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.     

融合机械元的蛇形机器人循环抑制中枢模式发生器控制方法

针对蛇形机器人中枢模式发生器(CPG)控制中控制信号以及传感信息缺少选择依据的问题,提出了一种融合了机械元的循环抑制CPG控制方法.首先,将蛇形机器人本体动力学方程改造为机械元引入循环抑制CPG模型.其次,提出了改进的Matsuoka神经元,从而使得神经元与机械元具有一致的表达形式.再次,分析了融入机械元的循环抑制CPG模型中的参数关系,并给出了控制信号和传感信息与CPG状态量关系的表达式.最后,利用仿真对所提出的方法进行了验证,并对产生结果进行了分析.该方法中蛇形机器人的控制信号与传感信息都具有明确的定义,且由于用机械元的物理结构代替了神经元的计算,降低了CPG的计算量.     

基于Hopf振荡器实现的蛇形机器人的步态控制

针对生物蛇不同步态的运动特点,提出了一种基于Hopf振荡器实现的蛇形机器人的中枢模式发生器(CPG)运动控制方法.首先,利用具有非线性极限环特性的耦合的Hopf振荡器构建出能够实现蜿蜒运动和侧向蜿蜒运动两种步态的链式网络模型.然后,根据动力学仿真软件建立机器人的虚拟样机,利用模型中振荡器的输出作为蛇形机器人分布式多冗余度关节的控制信号来驱动前进,成功实现了以上两种运动方式,并讨论了CPG的模型参数与机器人前进速度的关系.最后,在实物样机上的实验进一步验证了所提出的方法在实现蛇形机器人多种步态控制方面的有效性.     

蛇形机器人蜿蜒运动控制分析

针对蛇形机器人的蜿蜒运动控制,首先分析了关节角度约束对运动控制函数参数取值的限制,确定了满足机械结构的运动控制参数范围;之后在Adams仿真环境下,建立蛇形机器人的三维虚拟运动模型,进行蜿蜒运动仿真,通过分析幅值控制参数对蛇形机器人弯曲度、运动速度和运动轨迹偏移的影响,提出了调整幅值参数的方法;实验结果表明,调整方法的有效性,从而实现蛇形机器人蜿蜒运动控制的优化。     

基于遗传算法的蛇形机器人CPG模型参数优化

针对蛇形机器人采用的循环抑制CPG模型,为解决CPG控制模型中参数整定效率低、不稳定的问题,阐述基于CPG模型的蛇形搜救机器人控制系统总体方案的设计,提出一种基于遗传算法的CPG控制模型参数优化方法,实现链式CPG网络的节律输出。仿真实现蛇形搜救机器人各关节控制信号的有效输出,仿真结果表明,该方法具有高效、准确、稳定等优点,可有效应用于蛇形搜救机器人的步态控制。     

基于PSO蛇形机器人CPG控制模型参数的优化

针对蛇形机器人链式CPG(central pattern generator)复杂模型,提出了采用粒子群算法(particle swarm optimization)优化CPG控制模型参数,用来解决CPG参数整定效率低、效果不理想的问题,然后结合Webots机器人仿真软件,实现了PSO算法优化蛇形机器人CPG控制模型参数。最后利用Webots仿真软件,通过实验仿真与遗传算法的结果相对比,证实了PSO算法的优越性,为蛇形机器人的运动步态转换提供好的基础。     

基于能量的蛇形机器人蜿蜒运动控制方法的仿真与实验研究

能量作为最基本的物理量之一, 联系着蛇形机器人蜿蜒运动的各个方面. 能量耗散描述了环境交互作用, 能量转换对应着运动的动力学过程, 能量平衡反映了蜿蜒运动的协调性. 提出一种基于能量的蛇形机器人蜿蜒运动控制方法-被动蜿蜒. 通过输出关节力矩控制机器人蜿蜒运动, 由机器人的能量状态调整力矩的大小. 仿真结果显示了被动蜿蜒控制下机器人的构形、角度、力矩、能量状态和转弯特性, 并对控制力矩进行了递归分析. 基于Optotrak运动测量系统构建了被动蜿蜒控制的模拟/物理混合实验系统. 进行了移动实验和拖动实验, 前者改变环境的摩擦特性,后者改变机器人的负载. 仿真和实验验证了蛇形机器人被动蜿蜒控制的有效性和适应性.     

基于乐理的蛇形机器人控制方法研究

根据生物蛇和蛇形机器人的结构及运动特点,提出了基于乐理的蛇形机器人控制方法,定义了乐理的符号、规则与蛇形机器人控制过程的对应关系,编写了蜿蜒运动步态谱.“勘查者—I”蛇形机器人上实现了蜿蜒运动的控制. 给出了今后的研究方向．     

蜿蜒步态下的蛇形机器人路径跟踪控制研究

在面向灾区救援等针对蛇形机器人蜿蜒运动的直线路径跟踪效果差的问题,本项目提出基于滑模控制理论的方向控制器,有效收敛了蛇形机器人在稳态时的运动误差。针对蛇形机器人头部晃动影响头部传感器获取有效数据的难题,创新地提出基于补偿函数的头部控制方法,使得蛇头的运动方向与蛇身整体的运动方向一致,保证了蛇头相机拍摄的可读性和传感器测量的准确性,便于机器人准确地感知环境,确保在转弯时机器人整体呈蛇形曲线。     

