小 机器人杂志 1687 - 9619 1687 - 9600 Hindawi 10.1155 / 2021/8142161 8142161 研究文章 变阻抗控制双足机器人站立平衡基于人工肌肉活动模式 https://orcid.org/0000 - 0003 - 1718 - 9551 阴 法 https://orcid.org/0000 - 0002 - 9218 - 4251 雪 Yaxu https://orcid.org/0000 - 0002 - 6721 - 2337 余 Yadong https://orcid.org/0000 - 0003 - 4161 - 233 x 谢 双溪 Pennock 戈登·R。 电气和机械工程学院 平顶山大学 平顶山467000 中国 pdsu.edu.cn 2021年 2 7 2021年 2021年 13 4 2021年 23 6 2021年 2 7 2021年 2021年 版权©2021法阴等。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

双足机器人应该能够保持平衡甚至站在令人不安的力量的存在。双足机器人的控制方案是传统开发基于系统模型或固定torque-ankle状态,这往往缺乏鲁棒性。在这篇文章中,一个变量阻抗控制基于人工肌肉激活了双足机器人站立平衡来解决这个限制。提高了鲁棒性通过应用人工肌肉激活模型调整阻抗参数。特别是,脚踝可变阻抗模型被用来获得的抗干扰力加上脚踝动态转矩估计所需的脚踝转矩到机器人站的平衡。仿真和样机实验结果表明,该控制方法提高了鲁棒性的双足机器人平衡控制。

 中国国家自然科学基金 61903206 河南省科学技术厅 202102310197 202102310524 河南省基础教育委员会 19 a413011 1。介绍

现在,创建了一个巨大的各种各样的双足机器人帮助人类和他们已经应用于各种各样的社交应用,如军事训练、医疗服务、工业制造等领域( 1]。在这些应用中,工作环境通常是未知的,有风险干扰站两足机器人的平衡。如何防止机器人下降,站在平衡控制,是双足机器人的基本控制问题。脚踝中扮演一个重要的角色在双足机器人平衡控制站 2),这引起了机器人关节控制。

研究人员做了很多工作在双足机器人平衡控制。Vukobratovic et al。 3)指机械手臂平衡控制的原则,提出了零力矩点(ZMP)控制方法调整根据实时ZMP轨迹的关节转矩。然而,ZMP控制方法有一定的局限性:计算了ZMP传感器信息反馈滞后于实际的态度变化,和延迟会导致控制器环( 4]。根据动量守恒定律,一些学者同时调整角度和线性动量完成双足机器人平衡控制站( 5, 6),这种方法依赖于机器人动态模型,很难提高站平衡控制的鲁棒性。随着智能控制算法的发展,越来越多的被用于解决机器人站立平衡控制问题( 7),智能控制算法依赖于大量的测试数据。此外,机器人有一些硬件的限制。例如,输入饱和和致动器死区影响控制的鲁棒性,和智能算法和自适应方法提供有效的解决方案( 8, 9]。

双足机器人有一个复杂的结构,系统的非线性和结构变化的特点,带来了巨大的挑战,运动控制( 10]。通过长期的进化,人类有能力很快适应和应对环境变化。这些能力的人类提供了最好的指导,促进机器人控制器的设计。作者在 11]试图构建虚拟神经肌肉模型的自动控制。这种方法可以产生类似人类的多样和健壮的运动行为。然而,这种控制策略的主要组件是双重的:虚拟肌肉模型和肌肉活动模型。然而,虚拟模型涉及很多控制模型的参数设置,如虚拟肌肉参数,它限制了这种方法的普遍适用性( 12]。

让机器人关节呈现一个“gloppy”或“有弹性”的控制行为类似于人类关节,阻抗控制的概念领域的机器人提出了霍根( 13]。阻抗控制被广泛应用于机器人控制及其鲁棒性和可行性已被许多研究[承认 14, 15]。然而,一个固定的阻抗模型可能不满足在许多应用程序中,和可变阻抗必须实现系统的最优性能( 16];例如,人类有能力调整他们的联合阻抗通过肌肉收缩。

