基于Simulink的下肢外骨骼機(jī)器人模糊PID控制與仿真分析

萬(wàn)東寶 王虎奇 叢佩超 龍耀祖 陳熙來(lái) 李文彬

摘 要：為研究下肢外骨骼的軌跡跟蹤控制，結(jié)合人體生物學(xué)特點(diǎn)及戶外助力要求，設(shè)計(jì)了一款可穿戴式下肢外骨骼機(jī)器人。針對(duì)PID控制在軌跡跟蹤時(shí)無(wú)法消除擾動(dòng)的問(wèn)題，為實(shí)現(xiàn)下肢外骨骼的柔順控制，設(shè)計(jì)了一種模糊PID控制算法。首先在Solid Works上進(jìn)行外骨骼結(jié)構(gòu)設(shè)計(jì)，然后將外骨骼模型導(dǎo)入Simulink中搭建動(dòng)力學(xué)仿真模型，對(duì)髖、膝、踝六關(guān)節(jié)驅(qū)動(dòng)輸入正常人體行走的力矩信息，在仿真模型中分別用普通PID控制器與模糊PID控制器對(duì)比控制效果，并對(duì)比了步態(tài)輸入曲線與實(shí)際跟蹤曲線。通過(guò)仿真結(jié)果對(duì)比可知，模糊PID控制相較于普通PID控制具有響應(yīng)速度快、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。

關(guān)鍵詞：下肢外骨骼機(jī)器人；模糊PID控制；Solid Works；Simulink

中圖分類號(hào)：TP272.3；R496 DOI：10.16375/j.cnki.cn45-1395/t.2023.02.013

0 引言

近年來(lái)，我國(guó)老齡化趨勢(shì)嚴(yán)重，人口年齡結(jié)構(gòu)正發(fā)生翻天覆地的變化[1]。有數(shù)據(jù)表明，到2050年，我國(guó)老年人的占比將會(huì)達(dá)到29%及以上[2]。老年人口增加導(dǎo)致中風(fēng)等下肢運(yùn)動(dòng)障礙的人群不斷增加。研究發(fā)現(xiàn)，醫(yī)療器械通過(guò)輔助患者運(yùn)動(dòng)可以在很大程度上幫助中風(fēng)等運(yùn)動(dòng)障礙患者康復(fù)。其中下肢外骨骼機(jī)器人是一種向患者肢體施加外部扭矩并為其提供助力的裝置，可用于肌肉或神經(jīng)疾病患者的下肢運(yùn)動(dòng)康復(fù)[3-4]，是解決下肢殘疾、老人助行等問(wèn)題最具潛力的途徑之一。因此下肢外骨骼機(jī)器人在未來(lái)具有廣闊的發(fā)展前景。

任何下肢外骨骼機(jī)器人的助力效果取決于其采用的控制策略。如何識(shí)別各驅(qū)動(dòng)關(guān)節(jié)與穿戴者肢體之間的相互作用是一項(xiàng)困難的任務(wù)。因此，不同關(guān)節(jié)處的有效魯棒控制是下肢外骨骼機(jī)器人良好性能的必要條件[5]。國(guó)內(nèi)外研究者對(duì)相關(guān)控制策略進(jìn)行了大量的研究。Al Rezage等[6]對(duì)用于老年患者的下肢外骨骼機(jī)器人模糊PID控制技術(shù)進(jìn)行仿真研究，其中的模糊邏輯控制器用于調(diào)整傳統(tǒng)PID控制器的3個(gè)參數(shù)。Yin等[7]提出了一種個(gè)性化下肢外骨骼機(jī)器人的自適應(yīng)控制方法，在肌肉-肌腱模型的支持下，使用模糊規(guī)則插值方法來(lái)實(shí)現(xiàn)所提出控制策略的自適應(yīng)調(diào)節(jié)。Laubscher等[8]在阻抗控制器的基礎(chǔ)上與滑膜控制結(jié)合，提出了一種新型混合控制器，該控制器能以較低的反饋扭矩幅度實(shí)現(xiàn)相同的步態(tài)模式。Liu等[9]將粒子群優(yōu)化（PSO）算法與PID控制算法相結(jié)合，很好地解決了PID控制器過(guò)早收斂的問(wèn)題。Long等[10]提出了一種基于擴(kuò)展?fàn)顟B(tài)觀測(cè)器的滑膜控制策略，并對(duì)3名受試者進(jìn)行步行實(shí)驗(yàn)，證明了該方法可以很好地跟蹤人體步態(tài)軌跡。張玉明等[11]采用模糊神經(jīng)網(wǎng)絡(luò)阻抗控制算法對(duì)阻抗參數(shù)進(jìn)行優(yōu)化，改善了下肢康復(fù)外骨骼機(jī)器人系統(tǒng)的穩(wěn)定性與安全性。

