肌肉力驱动系统动力学模型、网络遥操作中的应用.pdf

肌肉力驱动系统动力学模型、网络遥操作中的应用，涉及机器人技术领域，一种基于肌肉力驱动的手臂—游戏杆系统的动力学模型的建立方法，首先在Hill的结构模型基础上，针对操作者保持紧张程度不变情况，建立肌肉动力学模型；然后建立了肌肉力驱动的操作者手臂—游戏杆动力学模型；最后给出了肌肉驱动系统的补偿原理。本发明可以在已知操作者身高、体重的情况下，建立手臂动力学模型，并进而得到肌肉控制模型。本发明推导出肌肉驱动系统的补偿原理。这种在肌肉力驱动层面上对人体肌肉控制模型的动力学研究对促进网络遥操作技术发展具有意义。

1.  肌肉力驱动系统动力学模型、网络遥操作中的应用，一种基于肌肉力驱动的手臂-游戏杆系统的动力学模型的建立方法，其特征在于：首先在Hill的结构模型基础上，针对操作者保持紧张程度不变情况，建立肌肉动力学模型；然后建立了肌肉力驱动的操作者手臂—游戏杆动力学模型；最后给出了肌肉驱动系统的补偿原理。

2.  根据权利要求1所述的肌肉力驱动系统动力学模型、网络遥操作中的应用，其特征在于，所述的人体肌肉动力学模型是根据Hill模型建立的肌肉—负载的动态特性方程，在其上叠加上人体手臂动力模型和游戏杆动力学模型，最终得到针对手臂操作游戏杆的肌肉力驱动的手臂—游戏杆模型。

3.  按照权利要求1所述肌肉力驱动系统动力学模型、网络遥操作中的应用，其特征在于：肌肉力驱动系统动力学模型，将其应用到网络遥操作中，根据逆补偿原理对肌肉力驱动系统动力学模型进行补偿器，从而减小了遥操作机器人中操作者的操作时延。

4.  按照权利要求1所述肌肉力驱动系统动力学模型、网络遥操作中的应用，其特征在于：对人体骨骼肌肌肉力学模型中不可测量，即“肌肉激活度”通过实验得出在操作者保持紧张程度不变情况下“肌肉激活度”与肌肉收缩长度和速度成正比这一结论，在此基础上，针对手臂的动力学特性、游戏杆的动力学特性，建立肌肉力驱动的手臂—游戏杆系统动力学模型。