摘要机器人踝关节简化成一个阻抗模型,和人造肌肉激活模型是建立调整阻抗参数。然后,变阻抗控制基于人工肌肉活动提出了双足机器人的平衡。特别地,脚踝抗干扰力是通过构建脚踝可变阻抗模型,和脚踝动态转矩计算通过构造一个倒立摆模型的双足机器人。抗干扰力的组合和动态转矩,预期的脚踝站平衡控制转矩估计。这项工作的主要贡献是3倍:(1)提出了一种可变阻抗控制双足机器人站立平衡,(2)发展一个阻抗参数集更新方法基于人工肌肉活动,和(3)拟议的工作被仿真和样机实验验证和评估方法。

 2。方法

提出了变阻抗控制方法用于估计所需的脚踝转矩( τ 问站)两足机器人平衡控制。因此,提出了变阻抗控制方法是由三个重要组件:一个动态模型来估计动态转矩( τ r),脚踝阻抗模型计算扰动力矩( τ e),和一个阻抗调节组件更新阻抗参数基于人工肌肉活动模式。

2.1。控制方法概述

该框架提出了变阻抗控制的双足机器人站立平衡见图 1与车辆平台加速和减速,这项工作来模拟各种扰动的两足机器人站立平衡。

变阻抗控制的框架两足机器人平衡控制。

有两个控制回路并联,动态模型和阻抗模型两个循环的主要组件。动态模型的输入是机器人关节角及其变化率( θ f o o t θ ˙ f o o t ),输出是动态扭矩( τ r)。同样,输入阻抗调节组件的动态模型的相同。该模型首先计算肌肉激活( 一个)基于人工肌肉活动模型,参数更新操作,输入阻抗模型基于机器人踝关节及其变化率输出扰动力矩( τ e)。由此,脚踝期望转矩( τ 问站平衡控制)两足机器人是聚合的输出 τ r和 τ e。

 2.2。动态转矩估计

动态模型描述了双足机器人的运动之间的关系和动态转矩( τ r)的机器人关节。为了研究双足机器人站立平衡脚踝策略,复杂的操作,比如手臂摆动,弯曲的身体,一步可以忽略。不失一般性,双足机器人被简化为一个倒立摆模型与脚踝,摆动,所有机器人的重量集中在质心(CoM)。初始状态的机器人的脚踝被标记为坐标原点,并且标记为水平和垂直方向 x设在和 y分别设在。双足机器人倒立摆模型如图 2。

双足机器人倒立摆模型。

基于建立的 x- - - - - - y坐标系统,机器人躯干旋转脚踝的微分方程可以表示为 (1) F y l 罪 θ − F x l 因为 θ = τ r 。

机器人CoM水平力( F x)可以表示为 (2) F x = 毫克ydF4y2B一个 d 2 d t 2 l 罪 θ , 也就是说, (3) F x = 毫升 θ ¨ 因为 θ − θ ˙ 2 罪 θ 。

机器人CoM垂直力( F y)可以被描述为 (4) F y = 毫克 + 毫克ydF4y2B一个 d 2 d t 2 l 因为 θ , 也就是说, (5) F y = 毫克 − 毫升 θ ¨ 罪 θ + θ ˙ 2 因为 θ 。

根据方程( 1),( 3)和( 5),双足机器人站立平衡动态模型可以描述为脚踝 (6) τ r = 我 θ ¨ − 球型 罪 θ , 在哪里 我代表了转动惯量 我=毫升2。

 2.3。扰动转矩估计

阻抗模型指的是输入流和输出之间的动态关系努力机械手及其环境之间的交互端口( 17]。本文认为机器人踝关节作为阻抗模型,用它来估计脚踝干扰力矩。双足机器人踝关节阻抗模型的示意图如图 3。

双足机器人踝关节阻抗模型的示意图。

在笛卡儿坐标系统,外部干扰( f e)可以估计的脚踝阻抗模型,可以表示为 (7) f e = kx e + b x ˙ e + 毫克ydF4y2B一个 x ¨ e , 在哪里 k, b, 毫克ydF4y2B一个的刚度、阻尼和惯性在脚踝阻抗模型中,分别 x e代表位移误差。

雅可比矩阵 J θ f o o t 被定义为 (8) d x = J θ f o o t d θ f o o t , 在哪里 θ f o o t 表示两足机器人踝关节角度。