以上控制策略多以PID控制算法為主，雖然取得了一定的控制效果，但下肢外骨骼機(jī)器人作為一種具有較高不確定性和非線性的多輸入多輸出系統(tǒng)，在人機(jī)交互力和外界干擾的影響下，其各個(gè)關(guān)節(jié)的實(shí)際運(yùn)動(dòng)角度與人體正常步態(tài)的運(yùn)動(dòng)規(guī)律存在一定的偏差。由于PID控制器的參數(shù)在控制過(guò)程中恒定，因此，當(dāng)系統(tǒng)受到較大干擾時(shí)，容易出現(xiàn)超調(diào)和響應(yīng)速度慢等問(wèn)題，無(wú)法較好地消除偏差，魯棒性較差。

針對(duì)以上問(wèn)題，本文以實(shí)現(xiàn)更柔順的軌跡跟蹤為目標(biāo)，根據(jù)人體生物學(xué)特點(diǎn)設(shè)計(jì)了一款下肢外骨骼機(jī)器人，并為其匹配了一種模糊PID控制算法。結(jié)合下肢外骨骼機(jī)器人行走特點(diǎn)在Simulink上搭建了外骨骼的動(dòng)力學(xué)仿真模型，對(duì)髖、膝、踝6個(gè)驅(qū)動(dòng)關(guān)節(jié)分別采用普通PID和模糊PID控制器進(jìn)行了仿真分析，比較了普通PID和模糊PID髖、膝、踝關(guān)節(jié)步態(tài)曲線的跟蹤效果及存在外部干擾時(shí)控制系統(tǒng)的魯棒性。

1 下肢外骨骼整體設(shè)計(jì)

機(jī)構(gòu)靈巧、穿戴舒適、追求人機(jī)協(xié)同的高度契合性，是外骨骼機(jī)器人本體結(jié)構(gòu)設(shè)計(jì)的核心要素[12]。根據(jù)人體生物學(xué)的特點(diǎn)，人體步行運(yùn)動(dòng)主要發(fā)生在矢狀面內(nèi)，其運(yùn)動(dòng)幅度較大；冠狀面內(nèi)運(yùn)動(dòng)的幅度較小，但其具有保持平衡的作用。因此，為了最大程度地實(shí)現(xiàn)外骨骼與人體貼合，在結(jié)構(gòu)設(shè)計(jì)時(shí)采用驅(qū)動(dòng)矢狀面的關(guān)節(jié)、冠狀面關(guān)節(jié)被動(dòng)驅(qū)動(dòng)的方式。為了防止關(guān)節(jié)轉(zhuǎn)動(dòng)角度過(guò)大，在各轉(zhuǎn)動(dòng)關(guān)節(jié)處進(jìn)行限位設(shè)計(jì)以保證穿戴者的安全，具體限位角度如表1所示。本文采用maxon盤(pán)式電機(jī)對(duì)各個(gè)關(guān)節(jié)矢狀面進(jìn)行驅(qū)動(dòng)，且在髖連接件和髖固定件之間通過(guò)光軸臥式支架進(jìn)行軸向固定，如圖1（a）所示，使髖關(guān)節(jié)可以在冠狀面轉(zhuǎn)動(dòng)，以此來(lái)體現(xiàn)“人在環(huán)中”的優(yōu)勢(shì)。同時(shí)為了減輕穿戴者的負(fù)擔(dān)，整體構(gòu)架采用鋁7050材料搭建，以達(dá)到輕量化的效果。為了使外骨骼可以適合不同身材的人穿戴，在腿桿和腰部設(shè)置調(diào)節(jié)機(jī)構(gòu)。整體外骨骼結(jié)構(gòu)如圖1（b）所示。根據(jù)《中國(guó)成年人人體尺寸》（GB/T 10000—1988）確定腿桿和腰部的調(diào)節(jié)范圍（見(jiàn)表2），以滿足身高155～178 cm的穿戴者使用。

