微型機器人眼鏡診療系統(tǒng)的研制

微型機器人眼鏡診療系統(tǒng)的研制

1基于bp神經(jīng)網(wǎng)絡(luò)的pid控制機器人系統(tǒng)機器人是世界上快速發(fā)展的領(lǐng)域。機器人在醫(yī)療診斷和治療方面的應(yīng)用是其主要發(fā)展趨勢之一。它可以顯著提高手術(shù)質(zhì)量，減輕患者的痛苦，縮短康復(fù)時間，降低手術(shù)費用。這是國際上的一個熱點。本文根據(jù)體育動力的機理，開發(fā)了一種基于三部分柔性柔性泡沫橡膠控制器的動態(tài)機器人診斷和治療系統(tǒng)，建立了機器人系統(tǒng)的動態(tài)模型。由經(jīng)典控制理論可知,傳統(tǒng)的PID控制方法面對非線性被控對象時,很難設(shè)置其最佳PID參數(shù),而將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于PID控制已成為一大研究熱點.因為BP網(wǎng)絡(luò)具有很好的逼近非線性映射的能力,而且具有自適應(yīng)學(xué)習(xí)、并行分布處理和魯棒性與容錯性較強等特點,因此適于對復(fù)雜非線性系統(tǒng)進行建模和控制.本研究正是在此基礎(chǔ)上使用一種基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器來控制機器人,取得了令人滿意的效果.2機器人系統(tǒng)結(jié)構(gòu)結(jié)構(gòu)2.1橡膠管芯內(nèi)通氣管內(nèi)腔成巖模式.設(shè)計加工的空氣壓橡膠微驅(qū)動器是伸長型三自由度驅(qū)動器,如圖1所示.其主要部分為硅橡膠制成的橡膠管,橡膠管芯部均勻分布3個互成120°的扇形氣室,橡膠管外壁內(nèi)纏繞一層細(xì)銅線起加強作用,兩端用膠封住,由通氣管從一端分別使橡膠管內(nèi)部的3個氣室與外界相通.驅(qū)動器外徑為6mm,內(nèi)徑為4mm,長20mm,內(nèi)腔扇形橡膠與外殼均厚1mm.2.2前后支撐單元機器人的機體結(jié)構(gòu)如圖2所示.機器人基于蠕動的移動原理,氣動機器人柔性移動機構(gòu)的基本結(jié)構(gòu)由3個部分組成:驅(qū)動器單元、前后支撐單元、固定于前支撐單元內(nèi)的可伸縮的診查單元.前后支撐單元通過將雙側(cè)氣囊壓緊在管壁上實現(xiàn)鉗位功能,驅(qū)動單元用來改變前后支撐單元的位置,實現(xiàn)直線運動,以及改變前支撐單元的彎曲方向?qū)崿F(xiàn)彎曲運動,在一個移動周期內(nèi)對前后支撐單元和驅(qū)動器的氣室進行充氣、放氣的控制時序如圖3所示.診查單元由傳感器及診療裝置構(gòu)成,固定于可伸縮機構(gòu)前端,通過可伸縮的執(zhí)行機構(gòu)可伸出前支撐單元進入腔道,實現(xiàn)參數(shù)的測量及疾病的診療(如噴藥).3機器人系統(tǒng)的非線性建模非線性映射3.1直線運動系統(tǒng)的運動方程向驅(qū)動器3個氣室加相同的壓力時,機器人進行直線運動.驅(qū)動器橡膠壁產(chǎn)生的應(yīng)力σ表達(dá)式為:σ=EΔLL+ΔL(1)σ=EΔLL+ΔL(1)由式(1),直線變形時的彈性回復(fù)力G為:G=EΔLL+ΔL?2π?D2?tkLL+ΔL=πDtkELΔL(L+ΔL)2(2)G=EΔLL+ΔL?2π?D2?tkLL+ΔL=πDtkELΔL(L+ΔL)2(2)驅(qū)動器張力表達(dá)式為:F=Ρ′S0(3)Ρ′=Ρ1-Ρ0(4)S0=14π(D-2tk)2-32(D-tk)tf(5)F=P′S0(3)P′=P1?P0(4)S0=14π(D?2tk)2?32(D?tk)tf(5)由式(5)得到驅(qū)動器體積為:V=[14π(D-2tk)2-32(D-tk)tf]L(6)V=[14π(D?2tk)2?32(D?tk)tf]L(6)直線運動時系統(tǒng)運動方程為:F=G+f+vdΔLdt+Μd2ΔLdt2(7)F=G+f+vdΔLdt+Md2ΔLdt2(7)由式(3)、(7)得到直線運動動態(tài)特性方程:ΔLΡ′=1πDtkEL?