仿人机器人斜坡行走的步态规划

为了解决双足机器人在复杂路面的行走问题,提出了一种具体的基于几何约束的机器人斜坡行走步态规划方法。通过对机器人行走的起步阶段,单脚支撑期中摆动腿对机器人身体稳定的影响,以及行走步态流程进行了详细的规划,以机器人Nao为研究对象,构建出了机器人的连杆模型,计算出机器人在前向和侧向运动中保证身体稳定的踝关节约束范围,分析了流程图中机器人各行走步态,并计算出各步态中关节角度变化,从而规划出了机器人Nao从起步到结束行走的过程。运用三次多项式插值的方法使得各关节运动平滑稳定,并根据规划中的各个步态运动利用MATIAB仿真,获得机器人在步行过程中X、Y、Z方向上的质心轨迹,并通过x、y方向的轨迹可以看出机器人行走过程重心稳定,从而证明此方法用于机器人斜坡行走的可行性。     

机器人轨迹纠偏控制方法研究

为减小机器人在执行轨迹跟踪任务过程中末端产生的位姿误差,在建立机器人轨迹纠偏系统模型的基础上,提出了一种积分型纠偏控制器实现方案.该方案直接在机器人的关节空间上对误差进行补偿.基于前述模型和一系列假设,首先从数学上证明了比例-积分纠偏控制器能够使纠偏误差以负指数收敛,进而说明积分型纠偏控制器的有效性.实验结果表明:通过设置合适的参数,在初始轨迹最大偏差为8 mm的情况下,纠偏控制后偏差均方根值小于0.07 mm,最大值小于0.4 mm.     

一种改进的机器人在线全身关节补偿

基于三维线性倒立摆模型和ZMP生成了双足机器人的步行模式;在实际的行走过程中,机器人实际的步态轨迹和期望的步态轨迹之间存在一定的误差;为了机器人稳定地行走,必须对机器人的步行模式进行在线修正;提出了一种基于爬山算法的机器人在线全身关节补偿;通过对机器人各关节的补偿,修正机器人的质心偏差,从而达到机器人步行模式的在线修正;最后,通过计算机仿真和实体机器人验证了改方案的可行性。     

基于实时ZMP检测的类人足球机器人步态规划

为了保证类人机器人行走的稳定性,合理的步态规划和误差补偿是最为关键的两个方面。针对研究新一代的类人足球机器人AFU2008,在步态规划方面,根据ZMP(零力矩点)稳定性原理,首先用参考轨迹法进行关节轨迹规划,然后由运动学逆解出的关节转角值对机器人舵机进行实际控制;在误差补偿方面,采用对ZMP影响较大的上体运动进行误差补偿,并针对传统的上体补偿方法的局限性,提出了允许上体高度作匀速运动的改进方法。最后通过仿真和实际实验表明:相对于传统补偿方法,新方法能够更加明显减小机器人的ZMP误差,提高机器人ZMP的稳定裕度,使得类人机器人可以稳定快速的行走。     

基于大数据聚类分析的爬壁机器人位姿定位控制系统设计

为提高爬壁机器人运动位姿精准度与稳定性,解决现有位姿定位控制系统存在的控制效果不佳的问题,利用大数据聚类分析技术,通过软、硬件结构的设计,实现爬壁机器人位姿定位控制系统的优化。改装爬壁机器人位姿传感器、爬壁机器人驱动元件、爬壁机器人位姿定位控制器的内部连接结构及工作方式,扩大系统存储器的存储空间,通过系统电路的连接完成硬件系统的设计。根据爬壁机器人的组成结构和工作机理,建立机械结构与运动模型。在构建模型下,采集爬壁机器人实时运行数据,利用大数据聚类分析技术处理初始采集数据,判定爬壁机器人的当前位姿。规划爬壁机器人位姿及关节轨迹,结合当前爬壁机器人的运行数据,计算爬壁机器人位姿定位控制量,在控制器的约束下,实现爬壁机器人位姿定位控制功能。通过系统测试实验得出结论：通过设计位姿定位控制系统的应用,爬壁机器人样机的足端轨迹控制误差、关节角度控制误差和占空比控制误差均低于预设值,即设计系统具有良好的位姿定位控制效果。     