扰动转矩可以估计基于脚踝阻抗模型,可以表示为 (9) τ e = J θ f o o t kx e + b x ˙ e + 毫克ydF4y2B一个 x ¨ e 。

双足机器人的运动学关系脚踝笛卡尔坐标系统和关节坐标系统 (10) x = l 罪 θ f o o t , 在哪里 l是双足机器人的质量中心的垂直高度。

双足机器人的任务站平衡控制,脚踝角 θ f o o t ,即机器人摇摆振幅,通常是小;也就是说, 罪 θ f o o t ≈ θ f o o t 。根据方程( 3),扰动转矩可以写成 (11) τ e = K θ e + B θ ˙ e + 米 θ ¨ e , 在哪里 θ e = θ f o o t − θ r e f 表示机器人倾斜角度和 θ r e f 与机器人踝关节角度的平衡位置。 K, B, 米代表目标刚度、阻尼和惯性的机器人踝关节阻抗模型,并达到了以下方程: (12) K = J T θ f o o t 吉隆坡 , B = J T θ f o o t 提单 , 米 = J T θ f o o t 毫升。

让 u= τ r;机器人倾角及其时间导数的状态变量模型系统 x = θ e , θ ˙ e ;方程可以写成 (13) x ˙ = 斧头 + 部, 一个 = 0 1 球型 我 0 , B = 0 − 1 我 , x 1 0 = 0 , x ˙ 1 ∞ = 0 , x 2 0 = θ ˙ r e f , x 2 ∞ = 0。

根据零力矩点(ZMP稳定性判据)理论,如果ZMP多边形的内部支持,双足机器人可以维持一个稳定和直立状态;如果ZMP支持以外的多边形(包括边界),双足直立机器人在一个不稳定的状态。一个成本函数可以由ZMP偏差的平方值,它可以被定义为 (14) V c = ∫ 0 ∞ x Z 米 P 2 d t = ∫ 0 ∞ τ r 2 毫克 2 d t 。

根据上述基于ZMP成本函数,线性二次调节器(等)可以用来解决两足机器人平衡控制站的问题。最优解是由贝尔曼最优原则,和最优解的形式可以表示为 (15) u t = − K u x t , 在哪里 K u代表相应的增益参数,下面的方程是: (16) K u = R − 1 B T P , 在哪里 P是一个独特的正定矩阵和满足著名的黎卡提微分方程: (17) − 问 − 一个 T P − 巴勒斯坦权力机构 + PBR − 1 B T P = 0 , 在哪里 问是一个对称正定矩阵。从成本函数方程( 14), R可以表示为 (18) R = 1 毫克 2 。

从方程( 15),( 17)和( 18),我们可以得到 (19) P = 2 伊尔 毫克 0 0 2 我 毫克 伊尔 毫克 , u = 2 球型 θ e + 2 毫克 伊尔 毫克 θ ˙ e 。

为了避免造成的噪声影响踝关节角度的二次分化,忽略惯性项阻抗模型本文,分析踝关节阻抗模型的最优解 (20) K = 2 球型投手, B = 2 Imgl 。

双足机器人受到外部干扰时,状态变量偏离平衡点,和脚踝阻抗参数将被改变。机器人踝关节像人类的脚踝,踝关节肌肉收缩导致人类脚踝阻抗参数设置是不同的在不同的脚踝。换句话说,踝关节肌肉收缩密切相关的规定人类脚踝阻抗。人类的脚踝的可变阻抗特性使能耗低的优点,快速稳定。

 2.4。参数更新

神经肌肉的研究表明肌肉激活与人形关节机械阻抗。本文通过应用肌肉牵张反射阻抗参数更新模型,该模型是一个快速肌肉收缩产生机制。肌肉牵张反射模型感觉信息是出于信号基于肌梭的长度变化及其收缩速度( 18];和肌梭的长度可以获得使用踝关节角度 θ 脚。特别是,踝关节肌梭的长度 l 毫克ydF4y2B一个可以表示为 (21) l 毫克ydF4y2B一个 t = r f o o t ρ 罪 θ f o o t t − θ 马克斯 − 罪 θ r e f − θ 马克斯 + l o p t , 在哪里 r 脚代表附件踝关节肌肉的半径, ρ表示表示肌肉纤维的比例因子pennation角, l 选择描述了最优肌梭的长度, l 毫克ydF4y2B一个,肌肉可以提供的最大等长力量, θ 裁判的脚踝基准角吗 l 毫克ydF4y2B一个= l 选择, θ马克斯是一个常数踝关节角度值。由此,肌梭收缩速度, v 毫克ydF4y2B一个 ,可以通过肌梭的时间导数计算长度值 l 毫克ydF4y2B一个。

