摘    要：针对智能假腿系统模型的非线性与参数的不确定性等系统特性，提出了一种基于小脑模型神经网络控制器( cmac)的假腿实时智能控制方法。该方法首先根据一种自制的假肢膝关节自适应结构，建立了智能假腿摆动相动力学数学模型，以描述智能假腿膝关节阻尼器控制参数与摆动运动参数之间的直接耦合关系。以此动力学模型为控制对象，设计了一种基于pd-cmac的假腿系统智能控制器，并进行了实例仿真。仿真结果表明，假腿膝关节可以很快（约在0.5 s时间内）跟踪好目标曲线，具有良好的实时性与精度；此外，胯关节阻器针阀开口位置与相应的假腿膝关节的角速度变化具有明显的负相关性；可以通过对假腿阻尼器针阀开口位置的调节．达到假腿跟踪健康腿摆动步态的目的。

关键词：智能假腿；动力学模型；小脑模型控制器

中图分类号：tp 273    文献标识码：a

    研究一种可以近似模拟人腿生物力学系统中的关键特性一膝关节的自适应特性的智能假腿系统，对提高假肢的安全性与舒适性、改善截肢患者的生活质量具有重要意义。在假腿的智能控制方面，国内外对智能控制的假肢应用还不多见。理论研究基本集中在一般模糊控制、普通bp神经网络控制、专家控制等智能控制方法，更复杂的复合智能控制方法还基本未实际应用。

    ipl系统模型的非线性、环境（路况）与不同假肢穿戴者参数的不确定性等特征，确定了应该把假肢系统作为一个复杂系统来研究，其不但需要在理论上进行复杂非线性建模，而且需要引入更有效的智能技术进行系统控制。本文将研究一种保证ipl步态时相对称性的生物动力学模型的pd-cmac自适应控制方法。

    1) pd-cmac控制器设计  小脑模型控制器是一种自适应控制网络，因学习收敛速度快，精度较高，在实时工作时非常有用。本设计采用cmac疗器械应用安全等方面的教学与科研工作。

其特点如下：

  ①小脑模型神经网络经控制器实现前馈控制，实现被控对象的逆动态模型。②常规控制器实现反馈控制，保证系统的稳定性，且抑制扰动。

    2) pd-cmac的学习算法的学习算法[6]：

    对于跟随健康腿目标信号控制的ipl系统，这里设计了基于pd控制器的神经网络(cmac)监督控制模型，如图l所示。

   

 

  本文cmac概念映射的方法为：输入空间5在区间[s，s…]上分成(n+2c)个量化间隔，即：

  

    取指令信号r(k)作为cmac的输入。每一控制同期结束时，cmac输出u与总控制输出u(k)相比较，修正权重，进入学习过程。学习的目的是使总控制输入与cmac的输出之差最小，即使系统的总控制输出主要由cmac控制器产生。

    cmac的调整指标为

  

    当系统开始运行时，系统由常规控制器进行控制。通过cmac的学习，使pid产生的输出控制量逐渐为零，cmac产生的输出控制量逐渐逼近控制器总输出.

    为了研究上述控制方案的效果，需要建立ipl作为控制对象的数学模型。传统上为了实现膝关节动力学方程进行逆向求解，以获得髓关节、膝关节及踝关节的力矩。然而，据此计算出的关节力矩参数实际上无法用于实际的假腿控制需要。因此，本文以二刚体假腿运动系统为基础，如图2所示。