主动航天服关节助力外骨骼机器人关键技术研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:catche
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在未来太空探索中,诸多工作(如航天设备装配维修、航天器在轨捕获释放、太空货物搬运、月岩标本采集以及低微重力环境下科学试验等)需要航天员在多种复杂地形或重力环境下携带大量设备和标本,并进行长时间、大范围、多任务的出舱活动。与传统的舱内活动不同,当前的空间站在轨作业以及未来的星表探测作业都需要航天员穿着厚重的舱外航天服,同时要求舱外航天服关节系统具备良好的运动灵活性。然而,多层织物结构的舱外航天服由于压力防护,导致其关节系统在运动时会产生明显的阻力矩,增加了航天员额外的体能消耗,严重影响未来出舱任务的完成质量。因此,本文首次开展了主动航天服的关节助力外骨骼机器人研究,即在现有舱外航天服基础上融合先进的外骨骼机器人技术,使航天员-航天服-外骨骼机器人成为高度耦合的复杂力量增强型系统,减轻关节阻力矩与设备负重对航天员出舱活动的影响。本论文的主要研究工作如下所示:1.考虑到与现有舱外航天服结构尺寸的匹配要求,开展了关节助力外骨骼机器人结构工效学设计与尺寸优化研究。首先,探究了主动航天服与航天员出舱活动时需满足的工效学要求,通过测量穿戴者-航天服的人服系统参数完成第一代关节助力外骨骼机器人的结构设计方案。其次,根据使用反馈提出了结构改进方案,并开展了负重状态下第二代外骨骼机器人的静力学分析及模态分析。最后,为进一步减轻整体质量开展了尺寸优化设计,优化后的整体质量相较于优化前第二代及第一代样机分别下降了19.34%和40.03%,验证了尺寸优化方案的可行性。2.针对舱外航天服关节阻力矩因迟滞特性导致建模困难的问题,开展了基于改进型J-A(Jiles-Atherton)模型的舱外航天服关节阻力矩迟滞特性模拟研究。首先,基于美国EMU(Extravehicular Mobility Unit)舱外航天服已有数据,开展了关节阻力矩的数据拟合,得到了EMU航天服肩、肘、髋、膝关节阻力矩与运动角度的迟滞关系。其次,分析了改进型J-A迟滞模型与关节阻力矩迟滞特性的相合性,提出了一种模拟退火-粒子群优化(Simulated Annealing-Particle Swarm Optimization,SA-PSO)算法去辨识J-A模型的参数,与已有的优化算法对比验证了所提出算法的有效性与性能优势。此外,辨识的J-A模型可对未知关节运动进行阻力矩预测。最后,针对建模误差特点设计了简单有效的误差补偿函数,进一步减小了对未知关节阻力矩的预测误差。3.考虑到人服(穿戴者-主动航天服)交互系统存在的交互力矩以及关节阻力矩,建立了面向模拟月表样品采集任务的关节助力外骨骼机器人非线性动力学模型。首先,通过分析航天员典型的出舱任务,设计了一种模拟月表样品采集任务,包括月表行走、下蹲站起与站立转移样品等动作。其次,搭建了悬吊式低微重力模拟实验架和人体运动信息采集系统,开展了完成模拟月表采样任务的关节运动特征研究。最后,基于已建立的动力学模型,开展了未着服、着服未充压、着服充压三种状态下的关节需用力矩与做功绝对值计算。相较于未着服状态,着服充压后月面行走和下蹲站起时的髋关节做功绝对值分别增长了289.05%和663.9%,理论计算结果验证了充压航天服对航天员关节运动的阻碍效果。4.考虑到非线性动力学模型存在的建模误差以及人服交互系统存在的外界干扰、设备负重变化以及受不同穿戴者影响等不确定性因素,提出了一种基于穿戴者-主动航天服交互的自适应导纳控制方法。首先,设计了一种基于自适应鲁棒模糊控制的位置内环,增强对给定参考轨迹的跟踪效果。其次,针对不同穿戴者或同一穿戴者处于不同状态,设计了一种自适应RBF(Radial Basis Function)神经网络控制器,用于整体逼近变化的人服交互模型。然后,设计了一种带时变刚度参数的力阻抗修正外环,减小人服交互系统的交互力与轨迹跟踪误差,通过模拟月表样品采集任务仿真验证了所提出控制算法的可行性与鲁棒性。最后,理论仿真结果证明了关节助力外骨骼机器人的运动助力效果。5.为了验证所提出的自适应导纳控制算法,搭建了主动航天服实验平台,用于开展关节助力外骨骼机器人随动助力试验。首先,从已设计的外骨骼机器人样机、硬件系统和软件系统等方面介绍了主动航天服。其次,在正常地面测试环境中完成对模拟月表样品采集任务的运动跟随试验,验证了自适应导纳控制器的运行稳定性以及对穿戴者运动轨迹的快速跟随性,且人服交互系统的轨迹跟踪误差与交互力均逐渐减小。最后,在模拟低微重力测试环境中开展了站立转移样品的运动助力试验,采集3名实验人员仅着模拟航天服与着主动航天服的心率值,根据心率值与耗氧量的经验公式,3名实验员耗氧量均下降且最大降低了9.72%,理论证明了关节助力外骨骼机器人的随动助力效果。