肌肉力驱动系统动力学模型、网络遥操作中的应用
技术领域
本发明涉及机器人技术领域，具体地说是通过对肌肉力动作模型的建立，解决网络遥操作机器人系统中操作者的操作延迟问题。
背景技术
目前，基于双向力反馈的网络遥操作系统中，关于操作者作用力模型一般都是假设已知的，肌肉驱动的动力学模型还没有，这影响了网络遥操作系统建模和分析的成果在实际中的应用。由于操作者的作用力是由肌肉产生的，因此在肌肉力驱动层面上对人体肌肉控制模型的动力学进行研究，有利于遥操作机器人采样控制系统的建模和分析。另一方面，由于肌肉驱动动力学系统的非线性、时变性、自适应性和滞后性，其动态响应延迟时间长、震荡大、调整时间长，这无形中增大了操作者的操作延迟。操作者本身是一个非常复杂的大系统，其动力学操作行为具有很强的非线性、时变性、自适应性和滞后性等特性，因此采用数学模型来精确地描述操作者的动力学模型是非常困难的。研究肌肉力驱动手臂操纵游戏杆的动力学问题，对肌肉力驱动手臂操纵游戏杆的动作过程建立动态模型，通过对肌肉驱动系统的逆补偿器的设计，对于减少操作者的操作延迟，提高网络遥操作机器人的实时控制在遥操作领域中具有重大的意义和实用价值。但目前没有这方面的报道。
发明内容
本发明的目的是提供一种减少遥操作机器人系统操作延迟的新方法。通过在肌肉力上对人体肌肉控制模型的动力学研究基础之上，对人体操作游戏杆进行建模。
本发明技术方案为：
肌肉力驱动系统动力学模型、网络遥操作中的应用，一种基于肌肉力驱动的手臂-游戏杆系统的动力学模型的建立方法，首先在Hill的结构模型基础上，针对操作者保持紧张程度不变情况，建立肌肉动力学模型；然后建立了肌肉力驱动的操作者手臂—游戏杆动力学模型；最后给出了肌肉驱动系统的补偿原理。
所述的肌肉力驱动系统动力学模型、网络遥操作中的应用，所述的人体肌肉动力学模型是根据Hill模型建立的肌肉—负载的动态特性方程，在其上叠加上人体手臂动力模型和游戏杆动力学模型，最终得到针对手臂操作游戏杆的肌肉力驱动的手臂—游戏杆模型。
所述肌肉力驱动系统动力学模型、网络遥操作中的应用，肌肉力驱动系统动力学模型，将其应用到网络遥操作中，根据逆补偿原理对肌肉力驱动系统动力学模型进行补偿器，从而减小了遥操作机器人中操作者的操作时延。
所述肌肉力驱动系统动力学模型、网络遥操作中的应用，对人体骨骼肌肌肉力学模型中不可测量，即“肌肉激活度”通过实验得出在操作者保持紧张程度不变情况下“肌肉激活度”与肌肉收缩长度和速度成正比这一结论，在此基础上，针对手臂的动力学特性、游戏杆的动力学特性，建立肌肉力驱动的手臂—游戏杆系统动力学模型。
本发明具有如下优点：
本发明可以在已知操作者身高、体重的情况下，建立手臂动力学模型，并进而得到肌肉控制模型。本发明推导出肌肉驱动系统的补偿原理。这种在肌肉力驱动层面上对人体肌肉控制模型的动力学研究对促进网络遥操作技术发展具有重要的意义。
附图说明
图1为本发明肌肉动特性结构；
图2为Hill肌肉模型；
图3为本发明肌肉力与肌肉长度、速度关系属性；
图4为本发明肌肉力驱动的手臂—游戏杆结构；
图5为本发明肌肉驱动系统结构原理；
图6为本发明肌肉驱动系统动力学补偿结构。
具体实施方式
实施例1
如图1所示，激活动态特性对应于神经兴奋到肌肉激活度之间的传输过程，把神经元输入信号u(t)转变为肌肉激活度a(t)。肌肉激活度a(t)和神经元输入信号u(t)的动态特性关系：
τ da ( t ) dt + a ( t ) = u ( t ) - - - ( 1 ) ]]>
其中τ------肌肉激活度的时间常数。
如图2所示，收缩动态特性利用Hill肌肉模型来表示。它包括三个组成部分：收缩元、并联弹性元和串联弹性元。并联弹性元和串联弹性元代表包括肌腱和非活性的肌肉纤维在内的柔性连接组织，而收缩元表示了肌肉中的肌纤维的收缩产生的力的特性，因此肌肉的力可用收缩元的力表示，其力学方程模型可以表示为：
F ~ ( t ) = f ~ v ( v ~ ) f ~ l ( l ~ ) a ( t ) - - - ( 2 ) ]]>
其中为规一化肌肉力，为规一化肌肉力—速度关系函数，为规一化力—长度关系函数。设肌肉的最大收缩力为F_max、松弛长度为l_slack、最大速度为v_max，肌肉当前时刻的力为F(t)、长度为l、速度为v，则有：
F ~ ( t ) = F ( t ) F max , ]]> v ~ = v v max , ]]> l ~ = l l slack - - - ( 3 ) ]]>
图3肌肉力—速度属性和肌肉力—长度属性图。
通过实验测量肌肉收缩长度与“肌肉激活度a(t)”的关系近似为一阶惯性环节。即
L ~ ( s ) A ( s ) = K Ts + 1 - - - ( 4 ) ]]>
图4肌肉力驱动的手臂—游戏杆结构图。其中，为操作者肌肉作用力，F_m(t)为反映远端机器人与环境的相互作用关系的虚拟力，f_h(t)为操纵杆产生的速度命令。
前臂的动力学方程为：
τ ( t ) = ( I + mL g 2 ) θ . . + mg L g cos θ - - - ( 5 ) ]]>
游戏杆的动力学模型：
B m X . ( t ) + K m X ( t ) = F d ( t ) - F m ( t ) - - - ( 6 ) ]]>
其中B_m和K_m分别表示操纵杆的阻尼系数和弹簧弹性系数，X(t)＝[x，y]^T表示操纵杆距离中心点偏移量。
根据式(1)～(6)可推导出肌肉力驱动的手臂—游戏杆模型为：
G₂(s)J^-T[HF(s)-T(s)]-G₂(s)F_m(s)＝f_h(s)     (7)
图5为肌肉驱动系统结构原理。
图6为了补偿肌肉延迟带来的操作者的操作延迟，设计补偿器结构如图6中虚线框所示，其中Y(s)为肌肉驱动系统补偿后的输出，有：
Y(s)＝(I+K·M(s))^-1K·M(s)·R(s)
                                          (8)
当K→∞时，Y(s)＝R(s)，即肌肉驱动系统的输出不受肌肉延迟的影响，实现了“想到”立即“做到”。
本发明在肌肉力驱动层面上对人体肌肉控制模型的动力学分析的基础上提出一种方法，提高了网络遥操作系统建模的分析的成果在实际应用中的利用率。本发明最大优点在于把在遥操作中的操作者这个庞大而又复杂的系统，针对肌肉力驱动手臂操作游戏杆的动作建立了动态模型。本发明为进行网络遥操作机器人及相关技术的发展开辟了新的技术途径。