智能轮椅已经日渐成为下肢残障人士和行动不便的老年人的高效代步工具,其本质上属于移动机器人的一种特殊形式。智能轮椅与常规移动机器人在控制方式上最大的区别在于乘用者在轮椅运行过程中对控制起到的主导作用,而常规移动机器人则更强调其完全自主控制,各种控制算法和控制模式必须基于人的主观意识来进行实时动态控制,体现出“人在环中”的结构特点。随着残障人士及老年人对日常生活质量和参与社会活动需求的不断提高,对于智能轮椅控制的实时性和安全性研究日益成为研究人员关注的重点问题。目前普遍使用的轮椅存在的主要问题包括:首先,在控制方式上存在模态单一的不足,乘用者大多无法选择适合自身特点的人机交互方式,因此难以满足不同残疾程度差异乘用者的使用需求;其次,在室内环境狭小空间内,常规差动转向结构的轮椅由于运动形式上的局限性,存在转弯半径大且安全性难以得到保障、易出现轮椅倾倒等安全问题;再次,常规的移动机器人控制算法在大量环境数据处理过程中,存在运算量过大的问题,无法保证控制过程的实时性;另外,在智能轮椅控制系统中,由于乘用者个体差异及不断变化的环境参数,在控制器设计过程中如未充分考虑系统中存在非线性和不确定性因素,必然导致智能轮椅最终控制出现准确性和安全性等问题。鉴于上述问题,提出一种以人体坐姿二维重心作为主控模态的全向智能轮椅手动控制方法,便于乘用者实现对轮椅的控制,并在充分考虑外界扰动的情况下,给出实时智能避障和轨迹跟踪控制算法、基于改进RBF神经网络及非线性不确定观测器的智能轮椅自动控制器设计方法。主要研究内容和取得的成果如下:(1)提出一种基于改进的自组织映射特征(Self-organizing Feature Map,SOFM)神经网络的动态人体坐姿二维重心聚类算法。首先,该算法在SOFM神经网络的初始权值确定及邻域范围选择等方面进行了优化和改进,其中基于误差的邻域范围调整算法,能有效降低聚类算法的运算复杂度;改进的邻域范围选择算法提高了系统聚类的收敛速度。其次,引入重心偏移修正归一化算法,保证了实时地依据人体坐姿二维重心判断智能轮椅乘用者运动意图,并在保障系统安全性的同时,实现了乘用者无需双手控制轮椅的人机交互方式,为特定用户提供除手柄控制轮椅以外的灵活操控多模态选择。仿真与实验结果表明,与常规SOFM聚类算法及其他聚类算法相比,改进的SOFM算法在实时性及准确性方面均得到显著提升。(2)深入研究了智能轮椅的自主避障策略,针对传统的模糊避障算法中参数选取依赖设计者经验的问题,提出了一种基于改进模糊神经网络的智能轮椅自主避障算法。首先,针对避障特点提出一种改进型的模糊神经网络控制器。其次,充分考虑到智能轮椅控制系统“人在环中”的特殊性,采用改进的离线与在线相结合的神经网络训练模糊逻辑参数,降低了避障算法的运算复杂度。另外,同时引入经验矢量矩阵,解决乘用者期望运动方向与避障算法运动方向之间的选择冲突问题,使乘用者运动意图在避障过程中得到体现。最后,利用仿真与实验结果进一步验证了该算法能在保证避障可靠性和安全性的同时,有效提高智能轮椅自主避障的实时性、智能性和人性化程度。(3)针对智能轮椅控制系统内部乘用者差异和外部环境中存在的有界不可测外界扰动,提出一种利用改进的径向基函数(Radial Basis Function,RBF)神经网络实现智能轮椅轨迹跟踪控制的方法。首先,利用RBF神经网络在线逼近全向智能轮椅的非线性逆运动学模型。其次,设计并实现了轮椅轨迹跟踪的直接自适应控制方法,给出了自适应控制器的详细设计方法和步骤。另外,利用Lyapunov稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,全向智能轮椅控制器在轨迹跟踪控制中跟踪误差的一致稳定且有界。最后,仿真及实验结果表明,所提改进RBF算法能有效逼近系统非线性逆运动学模型,在提高智能轮椅的轨迹跟踪运动控制精度的同时,使系统鲁棒性也得到一定提升。(4)深入探讨了智能轮椅实时性要求较高及系统内外普遍存在非线性和不确定环境因素等问题,提出一种基于非线性不确定观测器的全向智能轮椅轨迹跟踪控制方法。该方法在建立并分析了全向智能轮椅系统的动力学模型的基础上,基于Lyapunov稳定性理论给出了控制系统稳定性证明,并进一步利用所提算法设计了非线性不确定观测器和跟踪控制器。实验和仿真结果表明,利用所提方法设计的观测器,能够有效重构并补偿由于系统内部非线性、未知参数及外界不确定扰动导致的控制误差,并降低控制算法的复杂度,实现智能轮椅控制器对期望轨迹的实时精确跟踪。