基于双层级CPG的3维蛇形机器人运动控制方法

为实现3维蛇形机器人多模式运动控制,提出了一种基于双层级中枢模式发生器(CPG)的运动控制方法.该双层级CPG网络包含节律层和模式层,节律层的CPG神经元用于控制3维蛇形机器人的俯仰关节组和偏转关节组的相位关系,模式层的CPG神经元用于控制3维蛇形机器人关节组内各个关节的相位差及关节轨迹.首先,利用Kuramoto振荡器对CPG神经元进行建模,并确定CPG网络的层级结构和耦合拓扑;然后,基于蛇形约束曲线计算3维蛇形机器人侧滚运动、侧移运动、滑行运动及转向运动4种典型运动步态的控制参数;最后,通过联合仿真和实验验证该双层级CPG网络的控制性能.由实验结果可知,3维蛇形机器人的侧滚运动、侧移运动、滑行运动以及转向运动的实际速度分别能够达到3.9 cm/s、9.0 cm/s、2.1 cm/s和10.8°/s.因此,该方法能够有效地、灵活地控制3维蛇形机器人的多模式运动.     

生物诱导的机器入行走控制研究进展

相对于轮式移动机器人,足式机器人本体容易跨越障碍,通过崎岖不平的地面,具有更强的运动灵活性和环境适应性.但由于多冗余自由度、重心变化等问题使得足式机器人行走控制非常复杂.目前,行走控制方法主要基于编程作业机制,即预先计算轨迹、步态等,这一方法不仅本身非常复杂,缺乏一般性,而且无法解决环境适应性问题,使得足式机器人本体特性不能得到充分的发挥.改变传统的思维模式,研究和抽象生物的行走机理并加以模仿可能是突破机器人行走控制瓶颈的有效途径,已引起科学家的广泛关注.基于中枢模式发生器(central pattern generator,CPG)的生物诱导行走控制方法是这一思路的典型代表,已经得到广泛关注并在机器人行走控制中取得了初步实验结果.文中回顾了CPG的生物学机理,介绍了其生物学存在依据、结构特性;从控制工程的角度,介绍了CPG的工程模拟、特性分析、以及目前在机器人行走控制中的研究进展;结合现有研究指出了该方法面临的困难、存在的问题及未来研究方向.     

基于GA优化双足机器人步态控制的CPG模型研究

由于传统人工规划产生步态是比较僵硬,缓慢的,缺乏灵活的自组织能力,与真正生物步态存在很大差异;而生物能很好利用中枢模式发生器的自激行为产生有节律的协调运动从而适应多种复杂环境,但普通CPG控制策略又会使关节间出现抖动,影响步态的控制效果;文中提出了以生物中枢模式发生器模型为核心建立双足机器人控制系统,并对CPG的参数进行遗传算法的高效优化,提高了系统性能,消除了关节的抖动;通过MATLAB仿真验证基于GA参数优化的CPG控制机理的双足机器人节律运动控制方法是有效的,并得到了很好的控制效果。     

基于UMAC的六足机器人控制系统设计

六足机器人随着任务的复杂程度不断提高,自由度也不断增多,使其控制结构也越来越复杂,给工程实现带来很大的困难.本文以中枢模式发生器(CPG)原理为基础,IPC+UMAC多轴运动控制器为核心,采用分级分布式控制结构设计六足机器人控制系统.控制系统包括6个CPG单元,每个CPG单元的输出信号控制机器人单腿的三个关节.通过CP...     

基于自学习中枢模式发生器的仿人机器人适应性行走控制

为了克服传统中枢模式发生器(Central pattern generator, CPG)关节空间控制方法的复杂性和局限性, 本文基于自学习中枢模式发生器模型, 提出了一套在线调制和融合多传感器信息的仿人机器人环境自适应行走控制方法.算法难点在于如何在机器人的工作空间将自学习CPG用于工作空间轨迹生成, 并使CPG参数直接和步态模式相关联.本文提出了利用自学习CPG来学习和实时生成机器人质心轨迹和脚掌轨迹的方法, 在线调节机器人步长、抬腿高度和步行速度等关键参数.参考生物反射行为, 利用传感反馈信息激发CPG以产生具有环境适应性的工作空间轨迹, 提升行走质量. 控制系统的参数通过优化算法来进一步改善行走性能.相比于传统的CPG关节空间法, 本文所采用的自学习CPG工作空间法不仅极大简化了CPG网络结构而且提高了仿人机器人行走的适应性.最后, 通过仿人机器人坡面适应性行走的仿真和实验, 验证了所提出控制策略的可行性和有效性.     

