四足机器人的步态规划和稳定控制

文摘

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。

1。介绍

多足机器人的运动协调控制一直是一个困难的问题(1,2]领域的机器人,因为机器人需要快速响应外部环境的变化和各种刺激。基于生物感应控制策略是一个新的控制理念,逐步开展的多足机器人研究[3- - - - - -12),交替的每条腿有节奏的运动四足机器人是最常见的。生物学研究表明,有节奏的运动通常是通过CPG(中枢模式发生器)和可以应用于四足机器人运动控制(13,14]。

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[15)第一次获得了CPG使用振荡器模型输出的监管。这个振荡器只能提供一个积极的输出信号,通常很难满足工程的需要控制对象。木村是松岗CPG的振荡器的基础上,采用两个神经元:屈肌和伸肌的肌肉来模拟的运动神经系统的动物,实现四足机器人步态控制(16]。此外,他改善振荡器的功能通过引入许多额外的反射反馈控制器和执行成功的铁拳在一些地形行走测试。类似的作品介绍了使用这些振荡器贝利(10)控制昆虫运动和刘et al。17爱宝机器人控制。黄等人建立了相互抑制振子模型和基于松岗的四足机器人关节控制网络的神经元,并获得四足步态控制的CPG网络参数(2]。但只有一个CPG被认为是实现单关节控制,缺乏系统的网络行为和繁琐的参数调整。

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(13],它意识到臀部驱动信号的可控调节,四足机器人的步态切换,但它没有有效的CPG监管网络直接或间接控制其他关节的运动。然而,当四霍普夫振荡器连接获得相夹带,输出的波形是相应改变。波形取决于连接结构的变形(或步态)和连接权值。其他地方可以找到明确的例子(18]。在不同的方法,而不是直接从动态生成周期输出振荡器(松岗和霍普夫振荡器),其他研究人员专注于生产稳定相夹带振荡器使用阶段。Tsujita et al。19]介绍了相位控制振荡器的一个例子一个四足机器人。苍老师等人介绍了类似的振荡器控制四足机器人(20.)执行几个运动任务,包括动态步行和步态转换。Maufroy et al。21)使用阶段调节控制四足机器人的姿态和有节奏的运动。

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(22]。一条腿的和谐运动的其他控制四个Wilson-Cowan神经振荡器。周期和振幅的CPG模型很容易控制产生不同的步态,但调整模型的实时振动系统和稳定控制需要进一步改善。

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(23]。

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。

2。改善中枢神经振子模型

威尔逊和考恩的振子模型图所示1兴奋性神经元组成的,它是和抑制性神经元。一个稳定的极限环冲击形成的相互耦合和。

下列微分方程描述的模型可以(22]: 在哪里兴奋性神经元的连接强度和吗是抑制性神经元的连接强度,抑制连接的强度吗来,的兴奋性连接强度来,和外部信号和吗通常,输入阶跃输入的上升时间常数,是疲劳时间常数,是耦合函数,的获得。

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:(1) 介绍了振幅限制系数调整的输出和;是一个输出的线性合成控制相应的腿的运动。(2)每条腿由CPG控制振荡器是由加权有向图与图论。(3)介绍了CPG控制网络外部反馈,反射信息,是系数,和是点心的不良向量系数。

然后改善振荡器模型描述如下: 在哪里和是中央神经振子的数量,之间的连接权重振荡器,是一个矩阵组成的吗。

输出曲线的行走步态改善中枢神经振子模型如图2。改进模型的调整时间小于0.5吨,但传统的Wilson-Cowan模型约1.5 T [22),因此改进模型的调整时间大大缩短。

3所示。典型的四足机器人的步态规划和过渡

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。

3.1。典型步态规划

连接权矩阵和描述如下:

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,这是一个较小的积极价值,让抑制连接的值,这是一个较小的负值。网络拓扑结构如图3和4,分别。

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和:

参数(2)设置在表1。

3.2。典型步态过渡

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5。步态过渡的开始年代。过渡过程需要大约0.5 T,但传统的Wilson-Cowan约为1.5 T [22]。因为改善中枢神经振子模型的调整时间短,步态是快速和平滑过渡。

4所示。Multi-DOF低阶四足机器人的控制方法

低阶控制方法八自由度关节的四足机器人如图6,构建相互耦合映射髋关节和膝关节之间的关系。CPG输出的控制信号用于控制相对应的四个屁股直接和间接控制四个膝关节的耦合关系。CPG振动控制系统与髋关节夫妇,与相应的膝关节和髋关节的一对。这使得相互耦合控制系统。

4.1。建设的运动映射功能

膝关节的映射函数是定义为公式(5),这表明,膝关节在摇摆运动阶段,只有微小的被动运动相半波函数的支持。膝关节的微小运动支持阶段忽视为了简化控制算法: 在哪里,,代表髋关节的信号及其相应的振幅和校正因子,分别,,代表膝关节及其相应的振幅的信号和校正因子,分别是联合配置的乘数形式。获得由Wilson-Cowan神经振荡器。和正相关关系,用于防止膝关节接触地面,获取映射信号从髋关节。

