简介:摘要:本论文研究了四足步行机器人的姿态控制方法,分析了其结构和步态运动学特征,提出了基于PID控制器、模型预测控制器和强化学习算法的姿态控制方法,并在实验仿真平台中进行了验证和分析。实验结果表明,三种姿态控制方法均可以有效地控制机器人的姿态,但存在各自的应用场景和优劣势。基于PID控制器的方法简单可靠,但对机器人的非线性特性和复杂运动控制存在局限性;模型预测控制器可以考虑机器人的非线性特性和时变动态特性,但需要建立准确的运动学和动力学模型;强化学习算法具有良好的适应性和鲁棒性,但需要进行大量的实验和数据采集。实验仿真和分析为研究和应用四足步行机器人的姿态控制方法提供了有效的手段和思路。
简介:摘要目的探讨步行机器人训练对慢性期脑卒中偏瘫患者步行能力的影响。方法将40例符合纳入标准的脑卒中患者应用随机数字表法按1∶1比例分为对照组和机器人组,每组20例。研究过程中,机器人组因陪护原因没有完成初始干预而脱落2例,其余患者均完成了初始2周治疗;2组患者中有23例患者完成全部4周的治疗。所有患者均接受常规康复治疗,对照组在此基础上给予治疗师徒手步行训练,机器人组在常规康复治疗的基础上接受步行机器人(Exowalk®)训练,每日训练60 min,每周5 d,共4周。分别于治疗前及治疗2周后和治疗4周后,采用功能性步行分级(FAC)、Berg平衡(BBS)、6 min步行测试(6MWT)、10 m步行测试(10MWT)、Rivermead移动指数(RMI)、运动指数(MI)对2组患者的步行能力进行评估。结果治疗2周后,2组患者的FAC、BBS、6MWT、10MWT等指标均较组内治疗前有显著改善(P<0.05),而组间差异并无统计学意义(P>0.05)。治疗4周后,机器人组的BBS由(33.92±20.83)分增长到(37.92±18.61)分,差异有统计学意义(P<0.025);2组间对比,各指标差异均无统计学意义(P>0.05),但机器人组的FAC由(3.69±1.43)分增长到(4.15±1.34)分,呈持续上升趋势,而对照组FAC的在治疗2周后无明显变化。结论步行机器人能持续改善慢性期脑卒中偏瘫患者的平衡功能,提高患者步行能力。
简介:“你好,先生。请问你们家要请人洗衣服吗?”我和爸爸正走在街上,突然听到一个怯生生的声音在耳边响起。我感觉到,爸爸分明是听到这个声音了,也知道是问他,却装作没有听到,拉着我的手加快速度往前走。我一边吃着冰淇淋一边抬头看爸爸,当我的目光和他的目光相遇时,爸爸