软组织牵拉中的自适应Transformer柔顺力控制

摘要

针对复杂软组织环境中手术机器人面临的环境刚度突变与动态不确定性挑战，传统阻抗控制适应性不足问题，提出融合Transformer序列预测机制的自适应阻抗控制策略。通过对历史接触力与位移序列进行多变量建模，利用Transformer模型预测环境刚度、接触位置及控制参数演化趋势，实现控制参数前馈调节，增强系统对非线性、非平稳环境的适应能力。软组织牵拉实验中，与固定阻抗控制、传统自适应阻抗控制及模型预测控制（MPC）的对比显示：10 N目标力场景下，所提方法1.7 s达到目标力，稳态误差±0.2 N左右，最大力过冲约0.26 N；环境刚度突变时，恢复时间0.35 s，收敛时间为1.43 s；扰动实验中，正弦扰动条件下最大偏差3.17 N，积分绝对误差（IAE）降至3.52，阶跃扰动条件下恢复时间0.34 s。实验证实该方法在响应速度、稳态精度、过冲抑制及抗扰性能上均优于对比方法，为医疗机器人高精度柔顺控制提供了新的技术支撑。

关键词

自适应阻抗控制 / 力反馈 / 预测控制 / Transformer

基金资助

国家自然科学基金（62003207）; 国家重点研发计划（2019YFC0119303）; 中国博士后基金面上资助项目（2021M690629）