《Modelling》:An Adaptive Neuro-Fuzzy Fractional-Order PID Controller for Energy-Efficient Tracking of a 2-DOF Hip–Knee Lower-Limb Exoskeleton
Mukhtar Fatihu Hamza and
Auwalu Muhammad Abdullahi
编辑推荐:
为确保安全且高效的人–机器人交互,用于辅助与康复的下肢外骨骼需要精确且能效高的控制。本研究通过开发一种自适应神经模糊分数阶PID(ANFIS-FOPID)控制器,旨在提升二自由度(2-DOF)髋–膝外骨骼的跟踪精度、鲁棒性及能效。研究人员采用欧拉–拉格朗日(E
为确保安全且高效的人–机器人交互,用于辅助与康复的下肢外骨骼需要精确且能效高的控制。本研究通过开发一种自适应神经模糊分数阶PID(ANFIS-FOPID)控制器,旨在提升二自由度(2-DOF)髋–膝外骨骼的跟踪精度、鲁棒性及能效。研究人员采用欧拉–拉格朗日(Euler–Lagrange)公式推导非线性动力学模型,并基于李雅普诺夫(Lyapunov)稳定性分析,证明闭环系统在扰动与参数不确定性下保持一致最终有界(Uniformly Ultimately Bounded, UUB)。数值仿真表明,所提控制器在正常与扰动条件下均显著优于传统PID与固定参数FOPID控制器。ANFIS-FOPID控制器的均方根误差(Root Mean Square Error, RMSE)低于0.028 rad,并将髋、膝关节的积分绝对误差(Integral Absolute Error, IAE)分别降至0.1454和0.1480,而PID控制器为0.3496–0.3712。在±10%参数不确定性下,总控制能量代理从2870.0(PID)降至936.25,降幅达67.4%,并维持在1587.93。单因素方差分析(one-way ANOVA)确认能量消耗差异统计显著(p < 10?176),且效应量较大(η2 = 0.237–0.314)。这些结果证实ANFIS-FOPID控制器具有优越的跟踪性能、鲁棒性与能效。尽管基于高保真仿真,该研究为未来实验验证与硬件在环(Hardware-in-the-Loop, HIL)实施设定了定量标准。
基于神经模糊自适应机制与分数阶控制理论的下肢外骨骼能效跟踪控制研究
本研究聚焦于下肢外骨骼在康复工程与辅助移动领域的应用。下肢外骨骼作为人机协作机器人系统,需与人体直接交互,以提供髋、膝、踝等关节支撑,适用于中风与脊髓损伤康复、工业负荷搬运、军事训练及老年人移动辅助等场景。然而,控制此类外骨骼面临多重挑战:系统高度非线性,涉及连杆交互、重力效应与关节耦合;人体参数如质量分布、关节刚度和阻尼具有时变不确定性,且肌肉活动产生未建模力作为扰动;同时,安全舒适性要求控制作用平滑,避免过大或抖振执行器扭矩导致不适或损伤;此外,能效至关重要,因许多外骨骼依赖电池供电,控制能耗增加会导致功耗上升、运行时间缩短、执行器过热及部件磨损加剧。因此,开发精确、鲁棒、灵活且能效高的控制系统是必要且紧迫的。
传统比例–积分–微分(PID)控制器虽易于实现且计算需求低,但在外骨骼系统中存在固定增益、扭矩行为激进等局限,对大不确定性、扰动或参数变化鲁棒性有限,难以兼顾能效与适应性。分数阶PID(Fractional-Order PID, FOPID)控制器作为PID的扩展,允许积分与微分阶次取非整数值,提供额外调谐自由度,可改善跟踪性能与平滑性,但固定参数仍限制其在动态条件下的适应性。自适应与智能控制技术,如神经模糊系统,能整合神经网络学习能力与模糊逻辑可解释性,实时调整控制参数以提升鲁棒性与整体性能。然而,现有多数基于自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System, ANFIS)的控制器为整数阶PID,未充分利用分数阶控制优势。系统性地整合分数阶控制与智能自适应机制以实现外骨骼能效控制的研究尚存空白,尤其缺乏对分数阶增益与阶次基于神经模糊机制动态调整的深入探究,且控制能耗常被忽略或仅定性分析,缺乏严格定量与统计评估。