2 模糊PID控制器的設(shè)計(jì)

應(yīng)用于下肢外骨骼機(jī)器人的控制方法有很多，如：PID控制、自適應(yīng)控制、最優(yōu)控制、模糊PID控制和解耦控制等。在眾多控制算法中，PID算法通過(guò)對(duì)誤差進(jìn)行比例、積分、微分處理以達(dá)到控制效果，具有控制簡(jiǎn)單、適應(yīng)性好等優(yōu)點(diǎn)。其控制原理如圖2所示。

圖中，e（t）為輸入值r（t）和控制器實(shí)際輸出值y（t）之差：

e（t）=r（t）-y（t）. （1）

其控制規(guī)律為：

u（t）=KPe（t）+KI[0te（t）dt]+KD[de（t）dt]. （2）

式中：u（t）為PID控制器的輸出值，[0te（t）dt]為累計(jì)誤差值，e（t）為誤差值，KP、KI、KD分別為比例參數(shù)、積分參數(shù)、微分參數(shù)。

雖然PID控制器實(shí)現(xiàn)簡(jiǎn)單，適用性強(qiáng)，但當(dāng)控制對(duì)象發(fā)生變化時(shí)，控制器響應(yīng)較慢，控制器參數(shù)難以實(shí)現(xiàn)自我調(diào)整。而模糊控制通過(guò)人們?nèi)粘？偨Y(jié)的調(diào)參經(jīng)驗(yàn)來(lái)動(dòng)態(tài)調(diào)整控制系統(tǒng)，具有響應(yīng)速度快、抗干擾能力強(qiáng)等優(yōu)點(diǎn)[13]。因此，對(duì)于下肢外骨骼機(jī)器人這類多輸入多輸出的復(fù)雜系統(tǒng)，本文采用模糊PID控制器來(lái)對(duì)參數(shù)進(jìn)行調(diào)整。

2.1 模糊PID控制器的設(shè)計(jì)

模糊PID控制系統(tǒng)框圖如圖3所示。將關(guān)節(jié)角度期望值和實(shí)際值之間的誤差E和其誤差的變化率EC作為輸入值，再通過(guò)模糊控制器進(jìn)行模糊化、近似推理、清晰化處理后，輸出P、I、D等3個(gè)參數(shù)的修正量ΔKP、ΔKI、ΔKD到PID控制器，經(jīng)過(guò)換算后得到關(guān)節(jié)力矩，然后輸出給外骨骼機(jī)器人。本文將從模糊化、模糊推理、精確化3個(gè)方面對(duì)模糊PID控制器進(jìn)行設(shè)計(jì)。

2.1.1 模糊子集與隸屬函數(shù)的確定

建立模糊PID控制器，首先確定輸入與輸出的模糊子集。規(guī)定輸入、輸出的模糊集合均為{負(fù)大（NB），負(fù)中（NM），負(fù)?。∟S），零（ZO），正?。≒S），正中（PM），正大（PB）}；輸入變量E、EC和輸出變量的模糊論域分別映射到{-3，3}和{-2，2}。控制器輸入變量E和EC的量化因子分別為：KE=8，[KEC]=2?？刂破鬏敵鲎兞縆P、KI、KD的比例因子分別為：PK=0.8，IK=0.7，DK=0.9。同時(shí)為了提高參數(shù)與系統(tǒng)的匹配度，輸入和輸出變量均選擇三角形隸屬度函數(shù)，如圖4所示。

2.1.2 模糊規(guī)則的建立

模糊算法的核心為制定合適的推理規(guī)則[14]。結(jié)合PID參數(shù)，得到模糊規(guī)則如表3所示。以第一行第一列為例：當(dāng)E取負(fù)大（NB）、EC取負(fù)大（NB）時(shí)，輸出值ΔKP取正大（PB），ΔKI取負(fù)大（NB），ΔKD取正?。≒S）。即當(dāng)實(shí)際值比期望值小太多，且誤差變化速率負(fù)向增大時(shí)，說(shuō)明此時(shí)誤差進(jìn)一步增大。為了加快系統(tǒng)響應(yīng)速度，防止系統(tǒng)超調(diào)，應(yīng)當(dāng)迅速增大KP值，減小KI值；同時(shí)為了改善系統(tǒng)的動(dòng)態(tài)性能，應(yīng)適當(dāng)增加KD值，具體的變化量還要根據(jù)實(shí)際PID調(diào)節(jié)的參數(shù)進(jìn)行調(diào)整。