其他文献
二维层状材料,例如石墨烯(graphene),二硫化钼(Mo S2),二硒化钨(WSe2),氮化硼(h-BN)等,具有原子级的厚度和优异的电学、力学及光学等物理特性,在新型二维器件的研究和应用中展示出巨大的潜力;诸如二维晶体管、反相器和二维机电谐振器等各类新型二维器件也引起了国内外的广泛关注,不断催生出新的重要研究成果。在二维器件研究中,器件制备工艺是一个十分重要的环节,不仅直接影响到各类器件研究
随着红外探测技术的不断发展,探测精度逐步提高,飞行器的红外隐身设计面临严峻挑战。特别是基于速度突防的理念,飞行器的飞行速度越来越快,导致其表面温度和红外辐射强度急剧升高,受到的红外探测威胁也与日俱增,需要采用有效的红外隐身措施,以提高战场生存能力。与通常的载人飞行器相比,无人高速飞行器的红外隐身面临战场环境复杂、服役环境恶劣、材料性能要求高、多频谱兼容隐身困难等一系列问题,使其红外隐身设计的难度更
空间电磁场是指分布于空间中且忽略时间因子后的稳态或准稳态电磁场。传统的空间电磁场分布调控侧重于远场区的波束方向图赋形。然而随着电磁理论与技术的不断发展,以局域微波热疗、近场成像、近场无线输能等为代表的应用场景,不再侧重对角度域波束进行控制,而是希望在任意给定目标区域内对电磁场的空间分布进行精细化调控,从而更为准确地实现能量传递或信息获取。尽管目前已经有诸如近场聚焦、平面波综合等专门类型的电磁场赋形
湿地是地球上生产力最高的生态系统之一,为生物圈和人类社会提供了一系列必不可少的生态服务功能。然而,当前湿地却面临着来自气候变化和人类活动的双重胁迫,导致了天然湿地的严重退化和萎缩,这使得针对湿地未来气候风险的评估研究以及相应的适应性管理策略的制定迫在眉睫。明确不同类型环境因子如何影响湿地物种的生境适宜性是制定科学湿地管理策略的首要前提,能够为气候变化下优先保护物种和区域的选取提供科学指导。生态位模
高压BCD(Bipolar-CMOS-DMOS)工艺将Bipolar器件、CMOS器件、DMOS功率器件同时制作在同一芯片上,综合了三类器件各自的优点,使得设计人员可以灵活地设计集成了功率、模拟和数字信号处理功能的功率集成电路。自上世纪80年代意法半导体公司首次研发成功之后,高压BCD工艺短时间内即成为了功率集成电路的主流制造工艺,并对功率半导体领域产生了深远的影响。从衬底材料的分类上,BCD技术
随着风电系统和区域电网之间互联进程的加快,各类频发的故障事件(如短路故障、负荷突增、发电机故障切除等)以及风能间歇式特性引起的故障,正在威胁系统的安全稳定运行。因此,开展风电互联电力系统的安全性评估及安全稳定性提升的控制,对于保障风电互联电力系统的安全稳定运行具有重要意义。目前,在大规模风电并网场景下,由于并网接口采用变流器,从而使风电系统与电力系统解耦,导致风电互联电力系统的等效旋转惯量降低,削
随着通信用户的增多,传统的地面通信网络已无法满足人们对无线通信超可靠性、高服务质量、多样性的需求。无人机通信作为一种典型的空中通信手段,能够为用户提供高可靠性、高灵活性、易部署、低成本的通信服务,被视为未来空中网络解决方案和地面通信的补充。面向增强通信覆盖和应急通信的需求,单无人机中继和无人机集群基站是两个典型通信场景。资源管理是无人机通信系统中的一项关键技术,由于传统的无线资源管理技术根据完全且
锂硫(Li-S)电池在理论能量密度、材料比容量和原材料成本方面具有巨大的优势,被认为是最具希望的下一代高性能电化学储能器件之一。然而,Li-S电池由于存在一定的缺陷和问题而表现出较低的容量和循环寿命,这导致其商业化进程受到了阻碍。目前Li-S电池在正极方面主要的问题包括:正极上的硫和放电产物Li2S导电性差以及它们的氧化还原反应速率缓慢;硫的中间产物多硫化锂物种(Li PSs)在电解液中溶解和扩散
自从特斯拉于十九世纪开展无线能量传输技术(Wireless Power Transfer,WPT)相关实验以来,无线能量传输技术距今已经有一百多年的发展历程。而近年来,由于磁耦合感应式无线能量传输技术(Inductive Power Transfer,IPT)与磁耦合谐振式无线能量传输技术(Magnetically Coupled Resonance Wireless Power Transfer
随着我国人口老龄化趋势不断加速,以康复机械手为代表的康复机器人技术可以有效替代传统人工康复训练,帮助患者修复受损神经,恢复身体机能。现有康复机械手一般采用电机、液压和气压等方式驱动,普遍存在结构复杂、重量较大、冲击力强、自适应和安全性差等问题。NiTi形状记忆合金(Shape memeory alloy,SMA)因其特有的超弹性(Superelasticity,SE)和形状记忆效应(Shape m