(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211036874.3 (22)申请日 2022.08.29 (71)申请人 海南医学院 地址 571199 海南省海口市龙华区学院路3 号 (72)发明人 唐银清　詹何庆　 (74)专利代理 机构 北京汇众通达知识产权代理 事务所(普通 合伙) 11622 专利代理师 李丹 (51)Int.Cl. B25J 9/16(2006.01) A61B 34/35(2016.01) (54)发明名称 一种多自由度远程手术机器人网络控制系 统 (57)摘要 本发明公开了一种多自由度远程手术机器 人网络控制系统， 包括V规范解耦内模控制器， 多 自由度机器人对象使用V规范解耦环节将其解耦 为对角阵， 使计算量降低， 以解耦后的对角阵作 为广义对象， 再进行内模控制器设计， 该发明能 同时实现多自由度远程手术机器人网络控制系 统的系统信号解耦与时延补偿控制， 简化了系统 控制器的设计， 采用模糊自适应方法实现内模控 制器滤波器参数的在线自整定， 以增强系统鲁棒 性与抗干扰能力， 设计方法扩展性强， 从系统结 构上实现信号解耦与时延补偿， 不需要对通信网 络中各环节的时延进行测量、 估计或辨识， 可节 省硬件成本 。 权利要求书3页 说明书9页 附图3页 CN 115502969 A 2022.12.23 CN 115502969 A 1.一种多自由度远程手术机器人网络控制系统， 其特征在于： 包括V规范解耦内模控制 器， 多自由度机器人对 象使用V规范解耦环节将其解耦为对角阵， 使计算量降低， 以解耦后 的对角阵作为广义对象， 再进行内模 控制器设计， V规范解耦内模 控制器的设计步骤如下： 步骤1， V规范解耦设计： V规范解耦包括多自由度机器人对象传递函数矩阵包括G(s)， 解耦器传递函数矩阵N (s)， 其中解耦控制 器与执行器共点， 还包括V规范解耦环节W(s)与K(s)， Gm(s)表示解耦后 的广义机器人对象模型传递函数矩阵， C(s)表示内模控制器传递函数矩阵， R(s)为输入向 量， Y(s)为输出向量， Ym为模型输出向量， 从手端传感器节点同时采样系统输出Y(s)与 模型 输出Ym(s)， 将误差信号e通过通信网络发送到主手端控制器节点， D(s)为干扰向量； 步骤2， 内模 控制器设计： (1)设计V规范解耦补偿器N(s)， 使广义系统G(s)N(s)为对角阵； (2)取解耦后的广义系统对角元 素为内模 控制的内部模型Gm(s)； (3)将模型Gm(s)分解为最小相位部分Gm‑(s)和非最小相位部分Gm+(s)， 然后对Gm‑(s)求 逆设计控制器， 为了保证控制器的物理可实现性， 增强系统鲁棒 性， 引入滤波器F(s)； 步骤3， 内模 控制器滤波器参数的模糊自适应整定设计： (1)模糊算法原理； (2)模糊内模 控制器方法设计。 2.根据权利要求1所述的一种 多自由度远程手术机器人网络控制系统， 其特征在于： 在 V规范解耦设计中， 先对G(s)实行开环解耦控制， 使H(s)＝G(s)N(s)为一个对角矩阵， 可得H (s)＝G(s)N(s)＝G(s)(I ‑W(s)K(s) )‑1W(s)， 经过求逆作如下变换： H(s)‑1＝W(s)‑1(I‑W(s)K(s) )G(s)‑1                     (5) H(s)‑1G(s)＝W(s)‑1‑K(s)                            (6) 因为W(s)为对角阵， K(s)为主对角元素为零的矩阵， 解耦环节的N(s)的主对角元素Nii (s)和非对角元 素Nij(s)分别为式(7)和式(8)： Nii(s)＝W(s)＝Gii‑1(s)Hii(s)(i＝1,2...n)                    (7) Nij(s)＝K(s)＝ ‑Hii‑1(s)Gij(s)(i＝1,2...n,j＝1,2. ..n； i≠j)       (8) 解耦补偿器设计的关键在于解耦后广义机器人对象矩阵Hii(s)的形式， 通常一般根据 实际的需要给出， 为简化解耦环节， 选取W(s)为单位矩阵， 则Nii(s)＝Gii‑1(s)Hii(s)＝1， 即 Hii(s)＝Gii(s)， 即解耦后的广义多自由度机器人对象矩阵为实际多自由度机器人对象矩 阵G(s)的对角元素组成的对角矩阵， 为使解耦补偿 环节非对角元素K(s)可实现， 令Hii(s)＝ Gii‑(s)， 其中Gii‑(s)为被控过程对角元素的最小相位部分， 则解耦环节的非对角元素为Nij (s)＝‑Gij(s)(Gii‑(s))‑1(i＝1,2...n,j＝1,2. ..n； i≠j)。 