2.1.3 模糊推理與解模糊

建立模糊規(guī)則后，還要經(jīng)過(guò)模糊推理得到輸出參數(shù)的模糊解。在工業(yè)模糊控制系統(tǒng)中，Mamdani算法計(jì)算簡(jiǎn)單，切實(shí)可行，應(yīng)用最為廣泛。因此，本文采用此算法，結(jié)合隸屬度函數(shù)和模糊規(guī)則，得到輸入論域E、EC分別映射到輸出論域ΔKP、ΔKI、ΔKD的模糊關(guān)系RP、RI、RD分別為：

[RP=i=1，j=1i=7，j=7[（Ei×ECj）×KPij]]， （3）

[RI=i=1，j=1i=7，j=7[（Ei×ECj）×KIij]]， （4）

[RD=i=1，j=1i=7，j=7[（Ei×ECj）×KDij]]. （5）

式中：i、j分別為E和EC的模糊子集個(gè)數(shù)。

由上述模糊關(guān)系可以得到給定輸入E和EC對(duì)應(yīng)的輸出為：

[U1=（E×EC）?RP]， （6）

[U2=（E×EC）?RI]， （7）

[U3=（E×EC）?RD]. （8）

經(jīng)過(guò)模糊推理得到的輸出是一個(gè)模糊量，因此，還需要解模糊計(jì)算將輸出轉(zhuǎn)化為精確量。常用的解模糊方法有：面積中心法、面積平分法、最大隸屬度法等。本文采用應(yīng)用較為廣泛的面積中心法進(jìn)行計(jì)算[15]，解模糊后的輸出值為：

[U=k=17ik×μk（ik）k-17μk（ik）]. （9）

式中：k為輸出變量的模糊子集個(gè)數(shù)，ik為控制論域中的每個(gè)元素，μk（ik）為輸出變量對(duì)應(yīng)的隸屬度函數(shù)。

3 模糊PID控制器仿真實(shí)驗(yàn)

3.1 模糊PID控制系統(tǒng)的搭建

本文采用Simulink/Simscape對(duì)設(shè)計(jì)的模糊PID控制器進(jìn)行仿真驗(yàn)證。為了減少計(jì)算量，需優(yōu)化仿真系統(tǒng)。首先，利用Solid Works建立下肢外骨骼機(jī)器人的簡(jiǎn)化模型，即保留主體軀干的同時(shí)，只保留髖、膝、踝3個(gè)關(guān)節(jié)矢狀面的轉(zhuǎn)動(dòng)自由度，其余自由度一律省略，如圖5（a）所示。而后另存為xml格式并導(dǎo)入Simulink中，修改重力加速度方向，對(duì)導(dǎo)入的模型添加地面和接觸，并將轉(zhuǎn)動(dòng)關(guān)節(jié)配置為外部輸入運(yùn)動(dòng)。最后通過(guò)From Work Space模塊將工作空間的步態(tài)曲線輸入給各個(gè)轉(zhuǎn)動(dòng)關(guān)節(jié)，外骨骼模型就可按照給定的步態(tài)曲線進(jìn)行運(yùn)動(dòng)。動(dòng)力學(xué)模型如圖5（b）所示。