肌肉活动的价值, 一个,可以使用积极的反馈计算反射方案。肌肉激活等于preactivation 一个0+反馈组件,也可以表示为 (22) 一个 t = 一个 0 + k l l 毫克ydF4y2B一个 t − l 0 + k d v 毫克ydF4y2B一个 t , 在哪里 k l表示肌梭的反馈增益长度偏移, d v 表达了对肌梭收缩速度反馈增益,和 l0代表了肌梭长度下的肌肉放松。肌肉活动是限制范围在0和1之间。

根据( 19),关节僵硬 K可以通过乘法估计的内在常数刚度 K0和协调肌肉cocontraction α,它可以表示为 (23) K = α t K 0 。

最优刚度值方程( 20.)被视为固有常数刚度,并协调肌肉cocontraction α可以描述为 (24) α t = 1 + β 1 1 − e − β 2 p t 1 + e − β 2 p t , 在哪里 β1和 β2常系数, p( t)代表刚度指数可以确定基于踝关节肌肉激活的移动平均线,这可以说明如下: (25) p t = ∑ 我 = 1 n w 我 一个 我 t , 在哪里 w 我 重量的肌肉活动的定义是 (26) w 我 = 一个 我 t n ∑ 我 = 1 一个 我 t 。

在以往的研究中,该研究提出了一个线性平方根关节刚度和阻尼值之间的关系。因此,可以被描述为关节阻尼值 (27) B = v K , 在哪里 v 是一个常系数。

 3所示。实验

提出了变阻抗控制是应用于双足机器人平衡控制站在一个移动的车辆通过模拟和原型系统验证和评价实验方法。

3.1。模拟

使用OpenSim的仿真平台构建软件,如图 4使用Matlab,所有的数据处理。

模拟双足机器人在移动车辆。

双足机器人模块在这个仿真的参数表中列出 1。

双足机器人的参数模块。

参数 脚 柄 大腿 鹿腿画廊 躯干 总
质量(千克) 0.5 0.7 0.8 0.5 1.0 3.5
质心(m) 0.02 0.23 0.45 0.5 0.6 1.8
案例1。

变阻抗控制仿真

在完整的仿真实现过程中,车辆的运动包括三种状态:静止不动的,加速度和恒速。其中,车辆只会干扰两足机器人站在平衡加速度。在这个模拟过程中,车辆的加速度设置0.5 m / s2干扰;和阻抗模型参数的计算是通过方程( 20.),( 23)和( 27)。对机器人的身体倾斜角度,逆时针旋转被定义为负方向,顺时针摆动是定义为正方向。仿真结果包括机器人身体倾斜角度,脚踝转矩,刚度和阻尼值曲线如图 5。

5 s时间点之前,车辆是静止的,不存在外部干扰,机器人可以快速适应站立平衡状态,稳定平衡位置是大约2.0°。车辆适用于0.5 m / s2加速度在5 s时间点,机器人身体约−1.7°倾角倾斜向前然后向后倾斜约2.6°。双足机器人逐渐稳定在大约2.0°。脚踝转矩提出一种趋势先增加然后减少,如图 5 (b)。在仿真的实现过程中,脚踝阻抗模型的刚度和阻尼值的不同取决于机器人静止平衡,如图 5 (c)和 5 (d)。在抗干扰范围,刚度和阻尼振幅变化是相当大的。

