基于马尔可夫决策过程的六足机器人自由步态规划

为精细模仿生物步态,充分发挥六足机器人运动潜能,本文在离散化机器人足端轨迹的基础上,融合中枢模式发生器(CPG)模型与反射模型,建立了离散化步态模型,基于稳定性分析,构建了机器人稳定的位置状态空间,将复杂的步态规划问题等效转化为稳定的位置状态空间中位置状态间的排序问题,在此基础上,提出了一种自由步态生成算法;并基于处理顺序决策问题的马尔可夫决策过程,以平均稳定裕量为优化指标,针对特定地形研究自由步态的优化算法.样机步态实验结果表明,自由步态生成算法与优化算法均可生成在一定程度上符合生物运动特点的稳定步态,且自由步态优化算法可针对特定地形快速规划出基于平均稳定裕量的最优步态.     

基于余弦振荡器的四足机器人步态生成与仿真

为实现四足机器人的稳定运动,基于四足机器人对角步态的几何模型,建立余弦振荡器,生成节律运动的上层架构以及上、下层之间的关节映射,得到完整的步态生成策略,并建立四种关节配置形式的机器人虚拟样机模型,进行运动学和动力学仿真.仿真结果表明,基于余弦振荡器的步态生成方法能够满足各种关节配置形式的机器人步态要求,验证了步态生成方法的正确性和普遍适用性,且根据机体波动率的比较,确定前肘后膝式具有更好的稳定性.     

基于改进蚁群算法的四足机器人步态规划

四足机器人关节众多、运动方式复杂,步态规划是四足机器人运动控制的基础。传统的算法多基于仿生原理,缺乏广泛适应性。 在建立运动学方程的基础上,提出了一种基于改进蚁群算法的步态规划算法。该算法利用了四足机器人4条腿运动的线性无关性,将步态规划问题转换为在四维空间里求取最长路径问题。仿真结果表明,该算法得出了满足约束条件的所有步态,最后通过机器人样机检验,验证了该算法求取结果的有效性和合理性。     

六足步行机横向行走最佳步态及其运动特性初探

本文分别以纵向稳定裕量和一般稳定裕量为准则,通过对六足步行机横向行走几何模型的分析和计算机优化计算,得出六足步行机横向运动时的最佳步态为广义三角步态.此外,文中对广义三角步态的运动特性(包括静态稳定性、爬坡能力、越沟能力等)进行了初步研究,阐明了这些运动特性与步行机若干几何参数间的内在联系,为六足步行机的总体尺寸设计提供了理论依据。     

基于神经网络的仿人跑步机器人步态规划

为了快速生成仿人机器人跑步运动轨迹,研究了一种用于仿人机器人跑步步态生成的步态规划器。采用三维弹簧倒立摆模型描述跑步过程中仿人机器人质心运动规律,奔跑时机器人质心轨迹及落脚点位置可以由四个步态参数来确定,从而将步态规划问题转化成步态参数优化问题,求解了500余种不同运动状态下的步态参数。建立了基于三层BP神经网络的步态规划器,将优化结果作为训练样本训练神经网络。用上述规划器实现了仿人机器人跑步步态规划并对规划结果进行了仿真验证。研究结果表明,基于BP神经网络的步态规划器可以实现步态参数的快速计算,生成的跑步步态逼真;提出的跑步运动步态规划方法可行,为仿人机器人实时轨迹生成提供了一种解决方法。     

NSGA-Ⅱ在蛇形机器人中的优化与控制

研究蛇形机器人蜿蜒运动步态的优化与控制问题。结合摩擦力模型,并分析蛇形机器人运动步态模型,根据基于闭环反馈的控制系统结构运用PID控制器对其步态进行跟踪控制,在此基础上采用基于非支配排序遗传算法(NSGA-Ⅱ)对步态进行优化,该优化方法实现对闭环反馈跟踪控制系统的参数优化。仿真结果表明,NSGA-Ⅱ算法能达到变量优化目的,在功率和速度之间寻找最优值,对于解决蛇形机器人运动步态多目标优化问题是可行有效的。     