建立外骨骼動(dòng)力學(xué)模型后，再給各關(guān)節(jié)的輸入曲線添加控制器以減少誤差。由于整體外骨骼系統(tǒng)為多輸入多輸出系統(tǒng)，具有較高的非線性和不確定性，因此，本文在PID控制的基礎(chǔ)上添加模糊控制器，以提高系統(tǒng)的穩(wěn)定性。所建模糊控制器如圖6（a）所示。圖中refR為髖、膝、踝3個(gè)關(guān)節(jié)的角度參考數(shù)據(jù)，measR為外骨骼運(yùn)動(dòng)過(guò)程中各關(guān)節(jié)的實(shí)時(shí)角度數(shù)據(jù)，二者之差即為誤差值；誤差值和其變化速率輸入模糊推理模塊即可得到ΔKP、ΔKI、ΔKD值，再將其累加到PID參數(shù)，經(jīng)過(guò)比例、積分、微分處理得到髖、膝、踝3個(gè)關(guān)節(jié)的轉(zhuǎn)動(dòng)力矩，并輸入下肢外骨骼機(jī)器人的驅(qū)動(dòng)關(guān)節(jié)。其中，各關(guān)節(jié)的3個(gè)參數(shù)P、I、D通過(guò)試湊法獲得。髖關(guān)節(jié)控制參數(shù)為：KP=1 250，KI=350，KD=10；膝關(guān)節(jié)控制參數(shù)為：KP=1 000，KI=280，KD=8；踝關(guān)節(jié)控制參數(shù)為：KP=750，KI=200，KD=5。整體的控制系統(tǒng)如圖6（b）所示。

3.2 仿真結(jié)果分析

仿真結(jié)束后將輸入?yún)⒖记€與實(shí)際運(yùn)動(dòng)曲線進(jìn)行對(duì)比，髖關(guān)節(jié)、膝關(guān)節(jié)、踝關(guān)節(jié)的跟蹤效果如圖7—圖8所示。從圖7（a）、圖8（a）可以看出，雖然PID控制器能夠大致實(shí)現(xiàn)對(duì)步態(tài)曲線的跟蹤，但是在1 s、3 s和5 s時(shí)，步態(tài)曲線的拐點(diǎn)位置出現(xiàn)了較大誤差，跟蹤效果較差。這是因?yàn)樵诠拯c(diǎn)位置曲線發(fā)生突變，但PID控制器響應(yīng)速度較慢，跟蹤出現(xiàn)幅值超調(diào)以及相位滯后等問(wèn)題[16]，因此出現(xiàn)了較大的跟蹤誤差。從圖7（d）、圖8（d）可以看出，相較于PID控制器，使用模糊PID控制器的步態(tài)曲線在拐點(diǎn)處亦能很好地貼合參考曲線，避免了PID控制器在拐點(diǎn)處出現(xiàn)超調(diào)的問(wèn)題。從髖關(guān)節(jié)的曲線可以看出，即使初始誤差較大，模糊PID也能迅速減小誤差，繼而更加貼合曲線。各個(gè)關(guān)節(jié)的仿真結(jié)果說(shuō)明，相比PID控制器，模糊PID控制器具有響應(yīng)速度快、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。

為了驗(yàn)證2個(gè)控制系統(tǒng)的魯棒性，模擬穿戴下肢外骨骼機(jī)器人行走的情況，對(duì)輸入的步態(tài)曲線添加一個(gè)外部擾動(dòng)信號(hào)。由于人機(jī)交互力和摩擦等外部干擾具有較大的隨機(jī)性，為了與真實(shí)情況更加貼近，擾動(dòng)信號(hào)采用隨機(jī)信號(hào)，在t=1.0～2.5 s進(jìn)入系統(tǒng)，以左髖關(guān)節(jié)為例，添加擾動(dòng)信號(hào)后的步態(tài)輸入曲線如圖9所示。將添加干擾后的步態(tài)曲線分別輸入PID控制器和模糊PID控制器進(jìn)行對(duì)比，添加干擾信號(hào)后的左髖關(guān)節(jié)軌跡跟蹤的仿真效果圖如圖10所示。

從圖10（a）可以看出，在加入干擾信號(hào)后，PID控制器在干擾存在的1.0～2.5 s內(nèi)難以實(shí)現(xiàn)步態(tài)軌跡的跟蹤，尤其是在拐點(diǎn)處誤差較大。這說(shuō)明實(shí)際穿戴者在穿戴下肢外骨骼機(jī)器人行走時(shí)，PID控制器無(wú)法很好地解決人機(jī)交互和摩擦等外部干擾造成的誤差，容易出現(xiàn)超調(diào)，軌跡跟蹤效果較差。而從圖10（b）可以看出，模糊PID控制器在加入干擾信號(hào)后，雖然在各拐點(diǎn)處出現(xiàn)了超調(diào)，但仍能較好地實(shí)現(xiàn)步態(tài)軌跡的跟蹤，曲線仍然較為平滑。這說(shuō)明模糊PID控制器能夠很好地解決實(shí)際穿戴時(shí)的各種誤差，可以實(shí)現(xiàn)較好的跟蹤。綜上所述，相比PID控制器，模糊PID控制器受到擾動(dòng)的影響較小，極大地增強(qiáng)了控制系統(tǒng)的魯棒性。

