四足步行机器人爬行步态的计算机仿真

由于机器人数学描述的复杂性,使得在机器人运动学、动力学分析方面显得较为困难,计算机虚拟仿真技术在该领域的应用为机器人的运动特性分析提供了依据.文中建立了一个连续转动式腿机构的四足步行机器人模型,并规划了该机器人的一种直线爬行步态,利用ADAMS虚拟样机软件对机器人的爬行步态进行了动力学仿真,得到了机器人各个关节相关物理量的变化曲线,分析了四个髋关节的驱动力矩在步行过程中的变化情况.通过仿真,验证了步态规划的合理性,同时为进一步选择电机、分析机器人系统的动态特性提供了依据.     

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。     

连续不规则台阶环境四足机器人步态规划与控制

为了实现四足机器人在无崎岖地形先验知识情况下的自主爬行,提出了一种四足机器人运动控制方法.该方法采用间歇爬行步态作为主步态,将爬行运动分解为若干任务分别进行控制:基于NESM(normalized energy stability margin)判据计算内外倾的稳定裕度并根据其比值进行质心位置调整;使用坐标映射的方式调整足端坐标进行地面坡度适应;通过调整各腿长度控制机器人的高度;利用姿态传感器信息进行姿态恢复.仿真和实验表明,机器人仅依赖内部传感器即实现了在崎岖地形稳定行走,验证了本文方法的有效性和可靠性.     

基于OpenGL的四足机器人步态仿真系统

研究了OpenGL在四足机器人步态仿真系统中的应用,建立了一套完整的,具有交互性的四足机器人步态仿真系统,对四足机器人步态的辅助研究起了良好的作用。     

基于四足机器人的运动步态研究

本文主要研究基于四足机器人在运动时的步态控制方案,研究对象主要是由舵机或步进电机为驱动的四足机器人.针对于四足机器人的四肢运动方式、速度、承重、效率等方面进行研究,针对于小型或微型的四足机器人进行运动时的步态控制方案,并对四足机器人进行腿部模型构建,进行逆运动学分析,根据公式判断机器人相应腿部关节运动方案.该研究将应用...     

四足机器人溜蹄步态动步行的研究

本文应用角速度补偿法实现了四足机器人溜蹄步态的动步行。该四足机器人是本研究室刚刚研制成功的，具有十二个自由度，关节采用滑块摆杆机构，由带有轴角编码器的伺服电机驱动，身体和脚上装有传感器，步行由计算机进行控制。     

基于 Matlab 与 Modelsim 的四足机器人步态算法的协同仿真

首先对液压四足机器人的运动特性进行了研究,选取 CPG 算法作为控制算法并建立了数学模型,用 Matlab 实现软件上的仿真,观察各髋关节的输出信号;然后借助 Matlab 工具 HDL Coder 将 Simulink 模型转换为 Verilog 硬件语言,并在硬件环境下借助 Modelsim 用 VHDL 语言进行协同仿真;最后通过输出信号的前后对比验证了算法的有效性。该方法简化了测试流程,无需采用复杂的 Test Bench 编程方法,提高了测试的完整性。     

基于遗传算法的四足机器人行走步态规划

因RoboCup四腿组比赛所采用机器人的关节刚度较低,采用固定形状行走轨迹的步态规划方法所产生的实际步态和规划步态偏差较大。这种偏差限制了机器人行走速度的提高。为了提高机器人的行走速度,在原有步态规划方法的基础上,引入200组坐标描述任意形状的机器人行走轨迹,并用改进的遗传算法寻找最适合机器人行走的轨迹形状。实验结果表明：改进的行走轨迹规划方法经学习后的实际步态更有利于机器人的行走,在行走更加平稳的同时可使机器人获得更快速的行走效果。     

基于静态平衡的四足机器人斜面步态规划

本研究从静态平衡角度出发,考虑了影响斜面步行稳定性的各种因素,提出了采用SM和SNE共同判稳的方法。基于这两个指标,针对四足机器人在斜面步行中的倾倒和绕支撑腿连线翻转的问题,规划了一种快速、稳定的全方位静步态,通过计算机仿真平台进行验证,实验表明了所研究方法的可行性和有效性。     

四足机器人的步态仿真研究

该文通过对一种四足机器人进行设计和步态规划后,利用仿真技术分析它的适应环境与承载能力。首先在四足步行机器人初始结构参数基础上,基于三维软件Pro/ENGINEER建立机器人仿真模型,并将模型导入到仿真软件中完成行走过程,以稳定性为评价指标对机器人进行优化和评价;最后在路面上进行一定量的承载和适应环境方面的分析,为智能化机器人提供一种分析方式。     

基于虚拟模型的四足机器人对角小跑步态控制方法

为提高四足机器人对角小跑运动的稳定性,实现机器人躯干 6 维运动方向控制的解耦,提出了一种基于虚拟模型的对角小跑步态控制方法．控制器主要包括支撑相虚拟模型控制和摆动相虚拟模型控制．在支撑相,建立了作用于躯干质心的虚拟力与对角支撑腿关节扭矩之间的数学关系,通过调整躯干虚拟力的大小控制躯干的高度与姿态,控制机器人前进速度和自转角速度．在摆动相,将机器人侧向速度控制引入到足端轨迹规划中,并通过虚拟的“弹簧－阻尼”元件驱动摆动足沿给定轨迹运动．此外,在控制器设计过程中,引入了状态机,用于监控机器人各腿的状态,并输出对角小跑步态相位切换指令．仿真实验结果表明,机器人能够以对角小跑步态在平地上进行全方位移动,跨越不平坦地形,并能够抵抗外部冲击,证明了文中控制方法的有效性和鲁棒性．     