四足机器人步态生成算法研究与仿真

在四足机器人行走动态控制的研究中,为使四足机器人能在复杂地面状况下行走,提出了一种四足机器人在不平坦地面爬行时的平动步态生成算法.首先构建四足机器人步行机构模型,根据静态稳定性对角线原理的判定确定机器人腿的摆动顺序;以平动步态为例根据机器人前行方向、初始位姿、地面不平坦等因素计算一个步态周期后机器人的位姿从而实现平动直线行走的连续步态算法.考虑了机器人机构约束以及状态变化因素使机器人在每一个步态周期都能跨出尽可能大的步幅实现行走效率的最大化.通过仿真验证了算法的正确性.仿真结果对四足机器人步态稳定性的研究及实现具有实际的参考价值.     

四足机器人步态分析及仿真实现

为实现一种液压驱动的四足机器人稳定行走,根据机器人稳定裕量原则,针对JQRI00四足机器人进行了步态规划。根据前期对四足机器人的结构设计,建立了JQRI00四足机器人的虚拟样机;针对其结构特点,分别设计了四足机器人在进行直线行走和转弯时的步态规划,应用ADAMS对虚拟样机进行了直线步态仿真。仿真结果准确、合理,表明所研究的步态规划正确、可行,能够实现四足机器人稳定行走,为机器人后期进行驱动控制奠定了基础。     

仿生六足机器人步态设计与运动仿真

仿生六足机器人稳定性好、灵活度高在众多领域得到了使用。为实现对六足机器人的运动控制和性能分析，通过构建机器人D-H连杆坐标系结合机械结构参数，确定了运动学正解、逆解表达式；设计可修改参数的机器人行走参考步态，引入了控制机体保持水平的姿态控制和适应不平整地形的腿着陆控制。以MATLAB的Simulink作为仿真环境，构建机器人模型，完成运动仿真，并对测量到的运动数据和腿部关节输出力矩进行分析。其结果表明，机器人能够跟随所设计步态生成的轨迹连续稳定行走，使用基于模型设计的方法，验证了所提算法的正确性和可行性，最后得到了腿部各关节力矩分布，为后续六足机器人设计与运动控制提供参考。     

基于静平衡的四足机器人直行与楼梯爬越步态

为提升四足机器人的障碍爬越能力,采用稳定裕度作为四足机器人静态稳定的判据,以落足点形成的 象限边界明确了不同初始位姿机器人的迈腿可能性．基于迈腿次序将所有步态划分为24 种类型．利用运动空间需 求最小、稳定裕度最大、步态协调性最好3 个基本评价指标,对四足机器人的24 种基本步态进行了对比分析．提出 了基于投影分析法结合平面静平衡步态理论的楼梯爬越步态研究方法,并以上述3 个特性参数最佳为要求,对楼梯 爬越步态进行了系统仿真,所得结果为四足机器人的直行与楼梯爬越步态选择提供了理论依据．实验表明了所研究 方法的有效性．     

基于体感的仿人机器人步态学习与控制

针对现有理想化步态动力学模型规划方法复杂、人为指定参数过多、计算量大的问题,提出一种基于体感数据学习人体步态的仿人机器人步态生成方法。首先,用体感设备收集人体骨骼信息,基于最小二乘拟合方法建立人体关节局部坐标系;其次,搭建人体与机器人映射的运动学模型,根据两者间主要关节映射关系,生成机器人关节转角轨迹,实现机器人对人类行走姿态的学习;然后,基于零力矩点(ZMP)稳定性原则,对机器人脚踝关节转角采用梯度下降算法进行优化控制;最后,在步态稳定性分析上,提出使用安全系数来评价机器人行走稳定程度的方法。实验结果表明,步行过程中安全系数保持在0~0.85,期望为0.4825,ZMP接近于稳定区域中心,机器人实现了仿人姿态的稳定行走,证明了该方法的有效性。     