基于主—从控制的双足机器人动步态行走

本文给出一种基于主-从控制实现双足机器人动步态行走的控制方法.该方法计算量小,可以在线规划步态及实现双脚支撑期平滑的动态切换.仿真及实验结果验证了方法的有效性及可行性,实现了变步态动态行走.实验所采用的装置为 HLTR—13双足机器人.该机器人重65kg,高1.1m,具有12个自由度.实验结果表明,本文给出的方法能较好地实现变步态动态行走。从而使机器人具有较强的环境适应能力.     

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。     

基于循环抑制CPG 模型控制的蛇形机器人三维运动

具有三维运动能力和独特的节律运动方式,使生物蛇能在复杂的地形环境中生存. 大多数动物节律运动是由中央模式发生器(Central pattern generator, CPG) 控制的. 以此为理论依据, 首次以循环抑制建模机理构建蛇形机器人组合关节运动控制的CPG 模型. 证明该模型是节律输出型CPG 中微分方程维数最少的. 采用单向激励方式连接该类CPG 构建蛇形机器人三维运动神经网络控制体系,给出该CPG 网络产生振荡输出的必要条件. 应用蛇形机器人动力学模型仿真得到控制三维运动的CPG 神经网络参数,利用该CPG 网络的输出使\勘查者"成功实现三维运动. 该结果为建立未探明的生物蛇神经网络模型提供了一种全新的方法.     

基于AM-RPPO的双足机器人适应性行走控制算法

提出了一种带有注意力机制和循环近端策略优化(AM-RPPO)的深度强化学习(DRL)方法并将其应用于双足机器人的适应性行走控制.首先,对未知环境下双足机器人关节空间行走控制问题依照部分可观测马尔可夫决策过程(POMDP)进行建模,指出了DRL算法近端策略优化(PPO)对真实状态的估计存在偏差的问题.其次,引入循环神经网络(RNN)架构,分析了RNN对时序环境观测状态不同于多层感知机的正向传播过程,说明了RNN相对于传统神经网络的优势,并且将RNN分别嵌入动作生成网络和价值函数生成网络中.再次,引入在深度学习诸多领域应用广泛的注意力机制(AM),利用AM建立基于不同时间步的状态,求得最终价值函数的权重差异化模型.最后,通过仿真实验验证了提出的AM-RPPO算法对存在高维状态信息输入的双足机器人控制问题的有效性.     

双足机器人动态行走时踝关节的力矩控制问题

本文从实现单-双脚支撑期的平滑过渡及减小前脚着地冲击的角度出发,分析了双足机器人动步态时踝关节的控制对连续、平滑行走带来的影响.指出为实现平滑过渡及减小冲击在踝关节上不宜采用高增益位置反馈控制,而应采用力矩反馈控制.本文给出了力矩反馈控制的实现方法.该方法无需复杂的软件、硬件支持,能满足实时控制的要求.采用本文的方法实现了 HIT-13双足机器人稳定的动态行.     

基于CPG的双足机器人多层步行控制器设计

针对双足机器人步行控制器的设计问题,基于生物学启发原理,提出一种基于中枢模式发生器(CPG)与稳定性分析相结合的多层次结构控制器设计方法。分析机器人的步行运动,给出双足运动描述。基于CPG理论设计多层次结构的步行控制器,应用极限环理论方法分析运动稳定性。在保证步行稳定的前提下,所提出的控制方法具有结构简单、通用性好、方便在线平滑修正等优点,步行仿真实验验证了所提出算法的有效性。     

双足步行机器人能量成型控制

为了使双足被动行走机器人的行走步态符合仿生规律,且当路面坡度变化后,迅速进入新的稳定步态行走,提出了角度不变能量成型控制策略.研究了欠驱动双足机器人能量匹配条件和能量成型控制器的求解;由于动能相对于旋转变换不具有对称性,通过在能量成型控制中附加一个辅助控制量,实现角度不变控制.仿真结果表明,该算方法可实现仿生控制,既能扩大吸引域,又改善系统的鲁棒性.     

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。     

伸缩腿双足机器人半被动行走控制研究

研究半被动伸缩腿双足机器人行走控制和周期解的全局稳定性问题.使用杆长可变的倒立摆机器人模型,以支撑腿的伸缩作为行走动力源,采用庞加莱映射方法分析了双足机器人行走的不动点及其稳定性.当脚与地面冲击时,假设两腿间的夹角保持为常数,设计了腿伸缩长度的支撑腿角度反馈控制率.证明了伸缩腿双足机器人行走过程不动点的全局稳定性.仿真结果表明,本文提出的腿伸缩长度反馈控制可以实现伸缩腿双足机器人在水平面上的稳定行走,并且周期步态对执行器干扰和支撑腿初始角速度干扰具有鲁棒性.     

