助设备(Abdullahi, Pornpipatsakul, Haruna, Ullah, Chaichaowarat, 2024, Itadera, Cheng, 2022, Kou, Wang, Shi, Xu, Zhan, Guo, 2025, Li, Luo, Gao, Zeng, 2024, Machado, Loureiro, Mello, Díaz, Frizera, 2025b, Mashud, Hasan, Alam, 2025, Xiao, Song, Chen, Mansouri, Ramos, Bleakney, Norris, Hsiao-Wecksler, 2025)和机器人手杖(Itadera, Nakanishi, Hasegawa, Fukuda, Tanimoto, Kondo, 2020, Naeem, Assal, 2022, Sun, Li, Zhang, Song, Fan, Yang, 2018, Yan, Huang, Yang, Hasegawa, Fukuda, 2021)的标准,因为它具有安全和柔顺的人机交互(He, Xue, Yu, Li, Yang, 2020, Sharkawy, Koustoumpardis, 2022)。然而,标准AC在不主动补偿设备自身物理质量的情况下生成运动学参考;在实践中,这种未补偿的惯性会导致机械时延和感知上的"沉重感",损害与用户步态的同步性。

动态补偿(DC)已被证明在减轻工业机械臂的响应延迟方面有效(Ba, Song, Yu, He, Huang, Li, Yuan, Kong, 2021, Wang, Liang, Hu, Xin, 2025b, Zhao, Murakami, Yamakawa, 2024),在辅助系统如外骨骼和轮椅中也同样有效(Andaluz, Canseco, Varela, Ortiz, Pérez, Roberti, Carelli, 2014, Wang, Ren, Ci, Yuan, Zhang, Wang, 2025a)。然而,其在非完整约束机器人手杖导纳控制回路中的集成在很大程度上仍未被探索。与此同时,经典的自适应导纳控制策略(Abdullahi, Pornpipatsakul, Haruna, Ullah, Chaichaowarat, 2024, Zhou, Feng, Li, Liu, Chen, Bi, 2026)通常基于缓慢变化的指标(如用户疲劳或代谢成本)来调整系统参数,这限制了其对突然载荷变化的及时响应能力。这种缺乏即时适应性在辅助行走设备中尤为关键,因为跌倒预防和稳定性(Abidi, Siddiquee, Alkhalefah, Srivastava, 2024, Gaddam, Khan, Thiruvady, 2025, Sam, Lau, Lau, Lau, 2023)要求对瞬时交互力做出快速反应。

在此背景下,机器人辅助设备的进步在改善康复效果和减轻护理负担方面发挥着关键作用(Brinkmann, Fifelski-von B?hlen, Kowalski, Lau, Meyer, Diekmann, & Hein, Nanavati, Ranganeni, Cakmak, 2023, Raj, Kos, 2024, Tam, Tang, Kamsani, Yap, Coffey-Aladdin, Goh, Tan, Lui, Lee, Suresh, et al., 2025),凸显了需要同时确保安全、响应性和直观人机交互的控制策略。

在Tapia, Aguirre, Camacho, Frizera, Roberti, Carelli, 2025a和Tapia, Camacho, Frizera-Neto, Roberti, Carelli, 2025b中报告的初步发现基础上,本文对集成导纳控制、动态补偿和阻抗调节(AC-DC-IM)框架进行了全面的形式化和广泛的实验验证,用于INAUT机器人手杖(IRC)。虽然我们之前的工作引入了将主动惯性延迟消除与基于力的阻尼调整相结合的基本概念,但本研究建立了系统严格的闭环稳定性。此外,它扩展了实证范围,展示了该架构如何持续弥合安全性和响应性之间的差距,在多种具有挑战性的移动场景中成功保持直观的"无限扶手"效果。

最后,本研究对该方法进行了双重验证。首先,通过概念验证研究确认了集成AC-DC-IM框架的技术有效性。其次,一项涉及步态动力学改变的志愿者的初步技术评估表明,系统能够提供充分的支持,并使用标准化问卷严格评估了相关的工作负荷、可用性和用户体验。