外骨骼离线参数化上楼梯步态规划

为扩大脊椎损伤患者在外骨骼机器人辅助下的活动范围而不仅仅只是起坐、站立和行走,提出一种离线参数化上楼梯 步态规划算法,该算法基于惯性测量单元检测穿戴者运动意图,基于足底压力传感器计算整个系统的零力矩点（ZMP） 以确 保上楼梯过程的安全性。 该算法根据人体大腿、小腿长度、楼梯高度和宽度等参数规划出关节的最优空间位置轨迹, 然后通 过逆运动学求解关节角度轨迹,该算法可为不同的穿戴者生成适应于不同楼梯尺寸的步态轨迹, 最后 3 名实验者穿戴外骨骼 在楼梯高度 18cm、宽度 26cm 的楼梯上实验,外骨骼按照规划的步态轨迹帮助穿戴者多次完成上楼梯任务,规划的楼梯尺寸 与实际测量的尺寸误差在 2%以内,通过实验验证了该算法的有效性与实用性。     

基于大数据聚类的移动机器人运动跟踪控制系统设计

目前研究的移动机器人运动跟踪控制系统控制过程易受到外界扰动影响,导致控制稳定性较差,运动跟踪准确性较差,为此,基于大数据聚类算法设计了一种新的移动机器人运动跟踪控制系统。硬件部分主控制器负责远程无线通讯,图像采集的数据传输和舵机驱动连接,驱动控制器为机器人行走提供动能保证;远程控制模块负责数据,图像和指令的传输;舵机控制模块机器人的行走、转向;软件部分首先通过大数据聚类的方法分析机器人移动步态,根据运动超声波传感器原理判定障碍物位置,考虑移动机器人运行状态与足端轨迹,构建机器人行走控制模型。通过髋关节调节机器人姿态,消除外部扰动对机器人姿态和运动速度的影响,得到抗扰动控制模型。实验结果表明,所设计系统在对机器人运动控制的稳定性及对抗外界扰动方法具有较好的性能,能够实现对移动机器人运动的准确跟踪。     

基于力矩传感器的双足机器人在线模糊步态调整器设计

双足机器人动态行走时,零力矩点轨迹与期望值之间存在一定偏差。利用机器人力矩传感器的输出信号,结合动力学算法实时计算零力矩点的位置,并利用基于模糊逻辑的步态调整算法修正踝关节处的４个关节角,以达到降低零力矩点位置误差,提高系统动态行走稳定性的目的。仿真和实验证实了该算法的有效性。     

爆炸箔起爆器参数对电爆性能的影响

为了避免机器人坡面行进姿态与平坦地形直行姿态出现较大偏差,保证多关节机器人运动稳定性,研究基于激光雷达的多关节机器人姿态自动控制方法。结合激光雷达定位导航技术,构建CPG单元振荡器模型,根据运动步态生成原则优化处理足结构参数,完成多关节机器人的运动姿态参数设定。根据姿态参数设定结果实现运动坐标转换,利用动力学方程的简化与分解表达式,确定非线性耦合项参数化处理结果,整合所得变量数据建立反馈控制器连接闭环,利用反馈控制器连接闭环自动控制多关节机器人姿态。对比实验结果表明,在激光雷达技术作用下,机器人上、下坡步长与平坦直行步长之间的误差最大值仅为10%,机器人行进过程中不会出现明显晃动情况,多关节机器人运动稳定性较高。     

基于深度学习的巡检机器人避障轨迹自动控制系统设计

为了提高巡检机器人在复杂环境下的避障能力,使机器人能够安全地完成巡检任务,设计基于深度学习的巡检机器人避障轨迹自动控制系统。设计由CCD传感器、信号处理芯片等设备组成的工业智能视觉CCD相机,基于FPGA和USB2.0的视频采集卡传输采集数据,完成硬件部分的设计。在软件设计中,对采集的图像实施目标分割、双目目标匹配等预处理,通过对摄像头实施双目视觉标定获取障碍物空间位置三维信息,基于深度学习中的CRNN设计机器人自主避障规划网络模型,并设计模糊轨迹控制器,实现避障中的轨迹自动控制。系统测试结果表明,设计系统最终成功避开了三个动态障碍物,最大轨迹控制误差的最大值为1.45°,最小轨迹控制误差的最大值为0.62°,动态避障巡检速度始终在3.5m/s左右,表现出了精准而稳定的轨迹控制效果。     