A novel gait generation method independent of target settling-time adjustment for underactuated limit cycle walking

This paper proposes a novel gait generation method for surely achieving constraint on impact posture in limit cycle walking. First, we introduce an underactuated rimless wheel model without ankle-joint actuation and formulate a state-space realization of the control output using the stance-leg angle as a time parameter through an input–output linearization. Second, we determine a control input that moves the control output to a terminal value at a target stance-leg angle during the single-support phase. Third, we conduct numerical simulations to observe the fundamental gait properties and discuss the relationship between the gait symmetry and mechanical energy restoration. Furthermore, we mathematically prove the asymptotic stability of the generated walking gait by analytically deriving the restored mechanical energy.     

Quadruped free gait generation for straight-line and circular trajectories

A method of free gait generation is proposed utilizing the primary/secondary gait for both straight line and circular body trajectories. The primary gait is a fixed sequence of leg transfers with modified leg-ends kinematic limits according to the presence of obstacles, while the secondary gait is a flexible gait which is generated to adjust the leg-end position. The primary gait is generated considering the following four constraints: stability constraint, kinematic constraint, sequential constraint and neighboring constraints. A generalized reference coordinate (GRC) system is introduced to describe the vehicle motion. Using the GRC system, all constraints and obstacle influences are expressed by only one set of equations despite the difference of motion mode. The efficiency of free gait generation is improved with the proposed method, and the trajectory of the vehicle body can be designed more naturally. Simulation results are given to demonstrate the efficiency of the proposed methodology.     

基于GA的步态特征与SVM参数协同优化研究

为了辅助医生对帕金森病患者进行更好的诊断,采用遗传算法对患者步态特征和支持向量机参数进行协同优化。在特征选择部分将步态特征和支持向量机参数使用二进制编码的方式生成染色体,同时输入到遗传算法中。考虑到遗传算法的搜索性能和运行时间,针对算法中的种群大小和进化代数这两个参数进行了寻优,找出合适的种群大小和进化代数。实验结果显示平均准确率为85.11%,相对于其他特征选择算法,准确率最高高出14%。表明使用该方法后对帕金森病患者的步态特征进行了有效去除,有利于患者的诊断。     

基于改进鲸鱼优化算法的外骨骼机器人步态检测

针对传统的外骨骼机器人步态检测算法中的信息单一化、准确率低、易陷入局部最优等问题，提出基于改进鲸鱼算法优化的支持向量机（IWOA-SVM）的外骨骼机器人步态检测算法，即在鲸鱼优化算法（WOA）中引入遗传算法（GA）的选择、交叉、变异操作，进而去优化支持向量机（SVM）的惩罚因子与核参数，再使用参数优化后的SVM建立分类模型，从而扩大算法的搜索范围，减小算法陷入局部最优的概率。首先，使用混合传感技术采集步态数据，即通过足底压力传感器和膝关节、髋关节角度传感器采集外骨骼机器人的运动数据，并作为步态检测系统的输入；然后，使用门限法对步态相位进行划分并标记标签；最后，将足底压力信号与髋关节、膝关节角度信号融合作为输入，使用IWOA-SVM算法完成对步态的检测。对6个标准测试函数进行仿真实验，并与GA、粒子群优化（PSO）算法、WOA进行比较，数值实验表明，改进鲸鱼优化算法（IWOA）的鲁棒性、寻优精度、收敛速度均优于其他优化算法。通过分析不同穿戴者的步态检测结果发现，准确率可达98.8%，验证了所提算法在新一代外骨骼机器人中的可行性和实用性，并与基于遗传优化算法的支持向量机（GA-SVM）、基于粒子群优化算法的支持向量机（PSO-SVM）、基于鲸鱼优化算法的支持向量机（WOA-SVM）算法进行比较，结果表明，该算法识别准确率分别提高了5.33%、2.70%、1.44%，能够对外骨骼机器人的步态进行有效检测，进而实现外骨骼机器人的精确控制及稳定行走。     

