一类双悬臂含间隙振动系统的混沌控制策略研究

由于一类双悬臂含间隙振动系统具有典型非光滑特性和有明显的非线性,这直接导致了系统发生分叉与混沌现象的可能性.为此针对该系统的混沌现象,利用基于能量的开环控制策略,构造有界控制器对混沌行为进行控制,混沌运动可被引导到稳定的目标周期轨道,并对控制的收敛速度进行分析,数值模拟结果表明了该控制策略的有效性与可行性,可为碰振系统的优化设计,振动控制和安全运行提供了理论参考.     

基于惯性姿态参量量化融合的机器腿仿生步态控制

为了提高机器腿仿生步态控制的稳定性,提出一种基于惯性姿态参量量化融合的机器腿仿生步态控制方法。构造机器腿仿生步态的运动学模型,进行机器腿仿生步态控制约束参量建模,采用陀螺仪和加速度计等位姿传感器进行姿态参量采集。采用扩展卡尔曼滤波方法进行机器腿的惯性姿态参量融合并输入到时控制执行器中。针对未知扰动对机器腿步态参量控制的误差,采用自回归更新方法进行姿态参量误差反馈修正,实现机器腿仿生步态稳定控制。仿真结果表明:提出的方法对机器腿仿生控制的稳定性较好,姿态参量的定位跟踪能力较强,提高机器腿步行的稳健性。     

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.     

基于免疫算法的混沌多模型微扰控制

A.Duchateau et al的多模型控制策略是一种改进的OGY方法,为扩大控制器在吸引子中的作用范围,需要在混沌系统的一条无控收敛轨道上设置一系列的局部线性模型,由线性反馈控制律把混沌系统引导到不动点,这要求控制器的结构和控制量的大小是可变的.本文应用人工免疫算法的参数和结构双重可塑性来产生多模型控制策略控制律,由此提出了一种新的混沌控制方法.对Hénon映射仿真的结果表明:与其他方法相比,新方法能在较短的混沌暂态时间内把系统控制到预定轨道.因此,基于人工免疫算法的混沌多模型微扰控制方法能对混沌系统实施有效控制,且能够应用于系统全局动力学模型未知而仅获得实验数据的情况.     

基于三维线性倒立摆的双足机器人步态规划

双足机器人的步态控制策略是保证双足稳定行走的重要条件之一.提出一种基于三维线性倒立摆模型的双足机器人步态规划的算法.首先简化了三维倒立摆模型,并且假设了步行周期起始状态的ZMP位置,然后通过运动方程推导出含参数的质心与时间的函数,再将机器人的步态规划简化到每个步行周期,通过每个周期的初始条件获得函数的相关参数,最后将此方法推广到带转向的步态规划中,并应用于实际Robocup3D比赛中.实验结果表明该方法具有可行性和有效性.     

基于两步控制策略的混沌系统全局有限时间同步

本文研究了无刷直流电机(brushless direct current motor,BLDCM)混沌系统的全局有限时间同步问题.利用混沌吸引子的有界性,提出了两步控制策略.首先不施加控制,让主–从混沌系统各自的轨迹收敛到各自的吸引子中,并估计了吸引子的界和收敛时间;再对收敛到吸引子的从系统施加状态误差反馈控制,根据有限时间稳定性理论,得出该控制器在满足一定条件时,两个相同的混沌系统可以快速达到有限时间同步.这种方法在主从系统的初始值相差很大的情况下可以大大减少控制成本,并且可以并估计同步时间.文章最后用仿真结果验证了所得判据的可行性和有效性.     