4.2。运动轨迹规划的单腿

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7和8,分别。

4.3。运动参数测定单腿

在四足机器人的虚拟样机,大腿和小腿的长度米,步态行走的速度女士⁻¹和运动周期年代。

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。

的经验,让腿的高度提升m。公式(6)可图的基础上获得的7:

髋关节的摇摆振幅15.50°,膝关节的摇摆幅度由三角函数关系11.12°。

当机器人在小跑,让速度女士⁻¹让运动周期年代,让腿的最高高度提高地球之上m。髋关节的摇摆振幅是45°和膝关节的摇摆幅度14.2°,相同的理论。

4.4。运动跟踪模拟

配置形式的机器人关节是一种内在的knee-elbow形式。行走步态矩阵是。髋关节的运动轨迹由CPG控制和膝关节由半波控制功能。hip-knee关节的运动曲线如图所示9通过MATLAB仿真。

零线的运动曲线在图9关节的平衡状态。摇摆振幅髋关节在平衡状态附近,而单侧膝关节的摆动幅度。前腿的膝关节的运动曲线的正轴和后腿在负轴。hip-knee关节的运动曲线如图小跑步态10当步态矩阵是。

5。ZMP的四足机器人模型

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(23]。ZMP的示意图如图11。

假设机器人的重心是在其几何中心和地面飞机,所以高度协调机器人重心高于地球是一个常数,和ZMP的坐标可以通过以下公式: 在哪里机器人重心坐标吗设在,机器人重心坐标吗设在,机器人重心坐标吗设在,的加速度设在,的加速度设在。

在小跑步态,ZMP轨迹分析如图12。

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的变化方向是在曲线,显示了机器人的姿势在右边或左边不断调整。

6。混合CPG-ZMP控制系统

混合CPG-ZMP控制算法的流程图如图13。每个关节的运动轨迹是由改进的CPG和运动映射;与此同时我们指定CPG的全局阈值(_in)。有节奏的运动实现机器人的CPG步态生成器,CPG可以接收反馈信号从身体传感器工作时。

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。

7所示。实验研究

7.1。仿真实验

步态规划的流程图模拟基于Webots如图14。行走步态和小跑步态的主要参数如表所示2通过试验性的方法。

安装7.1.1。走路的步态

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15。四足机器人行走在1-3-2-4订单(1:左前腿、2:右前腿,3:右后腿,和4:左后腿)和地面上有三条腿站在任何时间阶段的模拟图。走的模拟表明,机器人以一个恒定的速度移动,构成稳定,因此该算法具有良好的实用性。

7.1.2。小跑步态

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16。左前腿和后腿在支持阶段时,右前腿和左后腿在摇摆的阶段。仿真表明,机器人在小跑的速度明显高于速度行走,但身体的稳定性降低。

7.1.3。典型步态过渡

从走到小跑步态转变图所示17(女士⁻¹)。调整时间大约是0.5吨。步态是快速和平滑过渡。

7.1.4。稳定CPG控制的仿真

仿真结果如图18。机器人稳定性的降低速度较高。当速度(女士⁻¹),步态变得无序,因为机器人的惯性和脚趾的力量增加的影响。然后,身体剧烈地震动的方向移动。最后,机器人在翻转一个运动周期。机器人重心的高度变化的方向设在在运动如图19。

7.1.5。稳定CPG-ZMP控制的仿真

仿真结果如图所示20.。机器人的稳定性降低速度较高。但CPG-ZMP机器人步态调整自适应控制和保持有效的从跌倒和翻转。机器人重心的高度变化的方向设在在运动如图21。

当速度是0.312毫秒⁻¹(),机器人剧烈震动的方向移动,然后机器人逐渐变得不稳定。CPG停止工作和机器人的步态重新计划机器人的逆运动学当ZMP的安全范围,将结束。大约一个半运动周期,中央人民政府重启工作当ZMP在安全范围内;然后机器人的步态变得正常。

7.2。真实的实验

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⁻¹。机器人可以从0.03 ms自适应地调整速度⁻¹0.08女士⁻¹根据运动环境和其姿态。实验结果表明CPG-ZMP控制器适应环境变化很好。概述图所示22。

8。结论

我们总结如下:(1)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。(2)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。(3)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。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

