为了实现平滑的四足机器人的步态规划和稳定控制,一种新的控制器算法基于CPG-ZMP(中央模式generator-zero时刻点)提出。生成光滑模型的步态和缩短调整时间振荡系统,一个新的CPG模型控制器和其步态切换策略提出了基于Wilson-Cowan模型。knee-hip关节的控制信号是通过改善multi-DOF减少顺序控制理论。实现稳定控制,自适应调速和步态切换完成ZMP的实时计算。实验结果表明,四足机器人的步态有效生成和步态切换平滑CPG控制算法。同时,可以大大提高机器人的运动的稳定性与CPG-ZMP算法。本文的算法具有良好的实用性,机器人样机的生产奠定了基础。
多足机器人的运动协调控制一直是一个困难的问题( CPG模型的有关问题架构是振荡器的类型和数量的选择使用。松岗[ 霍普夫振荡器也很受欢迎的建模CPG控制腿的机器人。CPG单元模型基于霍普夫振荡器由桑托斯和马托斯( Wilson-Cowan神经振荡器也很受欢迎的建模CPG控制腿的机器人。李等人提出了Wilson-Cowan神经元振荡器控制器四足机器人有节奏的运动控制,这被称为弱神经网络产生有节奏的运动运动的动物( 刘在稳定控制方法,和陈提议步态的稳定性控制方法基于ZMP(零力矩点)理论来控制四足机器人,在稳定控制取得了一些成功,但缺乏效率和灵活性的步态规划和步态切换( 在这项工作中,基于CPG-ZMP新控制器算法(中央模式generator-zero时刻点)提出为了实现平滑的步态规划和稳定控制在同一时间。一开始,一个新的CPG模型控制器和其步态切换策略基于Wilson-Cowan模型提出了为了生成光滑模型的步态和缩短调整时间振荡系统。knee-hip关节的控制信号是通过改善multi-DOF减少顺序控制理论。然后,自适应调速和步态切换完成实时计算的ZMP实现稳定控制。仿真结果表明,四足机器人的步态规划是有效地生成和步态切换平滑CPG控制算法。与此同时,机器人运动的稳定性与CPG-ZMP算法大大提高。算法已应用于联合四足机器人,从而大大提高了运动的稳定性和灵活性的步态生成和开关。
威尔逊和考恩的振子模型图所示 下列微分方程描述的模型可以( 为了应用Wilson-Cowan紧张对四足机器人的步态控制振荡器,该模型改进如下:
然后改善振荡器模型描述如下: 输出曲线的行走步态改善中枢神经振子模型如图
本文讨论了两种典型步态,包括步行和慢跑。仍然属于一个步态行走,每条腿上下反过来;腿之间的相位差是四分之一周期。小跑意味着两个对角的腿放下,同时更好的能源消耗和属于动态步态,双腿之间的相位差是周期的一半。 连接权矩阵<我nl我ne-formula>
两腿之间的相对位移是四分之一的步行周期中散步,和每个连接振荡抑制连接在一个完全对称的CPG网络。但兴奋性连接采用小跑。因此,让兴奋性连接值<我nl我ne-formula>
步行网络连接拓扑结构。 小跑网络连接拓扑结构。 CPG方程是解决通过使用四个订单龙格-库塔。矩阵的初始值是随机数字超过一个数量级<我nl我ne-formula>
参数( CPG微分方程的参数。 因为有直接连接权重矩阵和步态之间的通讯,我们可以通过替换实现步态过渡连接权重矩阵。从走到小跑步态过渡曲线如图所示 从走到小跑步态转变。(一)左前腿。(b)的右前腿。(c)右后腿。(d)左后腿。
0.2 5.6 −2.4 5.6 2。4 0.02 1 0.5 1 0.1
低阶控制方法八自由度关节的四足机器人如图 四足机器人的低阶控制模型。 膝关节的映射函数是定义为公式( 行走步态的责任比例是3/4,四条腿的运动顺序是1-3-2-4,实现往复运动的四条腿。每条腿的支持阶段成本的四分之三的周期时间,和摆动阶段成本的四分之一周期时间。小跑步态的关税比率为0.5,这意味着支持阶段的时间和摆动阶段的时间是相同的。另两条腿摇摆时,对角两条腿踩在地上。整个过程从一开始就支持阶段摆动阶段的末尾的行走步态和小跑步态数据所示 单腿行走步态的运动图形。 单腿小跑步态的运动图形。 在四足机器人的虚拟样机,大腿和小腿的长度<我nl我ne-formula>
它可以被分析一条腿的运动跟踪,髋关节的转子角总是从支持增长阶段的开始到结束,然后是减少当腿摆动阶段。膝关节有微小的被动旋转范围在支持阶段,所以膝关节的转子角变成了最大的支持阶段结束时,然后立即进入摆动阶段。膝关节的转子角变得高度时的最小的地球摆动腿摆动阶段的中点<我nl我ne-formula>
