人机协作中的力信息感知与协调运动控制方法探讨

本文档探讨了基于柔性人机接口的人机协调运动控制方法，主要关注如何通过感知和处理人机交互中的力信息来实现高效、安全的协作。 在人机协作领域，尤其是在救援、工程、医疗和护理等场景中，人机协调运动控制是关键的技术。这种控制技术的目标是使机器人能够理解并跟随操作者的运动意图，从而协助完成特定任务。为了实现这一目标，首先要解决的是人体运动意图的检测。文献中提到了几种感知人体运动意图的方法，包括基于生物电信号（如脑电图、肌电图）、视觉信息（如摄像头捕捉的动作识别）以及人机交互力信息。其中，力信息方法由于其简便性和环境适应性而得到广泛应用。 基于力信息的控制方法主要包括以下几种： 1. 直接力控制：这种控制策略直接响应操作者施加的力，如杨智勇等人的外骨骼研究，通过仿真试验验证了直接力控制的有效性。 2. 阻抗控制：刘波等人采用模糊自适应阻抗控制，适用于主动训练；李涣等人则针对机械臂精细操作提出了基于位置控制内环的阻抗控制策略。此外，河北工业大学的幕墙安装机器人运用自适应阻抗控制确保人机交互的柔顺性。 3. 力/位混合控制：段晋军等提出的变阻抗模型结合内外位置/力混合控制，能够灵活适应不同任务需求。 4. 灵敏度放大控制：例如BLEEX外骨骼，通过增强操作者动作的敏感性来改善协调。 5. 基于力信息的智能控制： Connolly等人利用多层前向神经网络进行混合控制，方丽等人则基于动态模型力控制器，通过外力反馈来解读操作者的运动意图；孙晓等人设计的模糊自适应控制器动态调整阻抗参数，实现多关节机器人的自适应控制。 这些控制方法各有优势，可以根据具体应用场景和任务需求选择合适的技术。例如，直接力控制适合需要快速响应力变化的情况，而阻抗控制则在保证稳定性和柔顺性上表现出色。混合控制策略结合了力和位置信息，可提高系统的灵活性和鲁棒性。智能控制方法如神经网络和模糊逻辑，能适应复杂的非线性系统，处理不确定性。 基于柔性人机接口的人机协调运动控制方法是通过各种控制策略来理解和响应操作者意图，以实现安全、高效的机器人协作。未来的研究将继续深入探索更智能、更灵活的控制方法，以适应不断增长的协作需求。