Steady Crawl Gait Generation Algorithm for Quadruped Robots

The capability of stable walking on irregular terrain is the primary advantage of legged robots over wheeled mobile robots. However, the traditional foothold selection-based gait generation algorithms are not suitable at some points for blind robots which cannot obtain the exact terrain information. A velocity-based gait generation algorithm with real-time adaptation rules which are necessary for steady walking is suggested. Particularly, we have developed a steady crawl gait with duty factor β = 0.75. The main feature of the suggested algorithm is that it is not based on foothold selection and it can be used for the walking of blind robots on more realistic irregular terrain. The adaptation rules are the translational velocity modification to satisfy the steady gait requirement and the swing period modification to avoid the kinematic limitation. The suggested gait generation algorithm has been implemented in a simple quadruped robot that has a total of eight actuated joints on the legs. Using PD controllers for each actuated joint for the trajectory following and the adaptation algorithm of gait parameters, the steady periodic crawl gait on irregular terrain has been demonstrated.     

基于深度强化学习的双足机器人斜坡步态控制方法

为提高准被动双足机器人斜坡步行稳定性, 本文提出了一种基于深度强化学习的准被动双足机器人步态控制方法. 通过分析准被动双足机器人的混合动力学模型与稳定行走过程, 建立了状态空间、动作空间、episode过程与奖励函数. 在利用基于DDPG改进的Ape-X DPG算法持续学习后, 准被动双足机器人能在较大斜坡范围内实现稳定行走. 仿真实验表明, Ape-X DPG无论是学习能力还是收敛速度均优于基于PER的DDPG. 同时, 相较于能量成型控制, 使用Ape-X DPG的准被动双足机器人步态收敛更迅速、步态收敛域更大, 证明Ape-X DPG可有效提高准被动双足机器人的步行稳定性.     

Path planning and gait of walking machine in an obstacle-strewn environment

The locomotion of a quadrupedal walking machine in an obstacle-strewn environment is studied. The path planning of the walking machine body includes the following two features: first, the path is generated based on the Bezier curve so that its shape can be easily adjusted to avoid obstacles; second, the velocity and acceleration are assigned independently from the path generation so that the inertial terms are controllable. After the path has been generated, a gait algorithm that enables the walking machine to follow the path and maintain stability is developed. Two special cases—straight-line crab walking and turning about a fixed axis—are studied first. The general case that the walking machine is following an arbitrary curve is then studied. During walking, if the crab angle exceeds a certain limit, the gait needs to be changed in order to maintain stability. The methods for changing the gaits are discussed.     

基于深度Q网络的仿人机器人步态优化

为实现仿人机器人快速稳定的行走，在满足有效参数组合的条件下，提出一种基于深度强化学习的步行参数训练算法以优化机器人步态。首先，从环境中捕获机器人步态模型参数作为DQN的输入；然后，用DQN来拟合机器人行走产生的状态-动作值函数；最后，通过动作选择策略选择当前机器人执行的步态动作，同时产生奖励函数达到更新DQN的目的。选择NAO仿真机器人为实验对象，在RoboCup3D仿真平台上进行实验，结果证明在此算法下，NAO仿人机器人可以获得稳定的双足步行。     

仿人机器人步态平衡泛化模型的建立与仿真

通过人体示教计算零力矩点(zero moment point, ZMP),并通过补偿关节角度对其矫正的方法可以解决机器人步行不稳定的问题,但仍存在算法复杂度过高等问题。本文提出一种人体示教与机器学习相结合的方法,基于支持向量回归算法建立机器人的步态平衡泛化模型,通过该模型可以实现对模型输入人体示教的关节角度和ZMP信息后直接得到经稳定性补偿的关节角度,并以此驱动机器人完成步行动作。引入鲸鱼优化算法(whale optimization algorithm, WOA)优化模型的参数以使模型得到最优的泛化效果,完善步态平衡模型的性能。WEBOTS仿真平台下,使用模型输出的补偿后的关节角度驱动NAO机器人,其动作自然、稳定且算法复杂度较低,验证了本文方法的可行性。