4 總結(jié)與展望

本文根據(jù)人體生物學(xué)特點(diǎn)設(shè)計(jì)了一款可穿戴式下肢外骨骼機(jī)器人，并將其系統(tǒng)模型導(dǎo)入Simulink中，構(gòu)建了相應(yīng)的動(dòng)力學(xué)模型。對(duì)該動(dòng)力學(xué)系統(tǒng)采用PID和模糊PID 這2種不同的控制器進(jìn)行仿真和魯棒性驗(yàn)證，并對(duì)比了步態(tài)跟蹤效果。結(jié)果表明：普通PID控制器在曲線的拐點(diǎn)處跟蹤效果較差，無(wú)法很好地貼合曲線；而模糊PID控制器通過(guò)對(duì)PID參數(shù)的修正，具有良好的曲線跟蹤效果。具體研究?jī)?nèi)容如下：

1）結(jié)合人體生物學(xué)特點(diǎn)及戶外助力要求，設(shè)計(jì)了一款基于電機(jī)驅(qū)動(dòng)的下肢外骨骼機(jī)器人。該外骨骼機(jī)器人通過(guò)多自由度和尺寸可調(diào)節(jié)裝置的設(shè)計(jì)，滿足了不同穿戴者的穿戴需求，提高了下肢外骨骼的舒適度和適用范圍。

2）在Simulink上完成了下肢外骨骼動(dòng)力學(xué)模型的搭建，使下肢外骨骼能夠按照給定步態(tài)曲線進(jìn)行運(yùn)動(dòng)仿真；同時(shí)完成了模糊PID控制器的設(shè)計(jì)，為后續(xù)復(fù)雜控制系統(tǒng)的搭建奠定了基礎(chǔ)。

3）針對(duì)采用PID控制器控制外骨骼系統(tǒng)存在的追蹤效果差的問(wèn)題，采用模糊PID控制器對(duì)PID參數(shù)進(jìn)行了優(yōu)化，使之能更好地實(shí)現(xiàn)實(shí)際曲線與輸入曲線的貼合。

雖然本文對(duì)外骨骼控制仿真的研究取得了一定的進(jìn)展，但研究?jī)?nèi)容還不全面，需要進(jìn)一步完善。本研究在未來(lái)還需在以下2個(gè)方面進(jìn)行改進(jìn)：

1）進(jìn)一步優(yōu)化下肢外骨骼機(jī)器人的結(jié)構(gòu)設(shè)計(jì)。本文的結(jié)構(gòu)設(shè)計(jì)雖然依據(jù)了人體生物學(xué)特點(diǎn)，但各個(gè)關(guān)節(jié)處仍采用剛性連接。未來(lái)可以考慮設(shè)計(jì)柔性關(guān)節(jié)使外骨骼更加貼合人體，并在此基礎(chǔ)上加工裝配下肢外骨骼樣機(jī)。

2）進(jìn)一步優(yōu)化控制器參數(shù)。本文的2種控制器參數(shù)大多通過(guò)試湊法獲得，調(diào)試時(shí)間長(zhǎng)，適應(yīng)效果較差。未來(lái)可以通過(guò)深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等優(yōu)化算法對(duì)控制器參數(shù)進(jìn)行優(yōu)化，提高控制器的控制效果和適用范圍。

參考文獻(xiàn)

[1] 張欣悅.我國(guó)人口老齡化的現(xiàn)狀特點(diǎn)和發(fā)展趨勢(shì)及其對(duì)策研究[J].中國(guó)管理信息化，2020，23（5）：195-199.

[2] 倪宣明，沈心如，黃嵩，等.我國(guó)人口結(jié)構(gòu)及老齡化收斂趨勢(shì)研究[J].數(shù)理統(tǒng)計(jì)與管理，2020，39（2）：191-205.

[3] ZHANG T，TRAN M，HUANG H.Design and experimental verification of hip exoskeleton with balance capacities for walking assistance[J].IEEE/ASME Transactions on Mechatronics，2018，23（1）：274-285.