Principle and method of speed control for dynamic walking biped robots

In this paper, the method of speed control for 3D biped robots is addressed. First, the primary principle of speed control by regulation of input energy is studied, the feature of which is to regulate the speed and the step length synchronically. The method of Poincaré mapping is used to prove the stability of speed control in the common range. Second, a method of speed control for an 18 DOFs bipedal 3D robot, which is characterized by the two-point-foot, is proposed. The method is developed on the basis of the 3D walking pattern proposed previously, with the new function of speed regulation being added in. The simulations show that the performances of regular walking, acceleration, and deceleration are effective and stable, and therefore verify the feasibility of the proposed method. Furthermore, some walking features, such as the walking efficiency and lateral control, are demonstrated.     

3D stable biped walking control and implementation on real robot

A combination of walking control methods was proposed and implemented on a biped robot. The LIPM-based model predictive control (MPC) was adopted to generate a basic stable walking pattern. The stability of pitch and yaw rotation was improved through pitch and yaw momentum control as a supplementation of MPC. It is found that biped robot walking tends to deviate from the planned walking direction if not considering the rotation friction torque in yaw axis under the support foot. There are basically two methods to control yaw momentum, waist and swing arms rotation control. However, the upper body is often needed to accomplish other tasks. Therefore, a yaw momentum control method based on swing leg dynamics was proposed. This idea does not depend on upper body’s motion and is highlighted in this paper. Through experiments, the feasibility of the combination of the control methods proved to be practical in keeping biped robot walking stable both in linear and rotation motion. The pros and cons of the yaw momentum control method were also tested and discussed through comparison experiments, such as walking on flat and uneven terrain, walking with different payloads.     

基于deep Q-network双足机器人非平整地面行走稳定性控制方法

针对双足机器人在非平整地面行走时容易失去运动稳定性的问题,提出一种基于一种基于价值的深度强化学习算法DQN（Deep Q-Network）的步态控制方法。首先通过机器人步态规划得到针对平整地面环境的离线步态,然后将双足机器人视为一个智能体,建立机器人环境空间、状态空间、动作空间及奖惩机制,该过程与传统控制方法相比无需复杂的动力学建模过程,最后经过多回合训练使双足机器人学会在不平整地面进行姿态调整,保证行走稳定性。在V-Rep仿真环境中进行了算法验证,双足机器人在非平整地面行走过程中,通过DQN步态调整学习算法,姿态角度波动范围在3°以内,结果表明双足机器人行走稳定性得到明显改善,实现了机器人的姿态调整行为学习,证明了该方法的有效性。     

双足机器人稳定行走的仿人预测控制研究

针对双足机器人的稳定行走,提出了一种新的仿人预测控制在线步行模式生成方法。把期望零力矩点（ZMP）分解成离线规划好的参考ZMP和实时变化的可变ZMP之和,通过预测控制和其逆系统共同作用对质心运动进行控制,从而生成具有自适应性的步行模式。但单一的预测控制系统对诸如矩形齿状扰动的可变ZMP的跟踪存在较大的误差,结合仿人智能控制对误差的强抑制能力,设计了与预测控制相结合的仿人预测控制系统。仿真实验验证对矩形齿状扰动的可变ZMP,仿人预测系统也能实现较好的跟踪。     

基于CPG的六足机器人运动步态控制方法

中枢模式发生器（CPG）在六足机器人的运动步态控制中起着至关重要的作用。为了研究六足机器人的运动控制方法,首先基于仿生学原理设计了六足机器人的机械结构,并在虚拟样机软件ADAMS中搭建其三维模型;其次选择Hopf振荡器作为CPG单元,并改进了振荡器模型;然后设计了六足机器人的CPG网络拓扑结构,包含单腿关节映射函数方案和腿间CPG环形耦合网络方案,并对其进行了改进;最后通过ADAMS和MATLAB联合仿真实验,验证了所设计六足机器人的运动稳定性和CPG控制方案的可行性与有效性。仿真结果表明,该方法能够满足六足机器人不同运动步态的控制需求,对六足机器人的运动控制具有一定的实际应用价值。     

双足机器人步行模式的在线全身修正

提出一种双足机器人步行的在线全身修正方法。根据机器人简化动力学模型规划机器人步行模式。在真实环境中,双足机器人在跟踪预先规划的步行模式时目标值和实际运动状态之间会产生误差。为了减少抑制误差,采用机器人质心补偿,对其全身关节在线修正,以保证行走稳定性。机器人AFU-09的双足步行实验证明了该方法的有效性。