基于ZMP双足机器人稳定性控制策略与算法的研究

基于ZMP控制理论及其数学模型,通过预先给定双足机器人步态的运动轨迹,计算确定各关节的旋转角度并选定控制系统的控制算法.对遗传算法在双足机器人步行稳定性控制策略做了分析,主要解决如何产生稳定控制机器人步态的数据,在步态运行过程中保证双足机器人从一个稳定态到下一个状态时,同样也是稳定的,以实现机器人在实际行走过程中达到较好的稳定效果.ZMP     

不平整地面上双足机器人的步态控制

提出了一种不平地面环境下双足机器人的步行控制算法.该算法由步态规划和传感器反馈控制系统组成.在步态规划中,采用被动倒立摆模型设计双足机器人的质心位置,所生成的步态使机器人能够在平地上更自然有效地稳定行走.在线反馈控制系统用于处理地面环境的凹凸不平以及来自外界的未知扰动,可分为上身姿态控制、期望ZMP控制以及非线性落地控制3个部分.这3种控制分别针对不同的控制目标,并根据步行过程的具体阶段在线修正预先规划好的步态,维持双足机器人的步行稳定性.它们在结构上相互耦合,从而实现加速在线反馈控制系统的收敛速度、克服机器人柔性对控制作用的负面影响等效果.双足机器人在凹凸地面的步行实验验证了所提出步行控制算法的有效性.     

基于粒子群优化算法的双足机器人步态优化

分析了髋关节位置对双足机器人步行稳定性判据零力矩点(ZMP)的影响,以ZMP稳定裕度为参数构造目标函数,利用粒子群优化算法(PSO)对基于3次样条插值方法规划的双足机器人步态进行优化,从而得到ZMP稳定裕度大的平滑步态.仿真实验表明:该方法规划的步态实现了双足机器人稳定、协调地行走.     

有躯干双足机器人被动行走及其稳定器

采用Matlab仿真的方式构建了一个简单的有躯干双足机器人模型,研究了该模型在斜坡上的被动行走,分析了模型步行的稳定性,并设计了一个全状态线性反馈步行稳定器.研究结果表明:无任何驱动器的有躯干双足机器人能够实现沿斜坡而下的被动行走,其步行方式有两种,但均不稳定;设计的全状态反馈稳定器能够较好地稳定模型的被动行走.     

基于MRDS仿人机器人仿真平台设计

为了辅助仿人机器人双足步行的步态实验研究,基于微软机器人开发工作室(MRDS),探讨了一种仿人机器人仿真平台的设计和实现.对虚拟环境中仿真机器人实体进行了建模,研究了面向服务思想下机器人应用程序的一般设计模式,实现了平台服务对机器人行为的并发协调控制.双足步态规划及基本视觉识别的测试表明,平台有效实现了仿人机器人多种基本行为的仿真,为步行及其他控制算法的研究及实验提供了支持和基础.     

一种由人类步行启发的半被动双足步行机器人

针对半被动双足步行机器人所采用的控制方法大多较为复杂,并且缺乏控制参数对机器人性能影响的定量分析,从人类步行的生物力学研究得到启发,提出一种半被动双足步行机器人的控制方法,并定量分析该控制方法各参数对机器人性能的影响.在机器人摆动腿与地发生碰撞后开始于髋关节处施加方波力矩,作为动力输入.采用步态敏感范数衡量机器人的稳定性,采用无量纲步行能耗衡量机器人的步行效率.以稳定性、效率和步行速度作为机器人性能评价指标,通过仿真得到力矩、力矩作用时间和斜坡角度3个参数对机器人性能的影响.由于力矩在1个步行周期中没有做负功,该机器人具有与人类步行相似的高能量效率.该机器人能够实现沿上坡、下坡和平地步行.     

机器人步态算法仿真研究

以仿人机器人双足步行为研究重点,实现了线性倒立摆步行规划和正逆运动学算法。推导出机器人机械结构对线性倒立摆步行参数的约束条件,并采用遗传算法探索参数空间以得到可行、稳定、快速的步行模式。最后,在该仿真平台上验证了步态生成算法的有效性。     

双足机器人稳定行走步行模式的研究

研究了一种基于零力矩点(ZMP)预观控制系统的双足机器人稳定行走步行模式生成方法.通过对双足机器人行走过程中行走参数及ZMP轨迹进行规划,计算出机器人行走过程中的质心轨迹.由运动学模型求解出其行走过程中步行姿态,预观控制器利用未来目标ZMP参考值和双足机器人状态计算控制输入,对机器人进行稳定行走控制.最后采用ADAMS和Matlab/Simulink联合仿真技术对离线步行模式进行仿真验证,仿真结果表明双足机器人虚拟样机可实现稳定行走效果.     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

基于强度Pareto进化算法的双足机器人步态规划

为了获得良好的双足机器人步行模式,提出了以步行过程中机器人的稳定性、移动性和能耗为目标的步态规划多目标优化方法.该方法基于倒立摆模型产生基本步态,并使用罚函数法和改进的强度Pareto进化算法(SPEA2)在可行域中求得基于基本步态的Pareto解集,从而找出最优解.最后在Matlab6.5仿真环境下进行步态仿真,并将...