随着现代康复医学的发展,利用机器人辅助脑中风患者患肢进行康复训练已成为国内外研究的热点之一。上肢康复机器人是一种以脑中风患者为康复对象,辅助康复医师进行康复训练的机器人系统。康复机器人和传统机器人有着较大的不同,首先在康复训练过程中需要考虑患者的安全性、康复的有效性以及患者对机器人的接受程度,其次在设计时需要综合考虑人体的结构机理、机器人学以及康复医疗学等多门学科知识。本文针对上肢康复机器人数学模型建立不精确问题,康复训练过程中所出现的不确定性扰动问题以及患者在康复训练过程中的安全性问题。首先建立了上肢康复机器人的数学模型,采用变参数粒子群算法(particle swarm optimization,PSO)辨识出了上肢康复机器人精确的动力学模型参数,然后通过模糊补偿算法抑制康复机器人在康复训练过程中所出现的不确定性扰动,最后利用阻抗控制算法对患者在康复训练过程中进行了有效的保护。主要研究工作如下:(1)上肢康复机器人系统数学模型的建立。首先对人体的结构以及患者的实际情况进行分析,通过Proe软件建立了上肢康复机器人的三维建模。然后根据上肢康复机器人关节与连杆在空间中的齐次坐标变化,利用D-H(Donative-Hartenberg)法建立了上肢康复机器人的运动学模型,另外采用机器人工具箱(Robotics Toolbox)对上肢康复机器人进行运动学模拟实验,从而验证所建运动学模型的合理性。最后通过拉格朗日方程法建立上肢康复机器人的动力学模型,通过Matlab实验得到了康复机器人动力学模型中各关节的理论控制力矩。(2)上肢康复机器人系统动力学模型参数辨识。在康复训练的过程中,患者手臂的重量会对上肢康复机器人施加额外的负载,这导致难以建立精确的上肢康复机器人动力学模型,于是采用了一种变参数粒子群算法对上肢康复机器人的动力学模型参数进行辨识。通过Matlab进行上肢康复机器人动力学模型参数辨识的仿真实验,同时与传统的最小二乘算法的辨识效果进行对比。仿真实验结果表明,相比最小二乘算法,变参数粒子群算法对上肢康复机器人系统动力学模型参数的辨识结果更加精确,另外该算法可以有效的减小上肢康复机器人在康复训练过程中的轨迹跟踪误差。(3)基于模糊补偿的上肢康复机器人滑模控制。患者在康复训练的过程之中,会对上肢康复机器人施加一定的力,同时外界也会产生一些不确定性扰动。所以在上肢康复机器人精确数学模型的基础上,使用一种基于模糊补偿的滑模控制算法,该算法应用于上肢康复机器人的康复训练轨迹的跟踪控制过程中。首先设计了滑模控制器,在滑模控制器中引入模糊补偿环节,通过加入模糊补偿来抵消环境以及患者对康复机器人系统带来的不确定性干扰。然后通过李雅普诺夫稳定性理论详细的证明了该控制律的稳定性。最后通过Matlab仿真实验,与比例-微分控制相比,仿真实验结果也表明,基于模糊补偿的上肢康复机器人滑模控制在保证上肢康复机器人跟踪精度的同时,可以抵消患者在康复训练过程中对上肢康复机器人施加的力以及不确定的外界扰动。(4)上肢康复机器人阻抗控制。针对患者在康复训练过程中出现的肢体突发僵硬现象,使用阻抗控制算法。该算法应用于上肢康复机器人的康复训练轨迹的跟踪控制之中。首先设计了阻抗控制器,该控制器通过计算患者和康复机器人之间在受限位置的相对位移与因此产生的相互作用力之间的关系来实现控制过程中对患者的柔顺性。然后采用李亚普洛夫稳定性理论对该算法进行了详细的收敛性分析。最后通过Matlab仿真实验表明,该控制算法可以保证上肢康复机器人在训练过程具有一定跟踪精度的同时,可以通过顺从患者僵硬肢体的方式有效的保护患者的安全。