[4] MOUGHAMIR S，ZAYTOON J，MANAMANNI N，et al.A system approach for control development of lower-limbs training machines[J].Control Engineering Practice，2002，10（3）：287-299.

[5] GILBERT M，ZHANG X D，YIN G.Modeling and design on control system of lower limb rehabilitation exoskeleton robot[C]//2016 13th International Conference on Ubiquitous Robots and Ambient Intelligence （URAI）. IEEE，2016：348-352.

[6] AL REZAGE G，TOKHI M O.Fuzzy PID control of lower limb exoskeleton for elderly mobility[C]//2016 IEEE International Conference on Automation，Quality and Testing，Robotics（AQTR）.IEEE，2016：1-6.

[7] YIN K Y，XIANG K，PANG M Y，et al.Personalised control of robotic ankle exoskeleton through experience-based adaptive fuzzy inference[J].IEEE Access，2019，7：72221-72233.

[8] LAUBSCHER C A，GOO A，F(xiàn)ARRIS R J，et al.Hybrid impedance-sliding mode switching control of the indego explorer lower-limb exoskeleton in able-bodied walking[J].Journal of Intelligent & Robotic Systems，2022，104（4）：1-14.

[9] LIU J Q，F(xiàn)ANG H B，XU J.Online adaptive PID control for a multi-joint lower extremity exoskeleton system using improved particle swarm optimization[J].Machines，2021，10（1）：21.

[10] LONG Y，PENG Y J.Extended state observer-based nonlinear terminal sliding mode control with feedforward compensation for lower extremity exoskeleton[J].IEEE Access，2022，10：8643-8652.

[11] 張玉明，吳青聰，陳柏，等.下肢軟質(zhì)康復(fù)外骨骼機(jī)器人的模糊神經(jīng)網(wǎng)絡(luò)阻抗控制[J].機(jī)器人，2020，42（4）：477-484.

[12] 周海濤.下肢外骨骼康復(fù)機(jī)器人結(jié)構(gòu)設(shè)計(jì)及控制方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

[13] 汪步云，汪志紅，許德章.下肢外骨骼助力機(jī)器人本體結(jié)構(gòu)設(shè)計(jì)與運(yùn)動(dòng)學(xué)分析[J].機(jī)械科學(xué)與技術(shù)，2018，37（4）：553-559.

[14] 吳青鴻，李健，劉歡，等.基于模糊PID下肢外骨骼機(jī)器人的控制技術(shù)[J].廣西科技大學(xué)學(xué)報(bào)，2020，31（4）：104-111.

[15] 劉金琨.智能控制[M].北京：電子工業(yè)出版社，2017：32-41.

[16] 雷蕾，李健，吳青鴻.基于RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的下肢外骨骼步態(tài)跟蹤[J].廣西科技大學(xué)學(xué)報(bào)，2021，32（3）：42-47，52.

Fuzzy PID control and simulation analysis of lower extremity

exoskeleton robot based on Simulink

WAN Dongbao， WANG Huqi*， CONG Peichao， LONG Yaozu， CHEN Xilai， LI Wenbin

（School of Mechanical and Automotive Engineering， Guangxi University of Science and Technology，

Liuzhou 545616， China）

Abstract： To study the trajectory tracking control of lower extremity exoskeleton， a wearable lower extremity exoskeleton robot was designed according to the biological characteristics of human body and the requirements of outdoor power assistance. Aimed at the problem that PID control cannot eliminate disturbance in trajectory tracking， a fuzzy PID control algorithm was designed to achieve compliant control of lower extremity exoskeleton. Firstly， the exoskeleton structure was designed with Solid Works， and then the exoskeleton model was imported into Simulink to build a dynamic simulation model. The hip， knee and ankle joints were driven to input the torque information of normal human walking. In the simulation model， ordinary PID controller and fuzzy PID controller were used to compare the control effect. The gait input curve was compared with the actual tracking curve. The comparison of simulation results show that the fuzzy PID control has the advantages of fast response speed and strong anti-interference ability compared with the ordinary PID control.

Key words： lower extremity exoskeleton robot; fuzzy PID control; Solid Works; Simulink

（責(zé)任編輯：黎 婭）