3.根据权利要求1所述的一种 多自由度远程手术机器人网络控制系统， 其特征在于： 所 述内模控制器设计具体为： 根据步骤1的解耦控制后， 广义多自由度机器人对象系统为G(s)N(s)为对角矩阵,选择 解耦后的广义系统为内模 控制的模型矩阵Gm(s)， 即： Gm(s)＝dia g{H11(s),H22(s),…Hnn(s)}＝dia g{G11(s),G22(s),γGnn(s)}     (9) 将模型Gm(s)按最小相位稳定 部分Gm‑(s)和非最小相位部分 Gm+(s)进行如下分解： Gm(s)＝Gm+(s)Gm‑(s)                                    (10)权　利　要　求　书 1/3 页 2 CN 115502969 A 2Gm+(s)＝GA(s)GN(s)                                    (11) GA(s)中包含的 是Gm(s)中的对角元素时滞因子的预估项； zr是Gm(s)的右半平面极 点， ksj是该极点的个数， rs是Gm(s)所包含的互异的右半平面的极点的总个数， 为了确保内 模控制器的可实现性， 引入滤波器， 通过调整滤波器结构和参数获得期望的动态品质和鲁 棒性能 ， 引入对角型滤波器F (s) ＝diag{f1(s) ,f2(s) ,…fn(s)} ， 式中 ， ni＞0， 是Gm‑(s)中的第i列元素分子分母多项式的相对阶 次， λi是滤波器可调参数， 因此， 得到修 正后的内模 控制器如下式所示： CIMC(s)＝dia g{C11(s),C22(s),…Cnn(s)}              (14) 其中 因此， 在最终设计的控制器中， 有n个滤波器参数λi(i＝ 1,2,…n)需要调整。 4.根据权利要求1所述的一种 多自由度远程手术机器人网络控制系统， 其特征在于： 所 述模糊算法原理： 模糊逻辑控制的基本思想是用机器去模拟人对系统进行控制， 它以模糊 集合、 模糊语言变量以及模糊逻辑推理为基础构成了一种智能控制， 模糊 控制系统包括模 糊化、 模糊知识库、 模糊推理、 去模糊化和输入输出量化等部分， 其中R参考输入值， E和Ec分 别为误差e和误差变化率ec经过输入量化后的语言变量， u为经过去模糊化处理后的实际输 出的控制信号,运用模糊子集对量化后的e和ec进行描述， 常用的模糊子集可用7个模糊状 态表示： {负大， 负中， 负小， 零， 正小， 正中， 正大}， 用如下符号表示{NS,NM,NB,Z,PS,PM, PB}。 5.根据权利要求4所述的一种 多自由度远程手术机器人网络控制系统， 其特征在于， 所 述模糊控制系统的输入量e和ec在进行量化处理时， 需要设置论域， 如误差e的论域为X， 可 作如下量化： X＝{ ‑n,‑n+1,…,0,1,2,…n‑1,n}， n的取值根据实际需要确定， 同理， ec和u可 进行同样的量化处理， 模糊量化后需经过进一步的模糊推理， 模糊推理是要在数据库中选 择合适的隶属度函数和在规则库中选择合 适的模糊规则， 如以下模糊判定规则： 其中if…部分指的是条件部分， 而then …部分指的是结果部分， A为论域X1上的一个模 糊子集， B是论域X2的一个模糊子集,模糊规则R的条数与模糊变量的模糊子集划分有关， 划 分越细， 则模糊规则条 数越多。 6.根据权利要求1所述的一种 多自由度远程手术机器人网络控制系统， 其特征在于： 所 述模糊内模 控制器方法设计： 对于多自由度远程手术机器人网络控制系统的第i个回路， 当λi越大， 可允许的模型误 差越大， 应将 λi设置为较大值， 相反， 当模型误差程度较小时， λi应取较小值,首先， 由于多自权　利　要　求　书 2/3 页 3 CN 115502969 A 3