针对上述问题,研究人员开展了基于2自由度髋–膝下肢外骨骼的能效跟踪控制研究。论文发表于《Modelling》期刊。研究内容包括:开发自适应神经模糊分数阶PID(ANFIS-FOPID)控制器,通过欧拉–拉格朗日公式建立非线性动力学模型,结合李雅普诺夫稳定性分析确保闭环系统一致最终有界,并设计ANFIS模块实时调整FOPID增益与分数阶阶次。仿真结果表明,所提控制器在正常与扰动条件下均显著提升跟踪精度、鲁棒性与能效,为下肢外骨骼控制提供了高效且节能的解决方案,对康复与辅助设备具有重要应用价值。
研究人员采用的主要关键技术方法包括:基于欧拉–拉格朗日力学的2自由度下肢外骨骼非线性动力学建模,融合摩擦与扰动效应;设计ANFIS驱动的分数阶PID控制器,通过离线训练与在线推理实现增益与分数阶阶次的实时自适应调整;运用李雅普诺夫方法进行稳定性分析,证明系统在扰动下一致最终有界;在MATLAB/Simulink平台进行仿真,采用正常与扰动条件评估跟踪精度、控制力矩与能耗,并通过单因素方差分析进行统计验证。研究未涉及具体试剂或培养步骤,但基于仿真数据生成与离线训练。
研究结果部分基于论文小标题总结如下:
在系统建模部分,研究人员基于欧拉–拉格朗日公式推导了2自由度髋–膝下肢外骨骼的非线性动态模型,考虑粘性摩擦,并假设外骨骼为刚体、运动限于矢状面、关节理想、无执行器动力学、交互力作为有界扰动。模型显式给出了惯性矩阵、科里奥利与离心矩阵及重力向量,并线性化得到小信号状态空间模型。
在控制器设计部分,研究人员提出ANFIS-FOPID控制器结构。首先定义跟踪误差动态,并基线分数阶PID控制器通过Oustaloup递归近似实现分数阶算子。ANFIS模块用于在线调整FOPID参数,输入为误差及其导数,输出为比例、积分、微分增益及积分、微分阶次的增量。ANFIS采用一阶Sugeno型模糊推理系统,包含模糊化、规则、归一化、后件与输出五层,训练通过混合方法离线完成。最终控制律结合模型补偿与自适应分数阶控制。
在基于李雅普诺夫的稳定性分析部分,研究人员推导了闭环系统误差动态,并构造复合李雅普诺夫函数,包含动能类项、跟踪误差势项与自适应参数误差项。通过分析时间导数,并施加参数有界约束,证明系统在扰动与参数不确定性下一致最终有界。
在仿真设置与性能指标部分,研究人员描述仿真环境为MATLAB/Simulink,采用正弦参考轨迹模拟步态,施加外部扰动与参数不确定性,并定义均方根误差、积分绝对误差等指标及控制能量代理。
在结果与讨论部分,研究人员比较了ANFIS-FOPID与PID、FOPID控制器性能。正常条件下,ANFIS-FOPID控制器跟踪误差最小、力矩平滑、能耗最低。扰动与不确定性条件下,其鲁棒性最佳,误差增长有限且恢复迅速。统计分析显示控制器类型对能耗影响显著,ANFIS-FOPID能效优势明确。研究指出局限性如仅基于仿真,并展望未来实验验证。
总结讨论部分:本研究证实ANFIS-FOPID控制器在外骨骼能效跟踪控制中具有优越性能,为康复与辅助设备提供了有效方法。未来工作包括硬件在环测试、多自由度扩展及能量管理策略集成。
研究结论部分翻译为:在本研究中,一种新颖的自适应神经模糊分数阶PID(ANFIS-FOPID)控制器被用于调控2自由度髋–膝下肢外骨骼。该方案融合了ANFIS的自适应学习与分数阶控制的高调谐灵活性,旨在提升跟踪精度、能效及对扰动与不确定性的抵抗能力。正常操作条件下的仿真结果表明,ANFIS-FOPID控制器始终优于传统PID与固定参数FOPID控制器,表现为更低的跟踪误差(IAE、ITAE、RMSE与最大误差)、更平滑的控制力矩及显著的控制能耗降低。单因素方差分析证实控制能耗差异统计显著,效应量中等至大,验证了性能提升的实际意义。研究结论肯定ANFIS-FOPID控制器为下肢外骨骼提供了鲁棒且能效高的控制方法,适用于康复与辅助设备中对跟踪精度、用户舒适度与能效至关重要的场景。尽管优势明确,仍需实验验证以确认其在实际康复场景中的性能。