ω2ns2+2ζωns+ω2n(8)ΔLP′=1πDtkEL?ω2ns2+2ζωns+ω2n(8)式中,ωn=√πDtkELΜ,ζ=ν2√πDtkELΜ?Eωn=πDtkELM??????√,ζ=ν2πDtkELM√?E為橡膠彈性模量;ΔL為直線變形量;L為驅(qū)動器原長;D為驅(qū)動器外徑;tk為外殼厚度;tf為氣室內(nèi)壁厚度;f為氣室內(nèi)摩擦力;ν為粘性阻尼系數(shù);M為機器人質(zhì)量;P′為氣室絕對壓力;P1為氣室1壓力;P0為大氣壓力;S0為驅(qū)動器截面積.3.2微生物結(jié)構(gòu)特征只向驅(qū)動器的一個氣室加壓或者三個氣室壓力不同時,機器人進行彎曲運動.由分析示意圖4,得出橡膠壁產(chǎn)生的應(yīng)力σ表達(dá)式為:σ=ED2sinβD2+L2sinλ2(9)σ=ED2sinβD2+L2sinλ2(9)由式(9),彎曲變形時驅(qū)動器外殼彈性回復(fù)力以鉗位氣囊為支點的扭轉(zhuǎn)力矩I為:Ι=2∫π2-π2σD2tkLD2sinβdβ(10)I=2∫π2?π2σD2tkLD2sinβdβ(10)彎曲變形時氣體膨脹力產(chǎn)生的以鉗位氣囊為支點的扭轉(zhuǎn)力矩N為:Ν=∫π3-π3∫D2-tk0r(Ρ1-Ρ0)(D2-tk+rsinβ)drdβ+∫ππ3∫D2-tk0r(Ρ2-Ρ0)(D2-tk+rsinβ)drdβ+∫53ππ∫D2-tk0r(Ρ3-Ρ0)(D2-tk+rsinβ)drdβ(11)N=∫π3?π3∫D2?tk0r(P1?P0)(D2?tk+rsinβ)drdβ+∫ππ3∫D2?tk0r(P2?P0)(D2?tk+rsinβ)drdβ+∫53ππ∫D2?tk0r(P3?P0)(D2?tk+rsinβ)drdβ(11)得到彎曲運動時系統(tǒng)運動方程為:Ν=Ι+Νc+vdλdt+Jd2λdt2(12)N=I+Nc+vdλdt+Jd2λdt2(12)變形后驅(qū)動器體積為:V=S0[L2sin(λ/2)+D2]λ(13)V=S0[L2sin(λ/2)+D2]λ(13)根據(jù)懸臂梁模型得出系統(tǒng)固有頻率為:ω=√3EΙ(Ν+0.236Μ)L3(14)ω=3EI(N+0.236M)L3??????????√(14)由式(11)、(14)得到彎曲運動動態(tài)特性方程:λΡ′=S0DL6EΙ?ω2s2+2bωs+ω2(15)λP′=S0DL6EI?ω2s2+2bωs+ω2(15)式中,λ為彎曲角度;β為驅(qū)動器壁單元所受應(yīng)力方向與橫截面水平方向的夾角;P2與P3為氣室2、3壓力;Nc為摩擦力矩;J為負(fù)載轉(zhuǎn)動慣量;b為系統(tǒng)的阻力系數(shù).4neurlynentranetpid管理系統(tǒng)neurlynentranetsecurity4.1壓力傳感及顯示電—氣伺服控制系統(tǒng)原理如圖5所示.由機器人的蠕動原理可知,前后支撐單元的氣囊及驅(qū)動器氣囊均要求能實現(xiàn)充氣、保持、放氣三種狀態(tài),因此必須設(shè)計5條單獨的通氣管路分別控制前、后鉗位氣囊和中間驅(qū)動器的3個氣囊.