无人仓多搬运机器人协同作业轨迹自动控制研究

由于无人仓多搬运机器人协同作业线路较为复杂,导致协同作业轨迹控制难度增加,为了保证多搬运机器人能够按照规划路线执行搬运作业,提出了无人仓多搬运机器人协同作业轨迹自动控制方法;采用栅格图建模法,结合无人仓内货架的实际分布情况,建立无人仓环境场景;从组成结构、运动学以及动力学3个方面,构建搬运机器人的数学模型;遵循就近原则分配多机器人搬运任务,规划多搬运机器人的协同作业轨迹,根据多搬运机器人实时位姿的自动检测结果计算控制量,利用作业轨迹自动控制器的安装与运行,完成无人仓多搬运机器人协同作业轨迹的自动控制任务;实验结果表明,在该方法应用后,多搬运机器人在无人仓中的作业轨迹与规划轨迹基本相同,计算得出的平均位置控制误差和姿态角控制误差分别为2.27 cm和0.05°,搬运机器人的碰撞次数能被控制在规定范围内,实际应用效果好。     

Control of a robotic orthosis for gait rehabilitation

Robot assisted gait training may help in producing rapid improvements in functional gait parameters. This paper presents new experimental results with an intrinsically compliant robotic gait training orthosis. The newly developed robotic orthosis has 6 degrees of freedom (DOFs). A trajectory tracking controller based on the boundary layer augmented sliding control (BASMC) law was implemented to guide the subject’s limbs on physiological gait trajectories. The compliance of the robotic orthosis sagittal plane hip and knee joints was also controlled, independently of the trajectory tracking control. The robotic orthosis and the control scheme were evaluated on three neurologically intact subjects walking on a treadmill. A maximum trajectory tracking error of 10° was recorded at the hip and knee sagittal plane joints. The results showed that subjects can walk in the robotic orthosis with comfort and the BASMC law was able to guide the subject’s limbs on reference physiological trajectories.     

考虑运动受限的履带式移动机器人轨迹跟踪控制

针对履带式移动机器人的轨迹跟踪控制问题进行研究,首先,建立了履带式移动机器人的运动学模型和跟踪误差模型;其次,设计了转速有限时间控制和线速度滑模控制的轨迹跟踪控制律,并给出了考虑运动受限作用下的控制律修正表达式;最后,基于MATLAB对所提控制律进行仿真,对比分析了不考虑运动受限情况下跟踪控制效果;结果表明,设计的跟踪控制律能够实现履带式移动机器人对圆轨迹的有效跟踪,且考虑运动受限作用的控制律更加符合实际;文章研究分析了运动受限作用对于移动机器人轨迹跟踪控制的影响,分析结果对其他移动机器人的运动控制研究具有参考价值。     

半被动双足机器人的准开环控制

目前的被动行走机器人还只能完成单一的步态,且非常容易摔倒,为此对半被动双足机器人的稳定行走控制问题进行了研究．通过结合被动行走和主动控制两种原理的优点,提出了一种准开环的行走控制方法．通过检测安装在机器人足底和髌骨处的接触开关信号,在髋关节处施加一个间断的、微小的开环振荡力矩,进而实现高效的稳定步行．仿真结果表明,当控制参数在较大范围内变化时,双足机器人仍可实现稳定行走,且步行能耗特性与人类相似;通过调节振荡力矩的参数,机器人可实现稳定的行走模式转换．     