蛇形机器人侧向运动的研究

本文提出了一种新型蛇形机器人机构，建立了其空间运动学模型，实现了蛇形 机器人的两种侧向运动：侧向蜿蜒运动和侧向滚动，前者通过调节两个异相波的频率比，实 现了任意方向的侧向运动．后者通过控制运动波的幅值变化，实现了各种形式的纯侧向移动 ，当幅值足够大时，这种侧向滚动可以跨越障碍．     

面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型

提高蛇形机器人的三维运动控制能力是提高蛇形机器人环境适应能力的关键之一. 虽然联结中枢模式生成器(Connectionist central pattern generator, CCPG)模型具有复杂度小、适合硬件实现等优点, 但是目前的CCPG模型难以生成相位协调的多自由度运动的控制信号,从而限制了它的三维步态控制能力. 本文根据生物CPG机制的分层结构和运动神经元的功能,提出一个有层次化结构的CCPG (Hierarchical CCPG, HCCPG)模型. HCCPG模型由基本节律信号生成层、模式形成层、运动信号调整层这三个部分组成. 运动信号调整层的运动神经元能够独立地对模式形成层的输出信号的幅值、相位等进行调整,从而较好地 解决了CCPG模型难以生成相位协调的多自由度运动控制信号的问题. HCCPG模型具有步态控制能力强、复杂度小、有良好的扩展性等优点,从而适合用于控制三维步态. 在HCCPG模型的基础上提出一个三维步态控制方法.仿真验证了这个控制方法的有效性.     

Gaits-transferable CPG controller for a snake-like robot

With slim and legless body, particular ball articulation, and rhythmic locomotion, a nature snake adapted itself to many terrains under the control of a neuron system. Based on analyzing the locomotion mechanism, the main functional features of the motor system in snakes are specified in detail. Furthermore, a bidirectional cyclic inhibitory （BCl） CPG model is applied for the first time to imitate the pattern generation for the locomotion control of the snake-like robot, and its characteristics are discussed, particularly for the generation of three kinds of rhythmic locomotion. Moreover, we introduce the neuron network organized by the BCI-CPGs connected in line with unilateral excitation to switch automatically locomotion pattern of a snake-like robot under different commands from the higher level control neuron and present a necessary condition for the CPG neuron network to sustain a rhythmic output. The validity for the generation of different kinds of rhythmic locomotion modes by the CPG network are verified by the dynamic simulations and experiments. This research provided a new method to model the generation mechanism of the rhythmic pattern of the snake.     

新型蛇形机器人蜿蜒运动的动力学分析

为提高蛇形机器人执行各种运动的能力,研制了新型蛇形机器人系统．重点研究了该蛇形机器人的动力学．建立了机器人的运动学模型,并根据运动学模型提出了控制蛇形机器人蜿蜒运动的复合运动控制方法．用拉格朗日方法建立动力学模型,对不同参数下蛇形机器人的关节力矩特性和摩擦力特性进行了分析比较,为蛇形机器人的有效运动提供了理论依据．     

An adaptive locomotion controller for a hexapod robot: CPG,kinematics and force feedback

Insects can perform versatile locomotion behaviors such as multiple gaits, adapting to different terrains, fast escaping, etc. However, most of the existing bio-inspired legged robots do not possess such walking ability, especially when they walk on irregular terrains. To tackle this challenge, a central pattern generator （CPG）-based locomotion control methodology is proposed, integrated with a contact force feedback function. In this approach, multiple gaits are produced by the CFG module. After passing through a post-processing circuit and a delay-line, the control signal is fed into six trajectory generators to generate predefined feet trajectories for the six legs. Then, force feedback is employed to adjust these trajectories so as to adapt the robot to rough terrains. Finally the regulated trajectories are sent to inverse kinematics modules such that the position control instructions are generated to control the actuators. In both simulations and real robot experiments, we consistently show that the robot can perform sophisticated walking patterns. What is more, the robot can use the force feedback mechanism to deal with the irregularity in rough terrain. With this mechanism, the stability and adaptability of the robot are enhanced. In conclusion, the CPG-base control is an effective approach for legged robots and the force feedback approach is able to improve walking ability of the robots, especially when they walk on irregular terrains.     

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CPG的沙漠蜘蛛机器人多模式运动控制方法

模仿具有多种运动模式的沙漠蜘蛛,设计了本体为双层六杆5R闭链机构的仿蜘蛛机器人,其中16个主动关节由直流伺服电机控制．提出了基于Hopf振荡器的中枢模式发生器（CPG）运动控制模型,用于实现仿蜘蛛机器人的翻滚、爬行、侧滚等多种运动模式以及步态切换．利用Matlab和ADAMS对仿蜘蛛机器人的多模式运动进行动力学仿真,结果表明机器人可实现连续平稳的翻滚、爬行、侧滚运动,验证了CPG仿生控制方法应用于闭链机器人多模式运动的可行性．     

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...