系統(tǒng)可分為氣壓傳動系統(tǒng)和計算機控制系統(tǒng)兩個部分.氣壓傳動系統(tǒng)由空氣壓縮機、儲氣罐、流量調(diào)節(jié)閥、壓力調(diào)節(jié)閥、3/2和2/2電磁閥等組成,空氣壓縮機選用亞達(dá)WY5.2—B,最高氣壓可達(dá)1.3MPa,儲氣罐容量為10L,最大壓力為1.0MPa,3/2和2/2電磁閥選用AirTac3V1-06及2V025-08.根據(jù)機器人結(jié)構(gòu)設(shè)計,需要5條通氣管路連通前后鉗位氣囊和驅(qū)動器的3個氣室,每條管路是由一個3/2和2/2電磁閥連接而成,氣源一端接2/2電磁閥,并處于常斷狀態(tài);機器人一端接3/2電磁閥,一端通大氣,并處于常通狀態(tài).氣囊氣室的工作狀態(tài)與電磁閥的開關(guān)狀態(tài)關(guān)系如表1所示.計算機控制系統(tǒng)主要由PC計算機、壓力傳感器、A/D、D/A數(shù)據(jù)采集設(shè)備、隔離放大驅(qū)動電路組成.壓力傳感器采用Si-micro公司的Si-5102;A/D、D/A數(shù)據(jù)采集設(shè)備采用NI公司的USB-6008數(shù)據(jù)采集卡,具有8通道、12或14位模擬輸入、2個模擬輸出、12條DIO線以及1個定時器,利用10條I/O線分別控制10個繼電器換向,繼電器分別串接10個電磁閥,通過控制繼電器的換向控制電磁閥的通電、斷電.繼電器采用OMRON:LY2NJ,通電線圈的控制電壓為DC12V.控制系統(tǒng)對氣室壓強實時采樣,通過A/D轉(zhuǎn)換將壓力傳感器的模擬輸出變?yōu)閿?shù)字量,根據(jù)采樣得到的信息利用LabVIEW軟件計算系統(tǒng)輸出,產(chǎn)生相應(yīng)的脈寬調(diào)制(PWM)信號,PWM信號通過D/A轉(zhuǎn)換控制電磁閥高速通斷調(diào)整氣室壓強,從而精確控制機器人的位移.4.2系統(tǒng)的輸出u被控對象可用下面的非線性模型描述:y(k)=f[y(k-1),y(k-2),…,y(k-ny)u(k-1),u(k-2),…,u(k-nu)](16)式中,y(k)、u(k)為系統(tǒng)的輸出和輸入;ny、nu為{y}和{u}的階次;f[·]為非線性函數(shù).系統(tǒng)采用基于BP算法的三層前向網(wǎng)絡(luò)的PID控制方案,它由控制器網(wǎng)絡(luò)(NNPID)和辨識器網(wǎng)絡(luò)(NNI)組成,其結(jié)構(gòu)框圖見圖6.4.2.1神經(jīng)網(wǎng)絡(luò)控制器設(shè)計根據(jù)經(jīng)典PID的控制算法,控制網(wǎng)絡(luò)可采用一個三輸入單輸出的神經(jīng)元,網(wǎng)絡(luò)結(jié)構(gòu)為(3,1),其中其輸入層x=[e(k)-e(k-1),e(k),e(k)-2e(k-1)+e(k-2)],輸出層為[Δu(k)],其中f(·)函數(shù)取線性,即取f(x)=x.把PID的3個參數(shù)KP、KI、KD作為神經(jīng)網(wǎng)絡(luò)的權(quán)值,通過最小化性能指標(biāo)J=12[r(k+1)-?y(k+1)]2來訓(xùn)練控制器參數(shù),用梯度法進行優(yōu)化,可得到關(guān)于神經(jīng)網(wǎng)絡(luò)控制器系數(shù)的修正算式.4.2.2網(wǎng)絡(luò)隱蔽層神經(jīng)元的構(gòu)成辨識器網(wǎng)絡(luò)(NNI)采用三層結(jié)構(gòu),辨識算法采用BP算法,其結(jié)構(gòu)如圖7所示.