的经验,让腿的高度提升<我nl我ne-formula>
髋关节的摇摆振幅<我nl我ne-formula>
当机器人在小跑,让速度<我nl我ne-formula>
配置形式的机器人关节是一种内在的knee-elbow形式。行走步态矩阵<我nl我ne-formula>
hip-knee关节的运动曲线行走步态。(一)左前腿。(b)的右前腿。(c)右后腿。(d)左后腿。 零线的运动曲线在图 运动曲线的小跑步态hip-knee关节。(一)左前腿。(b)的右前腿。(c)右后腿。(d)左后腿。
在过去的35年里,有很多对ZMP理论和实验研究。总结,ZMP标准状态,如果ZMP内多边形之间的支持脚和地面,然后稳定动态步行是保证( ZMP的示意图。 假设机器人的重心是在其几何中心和地面飞机,所以高度协调<我nl我ne-formula>
在小跑步态,ZMP轨迹分析如图 ZMP轨迹小跑步态分析图表。 ZMP的左上角支持对角线时,左后腿2和右前腿4支撑腿。ZMP的右上角支持对角当左前腿1和后前腿3支撑腿。所以ZMP穿过支持对角两次在一个运动周期。ZMP的变化<我nl我ne-formula>
混合CPG-ZMP控制算法的流程图如图 混合CPG-ZMP控制算法的流程图。 ZMP可以计算基准力传感器和陀螺仪。控制系统可以告诉ZMP是否外的安全区域。如果真的,但仍然没有营业额的临界点,ZMP探测器发出信号减少全球抑制阈值快速滚动,然后CPG降低神经信号活动。如果不是外的安全区域,控制系统将检测当前全球阈值是否小于预设值;如果这是真的,该系统将增加全球阈值。如果ZMP外的安全区域和机器人的营业额,这主要是由外部的影响和干扰,CPG停止工作,控制系统将重新计算平衡的立足点。恢复的姿势机器人,机器人的各关节的角度重新计算了逆运动学。和CPG重返工作岗位,直到机器人位姿是正常的。ZMP理论不仅可以作为机器人步态的稳定性判据,但也可以用于计划相应的步态当机器人在营业额的状态。
步态规划的流程图模拟基于Webots如图 参数的两种步态。 Webots仿真流程图。 四足机器人的行走步态仿真与改进的基于Webots CPG摘要图所示 订单的腿走路步态运动。(一)左前腿在摇摆的阶段。在摆动阶段(b)右后腿。(c)右前腿在摇摆的阶段。在摆动阶段(d)左后腿。 四足机器人的小跑步态仿真与改进的基于Webots CPG摘要图所示 运动的斜腿步态小跑。(一)射频和LH在摇摆的阶段。(b)低频和RH摇摆的阶段。 从走到小跑步态转变图所示 从走到小跑步态转变。(一)走。(b)瞬态状态1。(c)瞬态2。(d)小跑。 仿真结果如图 只有CPG模拟小跑步态控制。(一)<我nl我ne-formula>
机器人重心的高度变化<我nl我ne-formula>
仿真结果如图所示 小跑CPG-ZMP控制的仿真。(一)<我nl我ne-formula>
机器人重心的高度变化<我nl我ne-formula>
当速度是0.312毫秒<年代up>−1
走 15.50° 11.12° 1.27 1.75 0.25
刚学步的小孩 45.00° 1.90° 1.00 2.11 0.50
提出的控制器进行测试,我们设计了一个机器人,有16个自由度,每条腿有三个驱动旋转接头。每一个旋转接头由舵机控制。此外,一个IMU传感器连接到机器人的身体测量取向(roll-pitch-yaw角度),身体线性加速度和旋转速度。此外,每条腿有负载细胞。评估的效率提出了控制器,我们进行了一些测试使用一个步态行走在崎岖的地形。所需的速度设置为0.08毫秒<年代up>−1 运动的概述在崎岖的地形。
我们总结如下:
改进的基于Wilson-Cowan模式缩短了CPG系统振荡时间,使系统快速响应,提高了实时;与此同时,步态更平稳和快速切换。 之间的相互耦合映射关系髋关节和膝关节建造的改善multi-DOF减少订单控制理论,使控制和实时的效率。四足机器人需要8自由度实现有节奏的运动,因此,如果8自由度由CPG控制,CPG网过于复杂,影响系统的实时性能。 机器人步态调整自适应和稳定的由CPG-ZMP大大提高机器人的运动控制。
作者宣称没有利益冲突有关的出版。
这项工作是由中国国家自然科学基金(51575456)、中国教育部的春天计划(Z2012014),关键西华大学科学研究基金(批准号:z1420210),重点实验室开放研究基金的制造和自动化实验室(西华大学,szjj2015 - 082)。