本发明涉及智能控制，尤其涉及一种基于金豺狼算法的下肢外骨骼动力学参数辨识方法。
背景技术：
1、带电作业在我国已成为配网检修的常规模式，带电作业人员需要长期托举作业工具，还需要维持身体在电杆或作业平台支撑的不良体态，体力消耗极大，长期作业可能危及人员职业安全与健康。下肢外骨骼动力学模型中各项元素与大腿臂与小腿臂的质心距离，质量、转动惯量甚至关节摩擦系数等实际物理参数相关。然而对于一个具体的下肢外骨骼样机而言，考虑到其复杂的机械结构，这些参数的真实数值很难通过实际测量或者计算得出。此外，对于通过一些工业三维设计软件(如solidworks、creo等)生成的机械参数参考值来说，由于生成加工的误差与加工材料差异等因素，其准确性也相对较低。
2、系统参数辨识是控制理论和应用中的一个重要课题，它致力于从系统的输入输出数据中估计系统模型的未知参数。随着理论和技术的不断发展，越来越多的参数辨识算法不断问世，形成了一个庞大而多样的算法族。在众多参数辨识算法中，最小二乘法、极大似然法是较早的代表性算法，它们都属于基于分析模型的传统辨识方法。最小二乘法以最小化模型预测输出与实际输出之间的平方和为优化目标；极大似然法则是在给定的概率分布假设下，寻找能使观测数据最大化的参数估计值。这两种方法具有理论基础扎实、公式推导明了的特点，但也存在依赖系统模型的显式解析表达式、适用范围有限等缺陷。近年来，随着智能优化算法的兴起，遗传算法(ga)、粒子群优化(pso)、人工蜂群算法等群智能优化方法也被广泛应用于参数辨识问题。这些算法借鉴生物群体的优秀特性，通过模拟生物进化或群体行为的方式，以高效的随机并行搜索策略来求解复杂的优化问题。其中，遗传算法模拟生物进化过程中的遗传、变异和选择机制，具有全局寻优能力强、适用范围广、不依赖梯度信息等优点，在非线性系统参数辨识领域展现出良好的应用前景。由于下肢外骨骼机器人本身是一个复杂的机电一体化系统，基于模型的控制方法需要精确地建模和参数辨识。从外骨骼的动力学方程中可以观察到，存在许多与实际物理参量相关但难以直接测量或者计算的参数，如大小腿机械臂质心位置、转动惯量等，准确地辨识出这些外骨骼的物理参数对于提高控制性能至关重要。
3、中国专利申请号cn202410358263.3公开了一种工业机器人动力学参数复合辨识方法，其包括：建立工业机器人动力学模型并进行线性化处理；控制工业机器人按设计的激励轨迹运动，并对关节力矩和关节角度信息进行采样，得到观测力矩和观测矩阵；基于工业机器人动力学方程与观测数据，使用最小二乘法辨识得到工业机器人的动力学参数；通过bp神经网络对摩擦力矩进行补偿。该专利申请存在以下不足：
4、1)最小二乘法适合于确定参数值，但在处理复杂问题的参数辨识方面存在一定的局限性。相比之下，遗传算法则更适用于复杂问题，尽管计算量较大。
5、2)最小二乘法通常用于通过最小化观测值与模型预测值之间的残差平方和来确定参数值，但它可能无法很好地处理复杂系统中的参数辨识问题，尤其是当参数之间存在复杂的非线性关系时。
6、中国专利申请号cn201910357828.5公开了基于极大似然估计的scara机器人动力学参数辨识方法，该专利申请在机器人建模过程中考虑了电机转动惯量，提升了辨识精度。轨迹设计中，采用五阶多项式代替传统傅里叶级数中常数项的方法，保证了轨迹的起始和结束时刻关节的速度和加速度均为零。激励轨迹的优化中考虑了关节的位置，速度和加速度的限制，保证了机器人在设计的轨迹下运行不超限。在力矩测量中，引入中值滤波，提高信噪比，提升辨识精度，改善了参数辨识的效果。其存在的不足是：