基于Tapia, Aguirre, Camacho, Frizera, Roberti, Carelli, 2025a和Tapia, Camacho, Frizera-Neto, Roberti, Carelli, 2025b中先前报告的初步AC-DC-IM框架,本期刊论文的主要贡献是:(i)对在有界建模不确定性下的闭环架构进行基于Lyapunov的正式稳定性分析;(ii)基于每个控制器和操作条件下四种场景各30次重复试验的显著扩展的实验验证;(iii)通过互相关、ISE、统计变异性、置信区间和受控同输入比较对机械时延和跟踪性能进行新的定量表征;以及(iv)使用FFT和基于Welch的相位分析进行频域表征,以量化步态相关振荡和机械相位滞后。

本文其余部分组织如下:第2节详细介绍了IRC上的硬件和软件实现。第3节介绍了控制算法。第4节描述了机器人手杖的实验结果,随后在第5节进行讨论。最后,第6节概述了结论和未来的工作。

第2节

INAUT机器人手杖

为了有效实施所提出的时延补偿控制策略,首先需要建立辅助设备的物理和数学框架。本节介绍了本研究使用的实验平台,INAUT机器人手杖(IRC)。第2.1节详细介绍了硬件架构,包括用于检测人类意图的传感和执行系统。随后,第2.2节形式化了设备的理论动力学模型,定义了

第3节

控制算法

本节描述了在IRC上实现的控制算法。所提出的策略使用分层结构,由低层速度控制器和高层交互控制器组成。如图4所示,高层控制器结合了用户意图检测、导纳控制律、用于对抗惯性效应的动态补偿器以及基于力的阻抗调节机制。这种设置允许实现柔顺的人机交互,同时增强

第4节

实验结果

本节呈现两类结果。为了清晰地区分本研究的创新贡献与初步报告,明确指出,虽然个别代表性试验在Tapia et al. (2025b)和Tapia et al. (2025a)中先前已介绍,但在此评估的时域信号、频率分析和运动学/动力学性能指标代表了新扩展的统计数据集,涵盖每种条件下30次重复试验。此外,

第5节

讨论

虽然与文献中其他先进控制方案的直接实验比较(如Yan et al. (2021)中的跟随人控制或Itadera et al. (2017)中的自适应控制)在我们的硬件上不可行,但定性比较突出了我们的贡献。与标准自适应导纳控制策略(Abdullahi, Pornpipatsakul, Haruna, Ullah, Chaichaowarat, 2024, Zhou, Feng, Li, Liu, Chen, Bi, 2026)不同,后者通常基于

第6节

结论与未来工作

本文提出了AC-DC-IM控制框架的全面形式化和扩展验证,用于导纳控制辅助机器人中的时延缓解。通过将逆动力学补偿系统性地集成到导纳回路中,并通过基于力的阻抗调节来调节交互阻尼,该框架将机械时延作为控制问题来处理,而不仅仅是交互调谐问题。基于Lyapunov的正式分析建立了

作者贡献声明

Jeysson Tapia:撰写——原始草稿、软件、方法论、概念化。Oscar Camacho:撰写——原始草稿、监督、软件、方法论。Anselmo Frizera:撰写——原始草稿、监督、软件、概念化。Flavio Roberti:撰写——原始草稿、监督、软件、方法论。Ricardo Carelli:撰写——原始草稿、监督、软件、方法论。

利益冲突声明

作者声明他们不存在可能影响本文工作的已知竞争性经济利益或个人关系。

Jeysson Tapia是一位电子与控制工程师,拥有生物医学工程和控制系统工程硕士学位。他以荣誉毕业于厄瓜多尔国立理工大学(EPN)、埃斯波利高等理工学院(ESPOL)和圣胡安国立大学(UNSJ)。他目前在UNSJ自动化学研究所攻读控制系统博士学位。他的研究兴趣包括控制、自动化和生物医学系统。自起他一直是IEEE会员

Jeysson Tapia | Oscar Camacho | Anselmo Frizera | Flavio Roberti | Ricardo Carelli

自动化学研究所(INAUT),UNSJ - CONICET,Av. Libertador Gral. San Martín 1109 (O), San Juan J5400ARL, Argentina
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号