科学网-基于CPG的步态规划与模型无关的自适应时滞控制在下肢康复外骨骼机器人中的应用-邹铁枫的博文

基于CPG的步态规划与模型无关的自适应时滞控制在下肢康复外骨骼机器人中的应用

2025-6-20 09:44

阅读：200

本次分享“CPG-based gait planning and model-independent adaptive time-delay control for lower limb rehabilitation exoskeleton robots (基于CPG的步态规划与模型无关的自适应时滞控制在下肢康复外骨骼机器人中的应用)”。

外骨骼机器人可辅助完成日常活动并提升康复训练效果，其中控制策略至关重要，分为上层步态规划与下层执行控制。上层根据用户能力规划运动轨迹，下层则精确跟踪。CPG因其节律性与稳定的极限环特性，在步态生成中表现优异，尤其适合下肢康复训练。针对偏瘫患者，本文提出基于CPG的步态规划方法，使患侧与健侧协调运动，提升康复效果。同时，结合RTSM的ATDC控制框架，实现对轨迹的模型无关、快速且鲁棒的控制，提高系统适应性和跟踪精度。

CPG-based gait planning and model-independent adaptive time-delay control for lower limb rehabilitation exoskeleton robots基于CPG的步态规划与模型无关的自适应时滞控制在下肢康复外骨骼机器人中的应用

Zhe Sun1 · Weixin Chen1 · Bo Chen1 · Hai Wang2 · Jinchuan Zheng3 · Zhihong Man3

机构：1 浙江工业大学信息工程学院； 2 莫道克大学科学、技术、工程与数学学院；3 斯威本科技大学科学、工程与技术学院

引用信息：Sun, Z., Chen, W., Chen, B. et al. CPG-based gait planning and model-independent adaptive time-delay control for lower limb rehabilitation exoskeleton robots. Control Theory Technol. (2025). https://doi.org/10.1007/s11768-025-00260-y

全文链接：https://rdcu.be/eqN6N

摘要

针对偏瘫患者的康复训练，本文提出了一种基于中枢模式发生器（Central Pattern Generator, CPG）的步态规划策略以及利用递归终端滑模的自适应时滞控制方案，应用于下肢康复外骨骼机器人。中枢模式发生器网络为患侧腿规划参考步态轨迹，并与健康腿的运动保持同步。本文所提出的自适应时延控制方案由于采用了时延估计机制，具有模型无关的特性；其自适应控制增益增强了系统对扰动的鲁棒性，并结合了递归终端滑模控制组件以实现快速收敛。根据Lyapunov稳定性准则证明了步态轨迹跟踪误差是一致最终有界的。实验在下肢外骨骼实验平台上进行，结果验证了所提策略的有效性和优越性。

引言

外骨骼机器人能够辅助个体完成日常活动并增强康复训练效果，是一种具有成本效益且能提升任务执行能力的解决方案。对于下肢康复外骨骼机器人（LLRERs）而言，控制策略在康复训练中起着至关重要的作用，通常可以分为上层与下层两个过程。上层步态规划根据用户的意图和能力制定运动轨迹，而下层执行则通过位置控制器实现轨迹跟踪。将上层步态轨迹规划整合到LLRER的控制系统中，有助于提高康复训练的效果。

在康复训练过程中，外骨骼的运动轨迹应尽可能模拟人类行走步态，因为稳定的行走是由中枢模式发生器（CPG）驱动的、具有节律性的生理过程。因此，仅基于轨迹或力/扭矩进行步态生成无法很好地匹配人体的生理特性。这一认识推动了对模拟节律性运动机制的研究，用于控制腿部机器人。研究表明，采用CPG进行步态生成无需精确建模控制系统，因其具有稳定的极限环特性，可有效减少误差并同步多个自由度。这一特性使CPG特别适用于控制下肢外骨骼机器人。为了捕捉用户在康复训练中的主动运动意图，有研究开发了一种多模态人机交互（HRI）系统，并将HRI数据融入CPG的状态变量中。在此基础上，进一步研究了自适应CPG。

然而，上述研究主要集中在双足步态生成方面。对于偏瘫患者而言，传统的双腿同时驱动模式可能会限制健康肢体的运动，甚至干扰正常的肌肉激活模式。为解决这一问题，有研究设计了一种单侧下肢外骨骼装置，以增强患侧与健侧肢体之间的协调性，并借助外骨骼提供辅助。但该方法高度依赖视觉识别，并需要定制化的单侧结构。考虑到双足外骨骼更为常见，且在实际应用中对实时性和稳定性有严格要求，开发一种适用于偏瘫患者的、基于CPG的步态规划策略，并兼容双足外骨骼，具有重要意义。

LLRER必须通过关节电机等执行器准确跟踪所规划的步态轨迹，这就需要使用位置控制策略来提供精确且必要的操作。这些策略确保了运动协调与平衡，这对于促进神经重塑和加快康复进程至关重要。然而，在实际应用中，大多数外骨骼由医院拥有，服务于不同用户，个性化定制面临较大挑战。当患者穿戴外骨骼时，由于个体身体参数差异，人机交互表现出强耦合特性，这使得基于模型的控制器性能受到显著影响。为应对这一问题，无模型控制方法逐渐成为可行的解决方案。时延控制（TDC）作为一种处理未建模不确定性的实用非线性控制策略，利用人工时延信号来估计系统的综合动态，从而处理复杂的非线性动力学，并表现出无模型特性。以时延估计（TDE）为核心，TDC已被广泛应用于各种运动控制领域，如机械臂和水下航行器。

