基于模糊控制的双足步行机器人控制研究

本文研制了一台能够独立自主行走的新型的双足步行机器人。机器人的主体部分采用6台伺服舵机,由伺服舵机对机器人进行驱动,同时舵机本身又可作为躯干,使整个机器人的结构非常紧凑。这也是对现有大多数此类机器人进行研究之后所做的改进。对机器人的行走控制由PIC单片机及其相关电路组成。鉴于双足步行机器人是一个复杂系统,故采用模糊控制来提高其控制的精度。经过实际检验,使用模糊控制可以获得很好的控制效果。     

双足步行机器人的步态规划

主要研究了双足步行机器人的基本步态的建立过程,进行了参数化处理,提出了一种简单可行的步态规划方法,并对数据结果进行了仿真验证。仿真及试验结果表明,该文给出的方法能实现不同步速的连续动态步行。通过标准步态数据的建立,为实时步态规划校正和在线控制补偿算法奠定了基础。     

双足步行机器人的ZMP-CoP检测及研究

ZMP(零力矩点）和CoP(压力中心)是评价双足步行机构行走稳定性的重要参数．本文在研究了ZMP和CoP两者关系的基础上,根据THBIP-I仿人机器人基于ZMP理论的姿态调整要求和六维力/力矩传感器的安装位置,推导了适用于双足机器人的CoP计算公式,建立了采用六维力/力矩传感器的CoP检测系统．进行了THBIP-I仿人机器人行走过程的实际CoP检测实验,并对实验结果进行了讨论．实验证明了该系统的准确性.     

双足机器人逆运动学的模糊自适应算法

针对双足机器人逆运动学的数值解法中存在的雅可比矩阵奇异性和调节参数固定问题,提出了一种改 进的求解方法．运用微分运动方程的近似解避开雅可比矩阵求逆,利用能够减小跟踪误差的自适应模糊控制法,调 节自适应参数以使近似解任意逼近精确解,从而得到了精确性极高和强鲁棒性的模糊自适应算法．通过双足机器人 运动学的仿真分析,验证了该算法的有效性．而且整套算法的计算时间约为0.35 ms,可以用于实际双足机器人的实 时控制．     

一种双足步行机器人的步态规划方法

本文介绍了一种双足步行机器人的步态规划方法，以前向运动为例，详细介绍了先分阶段规划然后合成的方法，并讨论了行走过程中的冲击振动问题及减振措施，实验及仿真结果验证了这一规划方法的有效性。     

双足机器人动态步行实时步态生成

针对双足机器人动态步行生成关节运动轨迹复杂问题,提出了一种简单直观的实时步态生成方案。建立了平面五杆双足机器人动力学模型,通过模仿人类步行主要运动特征并根据双足机器人动态步行双腿姿态变化的要求,将动态步行复杂任务分解为顺序执行的四个过程,在关节空间相对坐标系下设计了躯干运动模式、摆动腿和支撑腿动作及步行速度调整模式,结合当前步行控制结果反馈实时产生稳定的关节运动轨迹。仿真实验验证了该方法的有效性,简单易实现。     

双足步行机器人控制器的改进与实现

文章首先指出二十四自由度双足机器人的控制器是该型机器人的核心,也是扩展该型机器人功能首先需要改进的部件,接着介绍了双足机器人的控制器硬件和软件的改进设计。文章比较详细地阐述了双足机器人步态轨迹控制与规划,并指出下一步的研究方向是如何控制双足步行机器人稳定地和健壮地在复杂环境里及粗糙地面上行走。     

基于Solidworks的双足步行机器人质心运动分析

对双足步行机器人用Solidworks进行了三维造型,通过利用Solidworks中motion模块对质心在Z轴方向的位移波动范围和运动轨迹进行分析,进而对腿部长短设计进行比较,并在此基础上提出了一种稳定性试验研究方案,为双足机器人稳定性的研究提供了一种新方法.     

双足机器人稳定步行模式预测控制实现方法的研究

针对现有的预测控制生成步行模式方法中忽略了参数间关系和参数取值范围的问题进行探讨.预测控制通过控制质心运动生成步行模式以实现ZMP目标轨迹跟踪,根据预测控制器模型研究参数间的关系,并通过极点分析讨论其取值范围,提出关键参数在容许取值范围内,可以保证系统的稳定性,并生成满足稳定步行的质心运动.通过仿真实验分析了在存在扰动情况下,关键参数取适当值,能够生成稳定的步行模式.     

双足步行机器人转弯步态规划及其实现

针对双足步行机器人的转弯步态规划及其实现问题进行了研究.首先介绍了双足步行机器人转弯步态规划方法和所涉及的关键问题,包括关键点轨迹插值和逆运动学解算,然后给出了实现双足步行机器人转弯步态规划的具体步骤,最后通过对实验室新研制的双足步行机器人转弯运动进行仿真和实验研究,证实了本文所提出的几何约束加修正补偿的双足步行机器人转弯步态规划方法的有效性和可行性.     

Robust Recurrent Neural Network Control of Biped Robot

In this paper, a recurrent neural network (RNN) control scheme is proposed for a biped robot trajectory tracking system. An adaptive online training algorithm is optimized to improve the transient response of the network via so-called conic sector theorem. Furthermore, L ₂-stability of weight estimation error of RNN is guaranteed such that the robustness of the controller is ensured in the presence of uncertainties. In consideration of practical applications, the algorithm is developed in the discrete-time domain. Simulations for a seven-link robot model are presented to justify the advantage of the proposed approach. We give comparisons between the standard PD control and the proposed RNN compensation method.     