双足机器人跨越动态障碍物在线控制系统设计

在双足机器人跨越动态障碍物的在线控制问题中,脚步规划和步态控制的学习时间是关键问题;提出了一种将机器人的步态控制和脚步规划分别独立设计的控制策略;步态控制目的是产生关节点轨迹并控制对理想轨迹的跟踪,考虑到双足机器人关节点轨迹的不连续性,应用小脑模型连接控制CMAC记忆特征步态的关节点轨迹;脚步规划的控制目标是通过对环境的视觉感知预测机器人的运动路径,算法是基于无需对动态环境精确建模的模糊Q学习算法;仿真结果表明该控制策略的可行性,并且可以有效缩短在线学习时间。     

Bonhoeffer-van der Pol方程的混沌控制

基于延时反馈混沌控制方法和相空间压缩法,提出了一种改进的延时控制方法,即：将空间压缩作为系统状态变量的一种约束施加到延时反馈混沌控制中．以Bonhoeffer-van der Pol系统为例,数值验证了此改进方法的有效性．结果表明：对于具有单个吸引子的混沌系统,此方法可以将混沌系统很快控制到一个期望的周期轨道上,与原始的延时反馈方法相比减少了恢复时间．对于具有多个混沌吸引子的系统,通过增加适当的相空间限制器,可以快捷地将系统稳定在嵌入于不同混沌吸引子中的期望周期轨道上．     

船舶混沌运动的周期脉冲参数微扰控制

针对海上航行船舶非线性运动中存在的混沌现象,为实现对航行船舶的高精度航向控制,本文将脉冲参数微扰方法与横截同宿点理论相结合,提出了一种基于Melnikov方法的简捷船舶混沌运动周期脉冲参数微扰控制方法.该控制方法利用Melnikov函数确定控制脉冲参量关系及取值范围,基于该方法设计的控制器克服了脉冲参量取值难以确定的不足.仿真结果表明,本文所提方法能将混沌系统快速稳定到不同的周期轨道,具有较好的控制效果.     

PWM型DC/DC变换器的Washout滤波器混沌控制方法

研究如何利用Washout滤波器控制技术来控制PWM型DC/DC变换器中的混沌现象．首先分析了利用Ott-Grebogi-Yorke(OGY)方法对DC/DC变换器进行混沌控制存在的不足， 然后以Hénon系统为例说明了如何利用Washout滤波器进行混沌控制．最后,应用Washout滤波器对两种采用不同控制策略的DC/DC变换器实施控制,将其从混沌状态控制到周期状态．理论分析和计算机仿真表明，该控制技术不但可以很好用于DC/DC变换器中的混沌控制，而且能够克服OGY方法的不足．     

基于Fuzzy–CPG的双足机器人适应性行走控制

为提高双足机器人的环境适应性, 本文提出了一种基于模糊控制与中枢模式发生器(CPG)的混合控制策 略, 称之为Fuzzy–CPG算法. 高层控制中枢串联模糊控制系统, 将环境反馈信息映射为行走步态信息和CPG幅值参 数. 低层控制中枢CPG根据高层输出命令产生节律性信号, 作为机器人的关节控制信号. 通过机器人运动, 获取环境 信息并反馈给高层控制中枢, 产生下一步的运动命令. 在坡度和凹凸程度可变的仿真环境中进行混合控制策略的 实验验证, 结果表明, 本文提出的Fuzzy–CPG控制方法可以使机器人根据环境的变化产生适应的行走步态, 提高了 双足机器人的环境适应性行走能力.     

Fuzzy neural network approaches for robotic gait synthesis

In this paper, a learning scheme using a fuzzy controller to generate walking gaits is developed. The learning scheme uses a fuzzy controller combined with a linearized inverse biped model. The controller provides the control signals at each control time instant. The algorithm used to train the controller is "backpropagation through time". The linearized inverse biped model provides the error signals for backpropagation through the controller at control time instants. Given prespecified constraints such as the step length, crossing clearance, and walking speed, the control scheme can generate the gait that satisfies these constraints. Simulation results are reported for a five-link biped robot.     

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.     

