排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
5.
为了使腿足机器人适应性和行为能力提高,提出基于虚拟运动神经网络的六足机器人行为控制策略. 通过模拟生物神经?肌肉控制机制构建的腿足机器人行为运动神经控制架构,能够处理外部环境信息,调节神经信号强度,获得类似动物的信号处理和行为反应机制,实现机器人对环境的快速响应、机身与腿部的自适应调节. 实验结果表明,所提架构能够随环境变化自动调节神经信号强度,验证了机器人极强的环境自适应性和行为多样性. 相似文献
6.
具有良好的爬坡性能对于六足机器人有着重要意义,首先,介绍六足式弧腿机器人的结构,从其常见步态中分析利于爬坡的三角步态及同步步态,其次,根据所定义的步态参数对比分析两种步态下的爬坡速度,计算爬坡时的稳定裕度,以分析两种步态下的稳定性,通过建立腿部的动力学模型,推导出不同步态下的最大爬坡角,最后,根据仿真和实验的数据验证理论分析的正确性,从而为六足机器人爬坡时的步态选择作出参考。 相似文献
7.
为使四足机器人在无地形感知运动过程中能表现出较稳定的运动性能,结合对角步态运动特点,提出了一种对角步态下零力矩点的约束方法。采用二次规划的优化方法分别在线优化出行走、对角步态下机器人稳定运动的机身轨迹。将优化出的两种步态下机身轨迹采用相同的映射关系映射到全身状态,结合规划控制框架,通过仿真验证两种步态下机器人的运动状态及轨迹跟随情况。仿真结果表明,机器人以行走步态运动时位置、速度跟踪效果及机身姿态稳定性相比对角步态较好,且两种步态下机器人都能跟随规划轨迹保持稳定运动。 相似文献
8.
基于自适应-模糊控制的六足机器人单腿柔顺控制 总被引:1,自引:0,他引:1
针对六足机器人在不同环境下进行柔顺控制的问题,提出一种基于自适应-模糊控制算法的腿部柔顺控制策略.在建立六足机器人结构模型和阻抗控制模型的基础上,推导间接自适应控制算法,并通过对该算法参数进行分析,得知该算法并不能满足在复杂环境下机器人脚力控制的要求.根据这一情况提出自适应-模糊控制算法,运用模糊控制算法对自适应控制参数进行修正,根据输入与输出的差异关系实时调整参数以得到满意的系统响应.通过对传统的间接自适应控制和改进后自适应-模糊控制算法的比较分析,结果表明,改进后的算法不仅在环境参数发生变化时能够很好跟随期望接触力,而且在躯体高度波动的情况下依然能够保证较小的接触冲击力和较高的稳态精度.这对于提高六足机器人的适应性有着重要意义. 相似文献
1