在这个仿真部分,提出了变阻抗控制方法的鲁棒性进行多个模拟验证了不同车辆加速度。当车辆加速度是0.5 m / s2,1.0 m / s2和1.5 m / s2,结果两足机器人身体的倾斜角度和脚踝扭矩图进行了总结 6。随着车辆加速度的增加,双足机器人最大的身体倾角摆动范围正在增加。平衡控制站完成后,双足机器人返回一致的平衡位置:1.7∼2.0°的范围之内。仿真结果表明,该变阻抗控制有很好的鲁棒性能对车辆的加速度干扰。

双足机器人站立平衡控制的仿真结果(0.5米/秒2)。(一)倾斜角度。(b)脚踝扭矩。(c)脚踝僵硬。(d)脚踝阻尼。

双足机器人平衡控制站的结果用不同的加速度。(一)倾斜角度。(b)脚踝扭矩。

 例2。

恒阻抗控制仿真

这个模拟的延续第一次模拟被用作比较仿真来验证提出的力量变阻抗控制系统。在这个模拟过程中,运动过程中讨论的汽车是一样的,第一次模拟;和阻抗模型参数的计算是通过方程( 20.)。为了便于比较,机器人身体倾斜角度和相应的脚踝转矩下1.5 m / s2车辆加速度图中所示 7。

从这个图中,可以看出,机器人身体倾斜角度的变化趋势和脚踝转矩有一些差异。结果由可变阻抗控制相比,恒阻抗下的倾角,在平衡位置的引用,是更大的,平衡位置的调节过程是更长时间。相应地,脚踝转矩也大,流程长恒阻抗,如图 7 (b)。这表明,该变阻抗控制优于恒阻抗控制的机器人平衡控制。

恒阻抗和可变阻抗控制的仿真结果。(一)倾斜角度。(b)脚踝扭矩。

 3.2。原型试验

建立了双足机器人原型如图 8。在实验部分,双足机器人原型是站在行驶的车辆验证的有效性提出了变阻抗控制应用于机器人原型。

双足机器人原型的照片。

在完成实验的实现过程中,车辆的运动包括三种状态:静止不动的,加速度和恒速。车辆的加速度约为1.0 m / s2,双足机器人站立平衡过程如图 9。从左到右,两足机器人向后倾斜,倾斜向前,最后回到平衡位置。

站在双足机器人的平衡过程。

站在平衡控制的双足机器人的实验结果的基础上,提出了可变阻抗模型如图 10的实验结果,显示任意两站平衡控制流程。在双足机器人平衡控制站,脚踝阻抗模型刚度和阻尼值自动更新根据虚拟肌肉激活量的变化适应的摇摆州双足机器人干。的变化过程如图 10 (c)和 10 (d)。脚踝转矩计算基于脚踝可变阻抗模型,脚踝的最大扭矩为1.1 Nm,和最低的脚踝扭矩−0.5 Nm,如图 10 (b)。实验结果表明了该控制系统的力量的适用性两足机器人站在平衡。

双足机器人站平衡控制的实验结果。(一)倾斜角度。(b)脚踝扭矩。(c)脚踝僵硬。(d)脚踝阻尼。

 4所示。结论

针对鲁棒性差的问题常用的双足机器人控制方法,提出了一种可变阻抗控制基于人造肌肉激活模型,用来生成所需的脚踝转矩两足机器人站立平衡。具体来说,所需的脚踝转矩估计相结合的脚踝抗干扰与脚踝动态扭矩,脚踝抗干扰扭矩计算阻抗模型,通过构造脚踝变量和脚踝动态扭矩是通过构建一个两足机器人倒立摆模型。仿真和样机实验结果基于不同的车辆加速度展示的力量提出了变阻抗控制系统在提高双足机器人站立平衡控制的鲁棒性。虽然本文提出的控制系统只目标机器人踝关节,它很容易适用于其他机器人的关节,这仍然是一个未来的工作。

 数据可用性

使用的数据来支持本研究的结果包括在本文中。

 的利益冲突

作者宣称没有利益冲突。

 确认

这项工作得到了国家自然科学基金(批准号61903206),河南省科学技术厅项目,中国(授予号。202102310197和202102310197),和河南的基础教育委员会(批准号19 a413011)。