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．     

基于虚拟样机技术的四足机器人静态稳定步态规划

针对现有技术文献中广泛使用的多种静态稳定步态中速度稳定性与稳定裕度不可兼得的通病,在随动质心的静态步态基础上,利用参数化坐标变换矩阵方法规划出一种四足机器人前进过程中质心以曲线轨迹移动的静态步态方法,使该步态方法以连续性速度运动的过程中保证一定稳定裕度;通过D-H法求得四足机器人的逆运动学坐标变换矩阵,分别在三维空间中对四足机器人的四组足端轨迹方程进行规划,并带入MATLAB软件后以逆运动学方程计算出关节夹角驱动方程,利用步态规划图求出机器人四条腿各自对应的夹角驱动方程以及机体质心轨迹方程;最后在MSC.ADAMS软件中建立四足机器人虚拟样机并对规划的步态进行虚拟仿真,仿真结果验证了该步态对提升四足机器人对于速度连续性以及稳定裕度的提升。     

带主动腰关节的四足机器人平稳运动控制

针对四足机器人在对角小跑运动时出现的后腿“拖地”、机体振荡的现象,提出了一种基于偏航方向上主动腰关节摆动的解决方法。通过D-H法对机器人各关节进行运动学建模,获得其运动学方程,并采用Kuramoto振荡器模型作为扩展的CPG耦合网络振子,实现对腰、腿关节的统一控制。仿真实验表明,经过腰关节控制优化后的机器人在对角小跑时,相对于刚体躯干的机器人,姿态角变化幅度显著减小,抬腿高度明显增加,有效地提高了机器人的运动稳定性,证明了方法的可行性。     

一种粗糙地形下四足仿生机器人的柔顺步态生成方法

传统以刚体动力学为基础的四足机器人运动控制方法对地形误差敏感,无法适应粗糙复杂地形,因此提出一种基于虚拟模型的运动控制方法用于实现四足机器人在粗糙地形下的行走.建立了以足底接触力为约束的高层步行任务和底层运动控制的映射关系.采用弹簧-阻尼-质量虚拟模型对四足机器人进行建模,将四足机器人的步行任务用一系列作用于机体质心的虚拟力去表征,基于各足等效力矩平衡的原则,将笛卡儿空间的虚拟力矢量分配到各支撑足,利用雅可比矩阵把足端力矢量转换为机器人关节空间的关节转矩.针对崎岖的空间3维粗糙地形,建立了机器人躯干姿态与地形的关联参数,通过调整躯干姿态有效扩大了机器人对粗糙地形的适应程度.运动仿真结果表明,机器人可以实现粗糙地形下稳定连续的行走,足底接触力平稳、无冲击,证明了该柔顺步态生成方法的合理性和有效性.     

基于分层学习的四足机器人运动自适应控制模型

针对四足机器人面对腿部损伤无法继续有效自主运作的问题,提出一种基于分层学习的自适应控制模型。该模型结构由上层状态策略控制器(SDC)和下层基础运动控制器(BDC)组成。SDC对机器人腿部及姿态进行决策并选择运动子策略,BDC子运动策略表达该状态下机器人的运动行为。在Unity3D中构建反关节多自由度的四足机器人,训练多种腿部受损状况的BDC子运动策略,BDC成熟后20s周期随机腿部受损并训练SDC。该模型控制流程为SDC监测机器人状态,激活BDC策略,BDC输出期望关节角度,最后由PD控制器进行速度控制。其实现机器人在腿部受损后自我适应继续保持运作。仿真与实验结果表明,该控制模型能在机器人损伤后能自我快速、稳定调整运动策略,并保证运动的连贯性及柔和性。     

融合元学习和PPO算法的四足机器人运动技能学习方法

具备学习能力是高等动物智能的典型表现特征, 为探明四足动物运动技能学习机理, 本文对四足机器人步态学习任务进行研究, 复现了四足动物的节律步态学习过程. 近年来, 近端策略优化(PPO)算法作为深度强化学习的典型代表, 普遍被用于四足机器人步态学习任务, 实验效果较好且仅需较少的超参数. 然而, 在多维输入输出场景下, 其容易收敛到局部最优点, 表现为四足机器人学习到步态节律信号杂乱且重心震荡严重. 为解决上述问题,在元学习启发下, 基于元学习具有刻画学习过程高维抽象表征优势, 本文提出了一种融合元学习和PPO思想的元近端策略优化(MPPO)算法, 该算法可以让四足机器人进化学习到更优步态. 在PyBullet仿真平台上的仿真实验结果表明, 本文提出的算法可以使四足机器人学会行走运动技能, 且与柔性行动者评价器(SAC)和PPO算法的对比实验显示, 本文提出的MPPO算法具有步态节律信号更规律、行走速度更快等优势.     

Feedforward and Feedback Dynamic Trot Gait Control for Quadruped Walking Vehicle

To realize dynamically stable walking for a quadruped walking robot, the combination of the trajectory planning of the body and leg position (feedforward control) and the adaptive control using sensory information (feedback control) is indispensable. In this paper, we propose a new body trajectory, the 3D sway compensation trajectory, for a stable trot gait; we show that this trajectory has a lower energy consumption than the conventional sway trajectory that we have proposed. Then, for the adaptive attitude control method during the 2-leg supporting phase, we consider four methods, that is, a) rotation of body along the diagonal line between supporting feet, b) translation of body along the perpendicular line between supporting feet, c) vertical swing motion of recovering legs, and d) horizontal swing motion of recovering legs; we then describe how we verify the stabilization efficiency of each method through computer simulation, stabilization experimentation, and experimenting in walking on rough terrain using the quadruped walking robot, TITAN-VIII.