7、1)极大似然估计算法是一种参数估计方法，通过最大化给定数据集的似然函数来估计参数。但其对数据分布有一定的假设要求，且在数据量较小时可能会导致估计不准确。
8、2)对于复杂、多变量的问题没有较强的全局优化能力，不能在搜索空间广泛且复杂的情况下找到较优解。
技术实现思路
1、本发明要解决的技术问题是提供一种基于金豺狼算法的下肢外骨骼动力学参数辨识方法。
2、为了解决上述技术问题，本发明采用的技术方案是，基于金豺狼算法的下肢外骨骼动力学参数辨识方法，包括以下步骤：
3、一、下肢外骨骼动力学模型线性化
4、1)由于参数矩阵仅仅依赖于设备的机械参数而与系统的实时状态无关，相反回归矩阵则是依赖于关节状态和外骨骼臂长等可测信息的函数矩阵；因此，模型可以线性化为参数矩阵和回归矩阵的乘积，参数矩阵中的每个元素的数值被辨识得到后，即可得出外骨骼完整的动力学模型如公式(1)：
5、
6、建立参数辨识公式：
7、
8、其中，θ∈r2×1是两关节位置矩阵；是两关节速度矩阵；是两关节加速度矩阵；y∈r2×8是回归矩阵；τ∈r2×1是外骨骼力矩矩阵，两者可以通过采集外骨骼运行数据之后计算处理获得；τh∈r2×1是外骨骼人机耦合力矩矩阵；
9、从上式可知，为方便模型参数识别，并不需要人机耦合的参与；为减少参数辨识的误差，令τh＝0，上式化简为：
10、
11、χ∈r8×1是待辨识的目标；假设采集的数据集有n组样本，为方便后续辨识数据处理，将式改写成如下形式：
12、
13、其中，y(i),i＝1,2,…,n代表第i个样本的回归矩阵；τ(i),i＝1,2,…,n代表第i个采样数据的力矩矩阵；
14、通过算法辨识出估计参量矩阵之后，通过反算计算出估计力矩矩阵如下式所示：
15、
16、最后通过比较与之间的力矩误差，便可以衡量估计参数矩阵的准确性，如下式所示：
17、
18、其中，是力矩误差矩阵；
19、二、基于金豺狼算法的下肢外骨骼动力学模型辨识
20、2)当没有操作员时，人机耦合力矩为零；因此，采用无模型的pid控制器驱动外骨骼样机完成数据采集实验，其中关节驱动力矩和关节位置通过关节力矩传感器与绝对编码器测量；而无法直接测量的关节角速度和关节角加速度通过离线差分的方式去计算获得；
21、控制下肢外骨骼机器人按设计的激励轨迹运动，并对关节力矩和关节角度信息进行采样，得到观测位置和力矩矩阵；
22、3)针对下肢外骨骼实验平台来说，为了保证外部干扰和采样误差对辨识结果准确率的影响尽可能的小以及动力学模型的收敛速度和抗噪声性能好，设计五阶傅里叶级数激励轨迹如公式(7)，即得到傅里叶系数ak和bk；
23、
24、其中，θd是期望的轨迹角度；是期望的轨迹速度；是期望的轨迹加速度；θ0是关节初始的偏移角度；k表示激励轨迹拟合的最高次傅里叶级数谐波；ak与bk是待优化的正弦项与余弦项系数；ωs是基波频率；设定n、ωs值后，便可通过将ak与bk设置为金豺狼算法中金豺狼个体位置找出使条件数最小的ak与bk，从而完成激励轨迹设计；
25、4)根据设计完成的激励轨迹，采用无模型pd控制器控制外骨骼样机完成相关的激励实验，并将采集的实验数据整理为采样回归矩阵和采样力矩矩阵的形式；先对金豺狼算法进行初始化，再更新能量因子，最后确定金豺狼狩猎模式；由此得到最优的估计参数矩阵，使得估计力矩趋近于采样力矩；具体的做法如下：