為了便于對非線性系統(tǒng)進行辨識,輸出層神經(jīng)元的激發(fā)函數(shù)取為線型函數(shù),隱含層神經(jīng)元的激發(fā)函數(shù)取為Sigmoid函數(shù).網(wǎng)絡(luò)輸入層有ny+nu+1個神經(jīng)元,其構(gòu)成為:Ο(1)j(k)={y(k-j),0≤j≤ny-1u(k-j+ny),ny≤j≤ny+nu-1(17)網(wǎng)絡(luò)的隱含層神經(jīng)元數(shù)量大于等于輸入層,其輸入輸出為:net(2)i(k)=ny+nu∑j=0w(2)ijΟ(1)j(k)Ο(2)j(k)=f[net(2)i(k)],i=0,1,?,Q-1}(18)式中,w(2)ij為隱含層權(quán)系數(shù);w(2)i(ny+nu)為閾值,w(2)i(ny+nu)=θi;f[·]為激發(fā)函數(shù),f[·]=tanhx.網(wǎng)絡(luò)的隱含層元的個數(shù)可遵循有關(guān)的經(jīng)驗公式選擇.網(wǎng)絡(luò)的輸出層取為:?y(k+1)=Q∑i=0w(3)iΟ(2)i(k)(19)式中,w(3)i為輸出層權(quán)系數(shù);w(3)Q為閾值,w(3)Q=θ0.4.2.3神經(jīng)網(wǎng)絡(luò)控制器BP神經(jīng)網(wǎng)絡(luò)PID控制器算法可表述為:利用神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力的特性,在離線時對控制對象模型進行辨識,來修正其網(wǎng)絡(luò)權(quán)值,使其逐步適應(yīng)被辨識對象的特性,當(dāng)它學(xué)習(xí)到與被控對象一致時,再由神經(jīng)網(wǎng)絡(luò)控制器(NNPID)進行在線控制,而在這個過程中,NNI利用BP神經(jīng)網(wǎng)絡(luò)的誤差反向傳播特性,把控制偏差e1傳回到神經(jīng)網(wǎng)絡(luò)自身神經(jīng)元,從而修正其自身權(quán)值;而對象的設(shè)定輸入和對象的實際輸出的偏差e0通過NNI后,通過反向傳播為NNPID控制網(wǎng)絡(luò)提供誤差信號e2,NNPID利用此誤差信號e2對其網(wǎng)絡(luò)權(quán)值進行修正,經(jīng)過多次學(xué)習(xí)NNPID便能逐漸跟上系統(tǒng)的變化.所采用的網(wǎng)絡(luò)NNPID、NNI的結(jié)構(gòu)為(3,1)和(3,4,1),網(wǎng)絡(luò)的初始權(quán)值選取區(qū)間[-0.5,0.5]上的隨機數(shù),且學(xué)習(xí)速度η=0.3,平滑因子α=0.3.5樣機及運動狀態(tài)根據(jù)對機器人系統(tǒng)的非線性建模,取參考信號周期為1s的方波信號,按照本文算法進行了軟件仿真,其跟蹤仿真實驗結(jié)果如圖8所示.在搭建的實驗平臺上將機器人接入系統(tǒng)進行了實驗,機器人樣機及運動狀態(tài)如圖9(a)～(c)所示;機器人本體在塑料管內(nèi)移動實驗如圖9(d)所示.取參考信號為幅值不同的階躍信號,機器人不同運動狀態(tài)下的階躍響應(yīng)曲線見圖10.通過仿真與實驗,表明理論與實驗基本一致,采用神經(jīng)網(wǎng)絡(luò)PID控制器的機器人系統(tǒng)能夠快速跟蹤目標(biāo)位移量并且具有很高的穩(wěn)態(tài)精度,克服了傳統(tǒng)PID控制方法的不足.機器人