Adaptive control of redundant multiple robots in cooperative motion

A redundant robot has more degrees of freedom than what is needed to uniquely position the robot end-effector. In practical applications the extra degrees of freedom increase the orientation and reach of the robot. Also the load carrying capacity of a single robot can be increased by cooperative manipulation of the load by two or more robots. In this paper, we develop an adaptive control scheme for kinematically redundant multiple robots in cooperative motion.In a usual robotic task, only the end-effector position trajectory is specified. The joint position trajectory will therefore be unknown for a redundant multi-robot system and it must be selected from a self-motion manifold for a specified end-effector or load motion. In this paper, it is shown that the adaptive control of cooperative multiple redundant robots can be addressed as a reference velocity tracking problem in the joint space. A stable adaptive velocity control law is derived. This controller ensures the bounded estimation of the unknown dynamic parameters of the robots and the load, the exponential convergence to zero of the velocity tracking errors, and the boundedness of the internal forces. The individual robot joint motions are shown to be stable by decomposing the joint coordinates into two variables, one which is homeomorphic to the load coordinates, the other to the coordinates of the self-motion manifold. The dynamics on the self-motion manifold are directly shown to be related to the concept of zero-dynamics. It is shown that if the reference joint trajectory is selected to optimize a certain type of objective functions, then stable dynamics on the self-motion manifold result. The overall stability of the joint positions is established from the stability of two cascaded dynamic systems involving the two decomposed coordinates.     

A SVM controller for the stable walking of biped robots based on small sample sizes

Conventional machine learning methods such as neural network (NN) uses empirical risk minimization (ERM) based on infinite samples, which is disadvantageous to the gait learning control based on small sample sizes for biped robots walking in unstructured, uncertain and dynamic environments. Aiming at the stable walking control problem in the dynamic environments for biped robots, this paper puts forward a method of gait control based on support vector machines (SVM), which provides a solution for the learning control issue based on small sample sizes. The SVM is equipped with a mixed kernel function for the gait learning. Using ankle trajectory and hip trajectory as inputs, and the corresponding trunk trajectory as outputs, the SVM is trained based on small sample sizes to learn the dynamic kinematics relationships between the legs and the trunk of the biped robots. Robustness of the gait control is enhanced, which is propitious to realize the stable biped walking, and the proposed method shows superior performance when compared to SVM with radial basis function (RBF) kernels and polynomial kernels, respectively. Simulation results demonstrate the superiority of the proposed methods.     

超前采样时间迭代学习的下肢康复机器人轨迹跟踪控制

为了实现下肢康复机器人在康复训练过程中高精度的末端轨迹跟踪控制,提出了一种利用超前采样时间的鲁棒自适应迭代学习控制方法。所述超前采样时间迭代算法,是指利用之前运行批次在t+Δ采样时刻的髋膝关节力矩输出,优化调整下一次运行时刻t处的关节力矩给定。仿真结果表明,采用超前采样时间迭代控制,末端轨迹误差具有更快的收敛速度和跟踪精度,并且具有较好的抗干扰性能。     

一种小样本支持向量机控制器在两足机器人步态控制的研究

神经网络等传统的机器学习方法是基于样本数目无穷大的经验风险最小化原则,这对非确定环境下有限样本的步态学习控制非常不利．针对两足机器人面临的非确定环境适应性难题,提出了一种基于支持向量机（SVM）的两足机器人步态控制方法,解决了小样本条件下的步态学习控制问题．提出了一种基于混合核的步态回归方法,仿真研究表明了这种方法比全局核和局部核分别单独用于步态学习时有优越性．SVM以踝关节及髋关节的轨迹作为输入,相应的满足ZMP判据的上体轨迹作为输出,利用有限的理想步态样本对机器人上体轨迹与腿部轨迹之间的动态运动关系进行学习,然后将训练好的SVM置入机器人控制系统,从而增强了步态控制的鲁棒性,有利于实现两足机器人在非结构环境下的稳定步行．仿真结果表明了所提方法的优越性．     

A tracking controller for flexible joint robots using only linkposition feedback

A dynamic output feedback controller for flexible joint robots is presented which guarantees asymptotic tracking of a desired trajectory, starting from arbitrary initial conditions. The controller needs only the measurements of the positions of the links and the knowledge of an upper bound on the initial tracking error