26、a)基于下肢外骨骼机器人动力学方程与观测数据，首先对金豺狼算法初始化：与其他基于种群的优化算法类似，金豺狼算法首先根据优化问题的边界条件，在解空间内随机生成一组初始候选解，即相当于猎物种群个体，作为算法的初始状态；具体做法是利用均匀分布函数生成一组随机数，将其缩放到问题的可行解空间内，从而构建出初始种群；表达式如下：
27、yi,j＝yj,min+rand(yj,max-yj,min) (8)
28、其中：yi,j表示第i只猎物在第j维的位置；yj,min和yj,max分别是在第j维空间的下界和上界；rand(·)是[0,1]之间的均匀随机数；根据优化问题的维度d和种群规模n，可以得到初始种群矩阵：
29、
30、根据问题设定，设计相应的适应度函数，评估每个个体的适应度值，形成适应度函数：
31、
32、在适应度函数中，最优适应度对应的个体被称为雄性金豺狼，次优适应度对应的个体被称为雌性金豺狼，两者形成一个豺狼对，作为下一步迭代的引领者；
33、b)再更新能量因子：在金豺狼算法中，引入“能量因子”e的概念，用于模拟金豺狼在追捕猎物的过程中猎物的逃跑能力；该能量因子由两部分构成，分别为猎物的初始能量e0和迭代过程中递减的能量e1，其计算公式如下：
34、e＝e1*e0 (11)
35、
36、其中，r是[0,1]均匀分布的随机数，c1是一个常数参数，t是当前迭代次数，t代表最大迭代次数；根据能量因子大小将确定金豺狼种群进入搜索或围猎阶段；
37、c)最终确定金豺狼狩猎模式：当e>1时，金豺狼进入搜索猎物阶段，相当于对整个解空间进行广泛的全局寻优搜索，此时，对雄性和雌性金豺狼的位置更新公式为:
38、
39、其中，t是当前迭代次数；yi(t)是当前第i个猎物的位置，ym(t)和yfm(t)分别代表雄、雌金豺狼当前迭代次数时的位置；|ym(t)-rl·yi(t)|和|yfm(t)-rl·yi(t)|分别表征雄雌金豺狼与猎物之间的距离；根据猎物的逃跑能力e对当前迭代次数中的雄雌金豺狼位置做相应的修改，x1.i(t)和x2.i(t)分别代表本次迭代之后由雄、雌金豺狼引领的种群位置；
40、rl·yi(t)用于模拟金豺狼搜索过程中猎物的运动情况，rl是服从levy分布的随机向量，具体表示如下：
41、rl＝0.05*lf(y) (14)
42、其中
43、lf(y)＝0.01×(μ×σ)/(|v(1/β)|)
44、
45、上式中的μ、v是[0,1]均匀分布的随机数；β是算法的的常数参数；根据公式确定的x1(t)和x2(t)更新整个种群位置:
46、
47、当e<1时，金豺狼进入围捕猎物阶段，相当于对局部最优解进行尝试，使用如下公式更新金豺狼种群位置：
48、
49、rl·ym(t)和rl·yfm(t)分别用于模拟金豺狼围猎过程中雄雌金豺狼的运动情况；
50、d)最后，使用雄雌豺狼对确定的种群的位置，即可辨识得到下肢外骨骼机器人的动力学参数。
51、本发明的有益效果是：
52、通过金豺狼算法动力学模型参数辨识，可以处理人体环境的复杂性与脆弱性等问题，解决位置控制算法的动态性能与跟踪精度都有较高的要求。可以给基于模型的控制算法的设计提供较为准确的动力学模型作为先验信息。同时，可以针对人机耦合系统典型的控制策略(如阻抗控制、灵敏度放大等)，提供准确性较高的动力学模型，以保证控制器的精确性。因此，在得到外骨骼样机的准确动力学模型的基础上，可以进一步考虑下肢外骨骼不同的控制模式下(主动模式和被动模式)的控制器设计。同时，为带电作业辅助装置的开发和应用提供基础。
1.基于金豺狼算法的下肢外骨骼动力学参数辨识方法，其特征在于，包括以下步骤：