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。     

Near Optimal PID Controllers for the Biped Robot While Walking on Uneven Terrains

The execution of the gaits generated with the help of a gait planner is a crucial task in biped locomotion. This task is to be achieved with the help of a suitable torque based controller to ensure smooth walk of the biped robot. It is important to note that the success of the developed proportion integration differentiation (PID) controller depends on the selected gains of the controller. In the present study, an attempt is made to tune the gains of the PID controller for the biped robot ascending and descending the stair case and sloping surface with the help of two non-traditional optimization algorithms, namely modified chaotic invasive weed optimization (MCIWO) and particle swarm optimization (PSO) algorithms. Once the optimal PID controllers are developed, a simulation study has been conducted in computer for obtaining the optimal tuning parameters of the controller of the biped robot. Finally, the optimal gait angles obtained by using the best controller are fed to the real biped robot and found that the biped robot has successfully negotiated the said terrains.     

仿人机器人相似性运动轨迹跟踪控制研究

提出一种基于带观测器的条件状态反馈控制的仿人机器人相似性运动轨迹跟踪控制方法.首先,分析了7连杆双足机器人动力学模型,阐述了其运动能量方程与动力学特征方程; 其次,基于带观测器的状态反馈控制器原理,构建起三维倒立摆平衡控制模型; 最后,由线性二次型调节器确定状态反馈增益矩阵,使机器人轨迹跟踪误差最小化,以复现出较高相似度的双足步行运动效果.实验验证了该方法的有效性.     

Intelligent trajectory control using recurrent averaging learning

In this article, robotic trajectory control using artificial intelligence techniques is developed. The learning strategy is called recurrent averaging learning. It takes the average of initial states and final states after a cycle of training and sets this value as the new initial and final states for next training cycle. A three-layer neural network is used as a controller, it provides the control signals in each stage of a walking gait. A linearized inverse biped model is derived. This model calculates the error signals that will be used to back propagate to the controller in each stage. Through learning, the robot can develop skills to walk along a predefined path with specified step length, walking speed, and crossing clearance. This proposed scheme is tested with simulations of the BLR-G1 walking robot on horizontal and sloping surfaces.     

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.     

A reflexive neural network for dynamic biped walking control

Biped walking remains a difficult problem, and robot models can greatly facilitate our understanding of the underlying biomechanical principles as well as their neuronal control. The goal of this study is to specifically demonstrate that stable biped walking can be achieved by combining the physical properties of the walking robot with a small, reflex-based neuronal network governed mainly by local sensor signals. Building on earlier work (Taga, 1995; Cruse, Kindermann, Schumm, Dean, & Schmitz, 1998), this study shows that human-like gaits emerge without specific position or trajectory control and that the walker is able to compensate small disturbances through its own dynamical properties. The reflexive controller used here has the following characteristics, which are different from earlier approaches: (1) Control is mainly local. Hence, it uses only two signals (anterior extreme angle and ground contact), which operate at the interjoint level. All other signals operate only at single joints. (2) Neither position control nor trajectory tracking control is used. Instead, the approximate nature of the local reflexes on each joint allows the robot mechanics itself (e.g., its passive dynamics) to contribute substantially to the overall gait trajectory computation. (3) The motor control scheme used in the local reflexes of our robot is more straightforward and has more biological plausibility than that of other robots, because the outputs of the motor neurons in our reflexive controller are directly driving the motors of the joints rather than working as references for position or velocity control. As a consequence, the neural controller and the robot mechanics are closely coupled as a neuromechanical system, and this study emphasizes that dynamically stable biped walking gaits emerge from the coupling between neural computation and physical computation. This is demonstrated by different walking experiments using a real robot as well as by a Poincaré map analysis applied on a model of the robot in order to assess its stability.     

基于能量成型的双足机器人解耦控制

研究带有膝关节和髋关节的双足机器人在3D (three-dimensional)空间稳定行走的控制器设计.通过构建概循环拉格朗日函数,将双足机器人的3D动态系统解耦成前向和侧向两部分,对前向部分设计势能成型控制器,使前向获得稳定行走步态;用输出零动态控制器控制侧向,满足系统的动态解耦条件.仿真结果表明了所提出方法的有效性.