然而，延迟信号的使用不可避免地会引入TDE误差，在存在严重非线性的情况下，这种误差可能加剧，导致控制性能显著下降。为缓解这一问题，滑模控制结合TDC的方法被提出并应用。在复杂的实际场景中，使用固定控制增益难以达到最优控制性能。有研究提出了一种自适应时延控制（ATDC）方法，能够自动调整控制增益。随后，有研究改进了自适应律，并引入了分数阶滑模。为提高控制精度并减小位置跟踪的稳态误差，还有研究提出了一种自适应滑模趋近律来调节控制增益。有研究进一步发展了这一概念，设计了一种自适应滑模控制器，利用上一周期的TDE误差来抵消当前周期的估计误差，从而提升控制性能。

滑模控制以其鲁棒性强、抗扰动能力强而著称，是处理不确定性系统的有效工具。终端滑模（TSM）控制是滑模控制的重要分支，后续又发展出诸如非奇异终端滑模（NTSM）和快速非奇异终端滑模（FNTSM）等形式。递归终端滑模（RTSM）控制是TSM控制方案的最新进展之一，因其省去了趋近阶段，具有快速收敛的优点，在直线电机定位器控制等应用中展现出明显优势。

本文聚焦于偏瘫患者的康复训练，提出了一种基于CPG网络的步态规划策略，可在外骨骼辅助下实现患侧腿与健康腿之间的协调运动。此外，本文还设计了一种结合RTSM的ATDC策略，以实现对规划步态轨迹的模型无关控制。

本研究的主要贡献如下：

提出了一种基于CPG原理的步态规划策略，专为偏瘫患者使用的LLRER设计。该策略实现了患侧与健侧肢体的同步运动，从而提升了整体康复训练效果。
为LLRER提出了一个ATDC控制框架。该框架融合了多种优势：具备根据系统状态自适应调节控制增益的能力；得益于TDC的结构，具备模型无关控制特性；结合RTSM，具有快速收敛速度和强鲁棒性。

（原文Fig.1）下肢康复外骨骼机器人的步态规划与跟踪控制系统结构

（原文Fig.2）下肢外骨骼实验平台

结论

本文提出了一种专为偏瘫患者康复训练设计的基于中枢模式发生器（CPG）的步态规划策略。此外，还设计了一种结合递归终端滑模（RTSM）流形的自适应时延控制（ATDC）策略，以应对可穿戴式下肢康复外骨骼机器人（LLRER）所表现出的复杂非线性动力学特性。所设计的CPG网络状态参数通过对健康侧运动轨迹的实时分析获得，使网络能够为患侧外骨骼规划参考轨迹。时延估计（TDE）技术使ATDC策略具有模型无关特性，而自适应控制增益与RTSM组件则增强了系统对抗扰动的能力并加快了收敛过程。通过李雅普诺夫理论完成了稳定性证明，验证了控制系统的稳定性以及轨迹跟踪误差是一致最终有界的（UUB）。

实验验证是在搭建的LLRER实验平台上完成的。在单腿控制实验中，对比结果表明，所提出的基于RTSM的ATDC策略在固定和变频两种步态频率场景下均展现出独特优势和优越性能。在双腿控制实验中，对所设计CPG网络实时规划和协调患侧参考轨迹的能力进行了测试。健康侧与患侧所呈现的步态轨迹验证了所提步态规划与轨迹跟踪方案的有效性。

本文提出的基于CPG的步态规划策略专门针对偏瘫患者的特殊康复训练需求而设计，填补了当前康复实践中的空白。该策略有望提升康复训练的效果，从而改善患者的步态对称性和整体运动能力。将ATDC技术引入下肢外骨骼运动控制中，使得控制系统具备模型无关特性。对于可穿戴设备而言，这种适应不同使用条件与环境的能力至关重要。

总体而言，本研究为开发更高效、个性化的偏瘫患者康复方案提供了新的可能性，并展示了将这些技术集成到未来可穿戴设备中的潜力，从而提升用户体验和康复效果。

作者介绍

Zhe Sun，2017年在斯威本科技大学获得控制科学与工程博士学位。目前，他是浙江工业大学信息工程学院的副教授。他的研究兴趣包括滑模控制理论及其应用、先进机电系统以及下肢康复外骨骼机器人。

Weixin Chen，2022年在浙江工业大学获得电气工程及其自动化学士学位。目前，他正在浙江工业大学信息工程学院攻读控制科学与工程硕士学位。他的研究兴趣包括滑模控制和下肢康复外骨骼机器人。

Bo Chen，2014年在浙江工业大学获得控制科学与工程博士学位。目前，他是浙江工业大学信息工程学院的终身教授。他的研究兴趣包括信息融合、分布式估计与控制、网络融合系统以及网络物理系统的安全估计。

Hai Wang，2014年在斯威本科技大学获得电气与电子工程博士学位。目前，他是莫道克大学科学、技术、工程与数学学院的副教授。他的研究兴趣包括滑模控制、自适应控制、机器人与机电系统、非线性系统以及人工智能。

Jinchuan Zheng，2006年在新加坡南洋理工大学获得电气与电子工程博士学位。目前，他是斯威本科技大学科学、计算与工程技术学院的教授。他的研究兴趣包括非线性控制系统、高精度控制以及先进机电系统。

Zhihong Man，1994年在墨尔本大学获得电子工程博士学位。目前，他是斯威本科技大学科学、计算与工程技术学院的教授。他的研究兴趣包括非线性控制系统、滑模控制理论及其应用、车辆动力学与控制，以及人工智能。

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.7)、EI、Scopus (CiteScore 3.2)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）