基于神经反射的双足机器人步态控制的研究

双足步行机器人因为其高度的非线性系统且无固定支撑底面,使得传统的控制策略或算法产生的步态控制运动十分的僵硬,缓慢,缺乏灵活的自组织能力,与真正生物步态存在很大差异;而生物能很好利用环境的反射自激行为产生有节律的协调运动从而适应多种复杂环境,文中基于神经反射原理设计了反射网络控制器,从而克服常规控制策略的步态规划的不足,提高了系统性能,消除了关节的抖动,能够很好地适应其外界环境干扰因素的影响,通过MATLAB和ADAMS联合动态仿真,证明了该控制方案的优越性,并得到很好的控制效果。     

FGA优化RBF网络的机器人逆运动学求解研究

针对如何提高六自由度机器人逆运动学的求解精度问题,采用FGA对RBF神经网络的节点中心向量、基宽向量以及网络隐含层到输出层的权向量进行优化,并将其应用于六自由度机器人的逆运动学求解。以机器人工作空间的位姿矩阵作为预测网络的输入变量,以关节空间中的关节角度作为输出变量,构建机器人逆解RBF预测网络,然后选取样本对网络进行训练。最后对网络进行测试,仿真结果显示,优化后的网络预测精度高,泛化能力强。     

一种基于神经网络感知器的双足行走机器人稳定性控制方法

本文利用神经网络感知器和安装在机器人脚底的力传感器，测知机器人重心的位置，控制机器人重心在双脚的支撑面内，以使机器人稳定。本文提出的双足行走机器人稳定性控制方案是简单易行的。     

Robust Sliding-mode Control of Nine-link Biped Robot Walking

A nine-link planar biped robot model is considered which, in addition tothe main links (i.e., legs, thighs and trunk), includes a two-segment foot.First, a continuous walking pattern of the biped on a flat terrain issynthesized, and the corresponding desired trajectories of the robot jointsare calculated. Next, the kinematic and dynamic equations that describe itslocomotion during the various walking phases are briefly presented. Finally,a nonlinear robust control approach is followed, motivated by the fact thatthe control which has to guarantee the stability of the biped robot musttake into account its exact nonlinear dynamics. However, an accurate modelof the biped robot is not available in practice, due to the existence ofuncertainties of various kinds such as unmodeled dynamics and parameterinaccuracies. Therefore, under the assumption that the estimation error onthe unknown (probably time-varying) parameters is bounded by a givenfunction, a sliding-mode controller is applied, which provides a successfulway to preserve stability and achieve good performance, despite the presenceof strong modeling imprecisions or uncertainties. The paper includes a setof representative simulation results that demonstrate the very good behaviorof the sliding-mode robust biped controller.     

基于CMAC神经网络的PID控制

提出利用CMAC神经网络与PID的复合控制,实现非线性系统控制。由于CMAc网络的优点使PID控制效果有很大提高。仿真实验表明了该方法的有效性。     

基于免疫RBF神经网络的逆运动学求解

求解机械臂逆运动学问题可以采用神经网络来建立逆运动学模型,通过遗传算法或BP算法训练神经网络的权值从而得到问题的解,在求解精度和收敛速度上有待进一步改进。采用人工免疫原理对RBF网络训练数据集的泛化能力在线调整隐层结构,生成RBF网络隐层。当网络结构确定时,采用递推最小二乘法确定网络连接权值。由此对神经网络的网络结构和连接权进行自适应调整和学习。通过仿真可以看出,用免疫原理训练的神经网络收敛速度快,泛化能力强,可大幅提高机械臂逆运动学求解精度。     

基于ADAMS的双足机器人拟人行走动态仿真

在双足机器人HEUBR_1的设计中,下肢采用了一种新的串并混联的仿人结构,并在足部增加了足趾关节.为验证该仿人结构设计的合理性及拟人步态规划的可行性,在ADAMS虚拟环境中建立了双足机器人HEUSR_1的仿真模型.通过拟人步态规划生成了运动仿真数据,在ADAMS虚拟环境中实现了具有足趾运动的拟人稳定行走,经仿真分析,获得了双足机器人HEUBR_1拟人行走步态下的运动学和动力学特性,仿真结果表明:双足机器人HEUBR_1的串并混联的仿人结构设计能够满足行走要求,且拟人步态规划方法可行,有足趾运动的拟人行走具有运动平稳、能耗低、足底冲击力小的特点.稳定行走的仿真步态数据可为下一步双足机器人HEUBR_1样机行走实验提供参考数据.     

基于三个并行BP神经网络的机器人逆运动学求解

针对传统的求逆运动学方法相当复杂,一般的神经网络收敛速度慢、精度不高的缺陷,提出一种由3个并行的BP(BackPropagation)神经网络组成的系统来解决运动学逆问题,输入数据分别通过3个并行的BP神经网络,再对输出分别求正运动学解,然后计算误差,最后选择误差最小的作为系统的输出;仿真表明,该方法可以有效地解决运动学逆问题,使用3个并行的BP神经网络可以使整个系统的误差更小,BP神经网络使用Levenberg-Marquardt训练方法,可以使学习收敛速度更快。