 延 l Weijie Z。 在未来机器人会怎么样? 国家科学评论 2019年 6 5 1059年 1061年 阴 K。 香 K。 庞 M。 陈 J。 安德森 P。 杨 l 个性化控制通过经验脚踝外骨骼机器人的自适应模糊推理 IEEE访问 2019年 7 72221年 72233年 10.1109 / access.2019.2920134 2 - s2.0 - 85067402811 Vukobratovic M。 Borovac B。 Potkonjak V。 ZMP:回顾一些基本的误解 国际仿人机器人技术杂志》上 2006年 3 2 153年 175年 Al-Shuka h . f . N。 养鱼槽 B。 朱 W.-H。 Vanderborght B。 基于零力矩点的仿人双足机器人的多级控制:审核 Robotica 2016年 34 11 2440年 2466年 10.1017 / s0263574715000107 2 - s2.0 - 84923372046 巴戎寺 C。 埃曼 a。R。 Afschrift M。 锦上添花的控制可以预测人类的平衡恢复策略吗? IEEE神经系统和康复工程 2020年 28 9 2015年 2024年 10.1109 / tnsre.2020.3005455 自由 M。 费瑟斯通 R。 基于角动量平衡控制器的数学模型平面机器人 自主机器人 2016年 40 1 93年 107年 10.1007 / s10514 - 015 - 9446 - z 2 - s2.0 - 84953369356 晨光 Y。 杨 Y。 江 J。 限定时间收敛的自适应模糊控制与未知的双臂机器人运动学和动力学 IEEE模糊系统 2018年 27 3 574年 588年 杨 T。 太阳 N。 方 Y。 新的自适应控制方法与在线重力补偿:n-link机器人机械手的设计和实验 IEEE工业电子产品 2021年 68年 杨 T。 太阳 N。 方 Y。 自适应模糊控制的欠驱动系统与植物不确定性和致动器死区:设计和实验 IEEE控制论 2021年 51 10.1109 / tcyb.2021.3050475 Hildebrandt A.-C。 Schwerd 年代。 维特曼 R。 双足机器人的运动学优化:一个实时避碰的框架 自主机器人 2019年 43 5 1187年 1205年 10.1007 / s10514 - 018 - 9789 - 3 2 - s2.0 - 85052135752 阴 K。 陈 J。 香 K。 人类平衡控制人工小腿肌肉激活模型 IEEE访问 2020年 8 86732年 86744年 10.1109 / access.2020.2992567 总裁 T。 哈特穆特• G。 对平衡复苏与腿假肢使用神经肌肉模型控制 IEEE生物医学工程 2016年 63年 5 904年 913年 10.1109 / tbme.2016.2603418 2 - s2.0 - 85027401595 霍根 N。 阻抗控制工业机器人 机器人和电脑一体机制造 1984年 1 1 97年 113年 10.1016 / 0736 - 5845 (84)90084 - x 2 - s2.0 - 0021663911 首歌 P。 余 Y。 张 X。 教程的一项调查和比较的阻抗控制机器人操作 Robotica 2019年 37 5 801年 836年 10.1017 / s0263574718001339 2 - s2.0 - 85060809943 杨 R。 杨 C。 陈 M。 Na J。 基于q学习的自适应阻抗控制的机器人机械手和扰动观测器 系统科学与控制工程 2017年 5 1 287年 300年 10.1080 / 21642583.2017.1347532 2 - s2.0 - 85045676983 他 W。 越南盾 Y。 自适应模糊神经网络控制约束机器人使用阻抗学习 IEEE神经网络和学习系统 2017年 29日 4 1174年 1186年 Bonilla 我。 门多萨 M。 Campos-Delgado d . U。 Hernandez-Alfaro d E。 自适应阻抗控制与参数不确定性机器人的轨迹跟踪的限制 国际应用数学和计算机科学杂志》上 2018年 28 2 363年 374年 10.2478 /资产管理公司- 2018 - 0027 2 - s2.0 - 85050531124 盖尔 H。 赫尔 H。 腿肌肉反射模型,编码原则力学产生人类行走动力学和肌肉活动 IEEE神经系统和康复工程 2010年 18 3 263年 273年 10.1109 / tnsre.2010.2047592 2 - s2.0 - 77953234105 杨 C。 “物理人机交互系统的界面设计对人体阻抗自适应技术转移 IEEE自动化科学与工程 2017年 15 1 329年 340年