基于被动行走原理的双足机器人步态规划

为解决四连杆双足机器人的平面步态规划问题, 提出基于被动行走的平面步态规划。基于3毅向下坡面完全被动行走的动力学方程, 利用角度不变控制方法施加控制力矩, 得到机器人在水平面上的动力学模型。结合常数时间放缩方法对平面参考轨迹进行时间放缩, 得到机器人在水平面上步幅不变, 周期可变的行走步态。通过Matlab 软件数值仿真结果表明, 该研究方法是可行、有效的。     

虚拟线性倒立摆模型在行走机器人双腿支撑相中的应用

为了提高双足机器人步行运动的稳定性,将双腿支撑阶段的机器人简化为一个虚拟的线性倒立摆模型。该模型以机器人运动的ZMP(zero moment point)为虚拟支点,以机器人质心为模型的质点;在运动中保持质点高度不变。通过预先设定ZMP的轨迹,即可获得机器人质心在双腿支撑阶段的运动轨迹。将该模型与机器人单腿支撑阶段的普通线性倒立摆模型综合运用,就能保证步行时机器人质心速度变化的连续性和步行运动的稳定性。该方法在实际机器人上进行了实验验证,结果表明该方法能够很好地适用于实际机器人的步行运动。     

脉冲推力作用下上楼梯双足机器人行走的建模与动力学分析

本文研究脉冲推力作用下带伸缩腿的上楼梯双足机器人行走的复杂动力学。利用伸缩腿结构解决上楼的触碰台阶问题,采用沿支撑腿方向的脉冲推力提供动力源,运用拉格朗日方程和角动量守恒定律,建立上楼梯双足机器人行走的动力学模型。通过施加幅值限制和与支撑腿角速度相关的脉冲推力构造庞加莱映射。结合理论分析和数值模拟,研究系统的周期解及其分岔等复杂动力学,讨论脉冲参数及自身结构参数对双足机器人稳定行走的影响。研究结果表明：选择合适的参数,系统具有稳定的周期-1解,双足机器人能够稳定完成爬升楼梯的动作;相较于固定脉冲推力,幅值限制和与支撑腿角速度相关的脉冲推力有助于上楼梯双足机器人快速进入稳定的行走状态。     

欠驱动双足步行机器人运动控制与动力学仿真

以欠驱动双足步行机器人为对象,提出一种基于落脚位置控制的运动控制算法,并对其行走控制过程进行动力学仿真。首先基于三维线性倒摆模型(3D-LIPM)控制机器人的落脚位置,建立其行走姿态的虚拟约束,利用有限时间收敛反馈控制器对行走过程进行控制,实现了机器人的动态稳定行走。最后结合MATLAB的符号运算、SIMULINK和虚拟现实技术对其控制过程进行运动学和动力学仿真。实验结果表明控制算法是可行的。     

被动行走中躯干对能量效率的影响

针对有躯干双足机器人的被动行走,以躯干对双足步行的影响为侧重点,采用Matlab仿真的方式建立了2个纯被动有躯干机器人模型,分别为腿部无质量模型和腿部有质量模型.研究了2个模型中不同躯干质量、躯干长度对步行能量效率的影响,并将这2个模型的结果与对应的纯被动无躯干机器人模型进行了对比.结果表明:在相同的步行速度下,无躯干的机器人比有躯干的机器人更省能,躯干质量越小、躯干长度越小,机器人步行越省能.即在双足被动行走中,躯干在能量效率方面起不利作用.     

双足步行机器人模型解耦及控制

本文在双足机器人作平稳步行的假设下，建立了解耦的上身躯和两腿的模型，并基于奇异摄动理论在直角坐标系下给出了平稳步行的控制方法，同时在证明摄动方程稳定的前提下，建立了非线性控制器，解决了快速性和无超调之间的矛盾。     

基于遗传算法的双足机器上楼梯的步态规划

针对双足机器人上楼梯的步态规划问题，应用三次样条插值合成脚踝的运动轨迹，并基于加速度分析设计出臂部运动轨迹，计算动力学模型得到ZMP轨迹，进而得出机器人步行的稳定性可以表示为关于上体初始位姿的多变量优化问题。最后应用遗传算法（genetic algorithm,GA）求解，获得稳定性好的优化步态。机器人上楼梯的动态步行仿真结果表明，运用遗传算法可以得到合适的优化轨迹。     

两足步行机器人动态步行规划及仿真

根据双足步行机器人动态步行过程中必须满足的动态关系式，提出了动步态规划的两步规划法，从而既满足了机器人步行过程中的基本要求，又保证了系统能够实现动态协调运动.在此基础上，对无冲击步行机器人动态步行过程进行了规划和仿真.结果表明，两步规划法满足了动态步行的要求.     

两足步行机器人动态步行规划及仿真

根据双足步行机器人动态步行过程中必须满足的动态关系式,提出了动步态规划的两步规划法,从而既满足了机器人步行过程中的基本要求,又保证了系统能够实现动态协调运动。在此基础上,对无冲击步行机器人动态步行过程进行了规划和仿真。结果表明,两步规划法满足了动态步行的要求。     

欠驱动机器人强化学习算法仿真及结果分析

针对纯被动机器人对环境变化敏感,抗干扰能力差等问题,提出了一种基于Sarsa(λ)强化学习的底层PD控制器参数优化算法.在MatODE环境下建立双足有膝关节机器人模型并进行控制器设计.通过与传统控制器仿真结果的对比分析,得出该算法可使模型获得更加稳定的行走步态,同时提高了系统抵抗斜坡扰动的能力,增强机器人的行走鲁棒性.