四足机器人对角小跑直线步行的虚拟模型

提出用虚拟模型控制技术实现四足步行机器人的对角小跑直线步行,在阐述虚拟模型概念的基础上,推导了JTUWM-Ⅲ四足机器人对角支撑和四足支撑的虚拟模型,实现了对小角小跑步态,机体步行速度为0.2km/h。     

基于虚拟模型的四足机器人直觉控制

JTUWM-Ⅲ四足机器人在关节上设置驱动器，高层的步行任务转化为低层关节空间的驱动控制，它是非直觉的。针对这一问题，以虚拟驱动器模拟实际关节转矩，基于此虚拟驱动器的模型，将高层的步行任务转化为底层的关系转矩控制，凭直觉连续设置虚拟力使机器人不断从平衡状态进入不平衡状态，进而由虚拟模型得到期望转矩，驱动机器人进入新的平衡状态完成步行。     

四足机器人坡面运动时的姿态调整技术

提出了一种四足机器人对脚小跑步态下的坡面运动姿态调整策略.采用复合摆线对机器人足端轨迹进行规划,以减小足端在换相点处与地面间的瞬时冲击;以机器人质心在斜面上的落点到支撑线的距离为判据进行四足机器人坡面运动稳定性分析,得到其姿态调整的确定值.在Adams中建立了四足机器人的虚拟样机模型并进行了仿真试验,试验结果证实所提出的姿态调整策略对提高四足机器人坡面运动稳定性有效.      

液压四足机器人单腿的分数阶虚拟模型控制

虚拟模型控制广泛用于四足机器人的运动控制器设计中. 提出了一种分数阶虚拟模型控制器,在保证四足机器人柔性触地的同时,提高四足机器人小跑运动中单腿轨迹跟踪的精确性和鲁棒性. 介绍了关节液压缸力控制系统的频域建模过程及基于非线性寻优法的单腿虚拟模型控制器的参数整定,并通过实验对比了分数阶虚拟模型控制和传统虚拟模型控制在四足机器人小跑运动中单腿的控制效果,证明了分数阶虚拟模型控制对单腿轨迹跟踪性能的改善作用.      

四足机器人对角小跑步态的研究

介绍了ＪＴＵＷＭ－Ⅲ型多关节四足步行机器人，设计了Ｔｒｏｔｔｉｎｇ步态，并完成了Ｔｒｏｔｔｉｎｇ动态步行实验，步行速度为０．２ｋｍ／ｈ，占空系数β＝０．５。     

基于虚拟仿真的四足机器人步态分析

根据观察动物行走的特点,完成一种四足机器人的行走过程仿真分析。在三维软件Pro／E中建立四足机器人分析模型,导入仿真软件MSC．ADAMS中添加约束和动力,以一定形式的步态效果实现了四足机器人在平面上的行走过程,并以机器狗模型为例子分析了它的稳定性以及在行走过程中各部分动作产生的影响。     

基于移动变长倒立摆的四足机器人对角支撑的稳定性控制

四足机器人系统复杂,运动自由度多,其动态稳定性一直是机器人控制领域的难点与热点。为使四足机器人能够在复杂多样的自然环境中运动自如,针对四足机器人特殊的对角双足支撑动态稳定性问题进行探究。将足式机器人简化为可移动变长倒立摆模型,对其进行运动学和动力学分析,设计了一种运动稳定控制算法,使四足机器人能在对角双足支撑的情况下保持稳定,在受到外力的干扰时可自动调整,并再次恢复到平衡稳定状态。以搭建的四足仿狗机器人为实验平台,开展了对角支撑的平衡实验,实验结果表明四足机器人能够在对角支撑下精确控制自身的稳定,验证了该控制算法的可行性,为后期四足机器人动态稳定性行走奠定重要基础。     

四足机器人单步急停稳定控制策略

针对四足机器人急停控制问题,提出了基于接触力优化的单步急停稳定控制策略。建立了支撑腿接触力与作用在躯干质心上的虚拟力的映射关系。基于零力矩点(ZMP)稳定判据和接触力内接棱锥模型,建立具有不等式约束的线性规划(LP)问题。采用内点法求解该LP问题,求出最优的足端接触力,在作用在机器人质心的虚拟力最大的同时保证机器人ZMP在急停过程中落在支撑平面内且不产生滑动。仿真结果表明该文控制策略的有效性。     

神经元在四足机器人伺服控制中的应用

采用神经元控制的方法来解决四足机器人的非线性问题，神经元控制器对被控对象的非线性具有自适应的能力。它比一般的自较正控制器简单，快速。实验证明，它所取得的控制效果也很好。     

负载型四足步行平台静步态行走虚拟模型控制

为实现负载型四足步行平台静步态柔顺行走,减小控制方法的复杂程度,提出了一种基于机体虚拟模型的步行平台静步态行走控制方法。将平台静步态行走控制分为支撑阶段足端力的求解、摆动腿的运动控制及机体运动控制三部分。对于静步态行走支撑阶段中存在的三足及四足支撑阶段,分别在平台整体受力分析基础上,通过添加相应的约束条件,实现了其各方向的力可控。通过在摆动腿足端实际位置与理想位置之间添加虚拟的弹簧阻尼元件实现了足端轨迹跟踪准确性及足端着地时的柔顺性。通过在机体实际位置及期望位置之间添加相应的虚拟弹簧阻尼元件,结合平台机体轨迹规划实现其静步态行走。并通过机动平台平地及爬越台阶静步态行走仿真验证了控制算法的有效性。     

基于对角步态下的液压4足机器人能耗研究

移动能耗是液压4足机器人的一项重要性能指标,因此,对不同步态参数下液压4足机器人的移动能耗分析研究具有重要意义. 文中对液压4足机器人进行运动学和动力学建模,利用运动学和动力学模型,根据机构的几何关系得到液压缸运动状态. 规划了摆线函数和三次曲线函数在对角步态下的足端轨迹,对比分析了两种足端轨迹的能量消耗,着重研究了不同步幅、步高、入地角度、周期大小、约束角度以及斜坡角度对移动能耗的影响. 研究结果表明,综合考虑系统的稳定性、冲击力以及速度要求,应选择相对较大的步幅、较大的周期以及较小的入地角度,在满足跨越障碍的情况下,应选择低步高,对整个周期能耗进行考虑,应选择约束入地角度.      

神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.     

基于机器学习与视觉的四足机器人步态精确监测方法

为保证四足机器人在复杂地形中能准确行进,对其步态实时监测方法进行了研究,提出一种基于机器学习和双目视觉的步态精确监测方法。首先为降低视觉残影误差,从已知步态轨迹“动中取静”确定对足端的最佳观测点位。此外,为补偿视觉系统误差所致足端位姿测量误差,提出一种基于深度神经网络的足端位姿精确预测方法。最后仿真结果表明所设计神经网络有99.68%的概率能达到0.025 mm足端位置预测精度,可满足实时、高精度监测要求。此方法将机器学习的泛化能力与视觉系统复杂误差来源相结合,使视觉方法实现了高精度测量,为足式机器人步态实时精确监测提供了新思路,进而为其足端精确定位及步态周期性保持提供了有益的方法参考。     

模糊神经网络在四足步行机器人控制中的应用

将神经网络和模糊控制理论应用于四足步行机器人的控制中，并在实验基础上选取样本，设计了针对四足步行机器人的模糊神经网络控制系统．