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)。

引用

1. h .木村、y福冈和a·h·科恩,“自适应动态行走的地面上自然四足机器人基于生物学的概念,“国际机器人研究杂志》上,26卷,不。5,475 - 490年,2007页。视图:出版商的网站|谷歌学术搜索
2. b .黄、y . f .姚和l .太阳,“四足机器人步态控制中枢模式发生器的基础上,“机械工程学报,46卷,不。7、1 - 6,2010页。视图:出版商的网站|谷歌学术搜索
3. m·a·刘易斯、f . Tenore和r . Etienne-Cummings“CPG设计使用抑制网络”诉讼的IEEE机器人与自动化国际会议上西班牙巴塞罗那,页3682 - 3687,,2005年4月。视图:出版商的网站|谷歌学术搜索
4. s . Grillner“生物模式生成:细胞和计算逻辑网络的运动,”神经元,52卷,不。5,751 - 766年,2006页。视图:出版商的网站|谷歌学术搜索
5. s . Rossignol r等级和j。Gossard,“动态感觉运动交互运动”,生理上的评论,卷86,不。1,第154 - 89页,2006。视图:出版商的网站|谷歌学术搜索
6. j . h . Barron-Zambrano c Torres-Huitzil, b . Girau”Perception-driven适应性CPG-based昆虫机器人的运动,”Neurocomputing,卷170,不。25日,第78 - 63页,2015年。视图:出版商的网站|谷歌学术搜索
7. 诉马托斯和c·p·桑托斯在四足机器人全向运动:CPG-based方法,”《IEEE / RSJ智能机器人和系统国际会议(——10)IEEE,页3392 - 3397年,台北,台湾,2010年10月。视图:出版商的网站|谷歌学术搜索
8. c .刘问:陈,d . Wang”CPG-inspired工作区轨迹生成和适应性四足机器人的运动控制,”IEEE系统,人,控制论,B部分:控制论第41卷。。3、867 - 880年,2011页。视图:出版商的网站|谷歌学术搜索
9. l . Righetti和a·j·Ijspeert中枢模式发生器的设计方法:应用程序爬行机器人,”机器人的程序:科学和系统198年,页191 -费城,宾夕法尼亚州,美国,2006年。视图:谷歌学术搜索
10. s . a·贝利仿生控制与反馈耦合非线性振荡器:昆虫实验,设计工具,hexapedal机器人适应结果[博士。论文)美国斯坦福大学,斯坦福大学,加州2004。
11. 诉马托斯,c·p·桑托斯和c·m·A·平托”brainstem-like调制方法在四足机器人步态过渡,”《IEEE / RSJ智能机器人和系统国际会议(——' 09),卷84,不。12日,页。2665 - 2670年,圣路易斯,密苏里州,美国,2009年10月。视图:出版商的网站|谷歌学术搜索
12. l . Righetti和a·j·Ijspeert”模式发电机与感官反馈四足动物运动的控制,”诉讼的IEEE机器人与自动化国际会议上08年举行(“国际机器人与自动化会议”),页819 - 824,帕萨迪纳,加利福尼亚州,美国,2008年5月。视图:出版商的网站|谷歌学术搜索
13. c·p·桑托斯和v -马托斯”在四足机器人步态过渡和调制:brainstem-like调制的方法,”机器人和自治系统卷,59号9日,第634 - 620页,2011年。视图:出版商的网站|谷歌学术搜索
14. d . t . Tran i m .古黄懿慧李et al .,“中枢模式发生器基于反身四足步行机器人控制使用递归神经网络,”机器人和自治系统,卷62,不。10日,1497 - 1516年,2014页。视图:出版商的网站|谷歌学术搜索
15. k .松岗”机制的频率和模式控制神经节奏发电机,”生物控制论卷,56号5,345 - 353年,1987页。视图:出版商的网站|谷歌学术搜索
16. y福冈,h .木村和a·h·科恩“四足机器人的自适应动态步行不规则地形基于生物学概念,“国际机器人研究杂志》上,22卷,不。3 - 4、187 - 202年,2003页。视图:出版商的网站|谷歌学术搜索
17. c .刘问:陈,d . Wang”CPG-inspired工作区轨迹生成和适应性四足机器人的运动控制,”IEEE系统,人,控制论第41卷。。3、867 - 880年,2011页。视图:出版商的网站|谷歌学术搜索
18. l . Righetti和a·j·Ijspeert”模式发电机与感官反馈四足动物运动的控制,”诉讼的IEEE机器人与自动化国际会议上08年举行(“国际机器人与自动化会议”)IEEE,页819 - 824年,帕萨迪纳,加利福尼亚州,美国,2008年5月。视图:出版商的网站|谷歌学术搜索
19. k . Tsujita k土屋,a . Onat”自适应步态模式控制的四足动物运动机器人,”《IEEE / RSJ智能机器人和系统国际会议,页2318 - 2325,毛伊岛,夏威夷,美国,2001年11月。视图:谷歌学术搜索
20. 美国Aoi、t .山下式,a市川和k .土屋,“磁滞在步态改变腰关节刚度引起的过渡四足机器人由非线性振荡器的重置阶段,”《IEEE / RSJ智能机器人和系统国际会议(——10),页1915 - 1920,台北,台湾,2010年10月。视图:出版商的网站|谷歌学术搜索
21. c . Maufroy h .木村,k . Takase”的姿势和节奏运动控制集成有四足的动态步行使用基于腿装载/卸载阶段调节,”自主机器人,28卷,不。3、331 - 353年,2010页。视图:出版商的网站|谷歌学术搜索
22. x和y . b . Li Li荣,“四足机器人步态生成和转换基于Wilson-Cowan弱神经网络”《IEEE机器人和仿生学(ROBIO”国际会议上10)19到24页,天津,中国,2010年12月。视图:出版商的网站|谷歌学术搜索
23. f·刘x p·陈,“四足机器人步态进化方法使用零力矩点轨迹规划,“机器人,32卷,不。3、398 - 404年,2010页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Junmin李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。