CN102637036A - 一种复合式仿生四足机器人控制器 - Google Patents

Abstract

本发明涉及一种复合式仿生四足机器人控制器，采用与脊椎动物神经系统相似的结构，分别划分为决策层、规划层、执行层，对应动物的高级神经中枢、低级神经中枢和运动神经。决策层由嵌入了实时操作系统的ARM9和环境信息采集系统构成，负责实现机器人对工作环境的感知并产生相应的运动决策指令。规划层的核心为步态生成器，用于实现根据上层决策指令进行各关节运动参数的规划和求解。执行层由以数字信号处理器为核心的电机控制器构成，实现对驱动电机的电流、位置及速度的三闭环控制。三个层级之间分别通过双口RAM和CAN总线网络实现有效实时的数据传输。本发明具有可靠性高、灵活性好、易于扩展、易于维护的特点，在仿生足式机器人技术领域具有广阔的应用前景。

Description

一种复合式仿生四足机器人控制器

技术领域

本发明涉及一种复合式仿生四足机器人控制器，属于机器人运动控制技术领域。

背景技术

能够适应复杂地形环境的足式机器人是当今移动机器人研究领域最为前沿的课题之一。一般情况下，足式机器人可分为双足、四足和六足机器人。相对于双足机器人，四足机器人具有较好的稳定性；而相对于六足机器人，四足机器人具有较为简单的机构复杂度。

现有仿生四足机器人的模型建立主要基于对自然界中四足生物的仿生学研究，但实际的机器人运动效果却远远落后于自然界中的四足生物。如清华大学郑浩峻团队研发的实现动物节律运动的四足式仿生机器人(专利号03157386.X)虽然在控制系统结构设计上采用了与动物相似的节律运动机理来控制机器人，但在机器人腿部结构设计中省略了侧摆自由度，在传感器系统构建中进行了大量简化，这在降低对控制系统要求的同时也降低了机器人本体的运动灵活性和环境适应能力。西北工业大学王润孝等人研发的四足式仿生机器人(专利号200710300719.7)对四足机器人的传感器系统进行了完善，但控制器采用双PC104构成，控制功能高度集中，必将对主控芯片产生较大的负荷，无法保证控制系统对实时性的要求，而且容易产生由局部故障而引起的机器人整体失效。

早期的机器人控制器多采用Windows、DOS等分时操作系统，该类操作系统具有操作界面友好，系统成熟的优势；但分时操作系统由调度程序自动计算进程的优先级，而不是由用户控制进程的优先级，这导致其无法完成多电机实时协调控制。因而为保证仿生四足机器人良好的运动特性，实时操作系统必不可少，如美国的BigDog、意大利的HyQ等四足机器人均采用实时操作系统进行系统决策级的控制。

发明内容

本发明的目的在于提供一种针对仿生四足机器人的复合式运动控制器，该控制器采用与动物神经控制系统相似的结构，通过各层CPU之间的协同工作，实现对机器人各个关节的有效控制，在保证机器人具有足够动力性能和灵活度的同时，使其能够利用传感器信息融合系统实现对外部环境的实时感知，从而使机器人具有一定的自主运动能力。

为实现上述目的，本发明所提供的一种复合式仿生四足机器人控制器，其特征在于包括：由电动缸驱动各关节的足式机器人本体，智能决策器，步态生成器，执行驱动器，环境信息采集系统和能源系统。所述足式机器人本体共有四个结构相同的腿部机构，每个腿部机构具有三个自由度，其中，髋关节的侧摆自由度由直流无刷伺服电机驱动；髋关节的弯曲自由度和膝关节的弯曲自由度分别由电动缸驱动，电动缸的内部由直流无刷伺服电机和丝杠构成。所述智能决策器通过相应接口连接环境信息采集系统实现对各类环境信息的采集，并进行传感器信息融合，生成所需决策命令。所述环境信息采集系统包括视觉传感器，陀螺仪传感器，超声波测距传感器，音频传感器及GPS定位系统。所述步态生成器包括双口RAM控制器模块，CPG步态规划算法模块，CAN总线控制器模块，并通过CAN总线实现与所述执行驱动器的信息传递。所述智能决策器与所述步态生成器通过双口RAM连线，实现二者之间的数据通信。所述执行驱动器采用以数字信号处理器为核心的无刷直流电机驱动器，该驱动器自带无刷直流电机控制所需的PWM生成模块、光电编码器处理模块、模拟信号采集模块等。

本发明的复合式仿生四足机器人控制器将分层递阶控制系统和分布式控制系统有机结合，既能实现控制任务的合理分配，又能保证系统的完整性。其核心在于整个控制器系统共划分为三个层级：决策层、规划层、执行层，每个层级由单CPU或多CPU构成。

本发明的决策层主要包括智能决策器和环境信息采集系统。智能决策器由内嵌实时操作系统RT-Linux的ARM9构成，其主要功能模块包括传感器驱动模块，传感器数据融合模块，决策算法模块，双口RAM驱动模块。所述的环境信息采集系统用于机器人工作环境信息的采集，保证四足机器人具有一定自主运动能力。在该子系统中，视觉传感器用于实现四足机器人前方可见域的三维重建，陀螺仪传感器用于实时获取机器人运动时的动态位姿参数，超声波传感器用于测量机器人运动方向上障碍物的距离，音频传感器用于对机器人工作环境的声音信息的采集，GPS定位系统用于确定机器人的准确位置信息。各类传感器信息参数通过相应的接口传输至智能决策器的传感器数据融合模块，经过信息融合算法，产生决策算法模块所需的数据，最终获得相应的控制命令，该命令通过双口RAM驱动模块被存储在双口RAM指定的决策命令地址空间内，以便步态生成器随时读取。

本发明所述的规划层由FPGA芯片及相应的外设接口构成，主要负责根据决策命令进行机器人运动步态的实时规划并协调与上下层之间的数据通信。步态生成器内部集成了NiosII软核嵌入式处理器，利用SOPC Builder开发工具设计控制器的硬件系统，利用QuartusII设计控制器的软件系统。步态生成器在决策层触发信号的引导下，对双口RAM决策命令地址空间进行读取操作，获得决策指令；CPG网络解算模块根据相应的决策指令利用数值求解算法进行解算，获得各关节运动指令；CAN总线控制器模块将运动指令封装为CAN数据包后，放入总线通信层。基于FPGA的步态生成器通过充分发挥FPGA的并行数据处理能力来提高机器人运动控制系统的稳定性和实时性。

本发明的执行层采用多个数字信号处理器DSP作为核心微处理器，采用高功率开关驱动芯片构成电机驱动电路，主要负责实现对直流无刷电机的电流环、速度环、位置环的三闭环控制。所述步态生成器通过CAN总线将关节运动指令传递给执行驱动器，执行驱动器利用DSP片内集成的事件管理器模块产生PWM控制信号，实时控制电机的转动。电机编码器输出信号为差分信号经过转换电路，再接入微处理器的光电编码器处理模块接口上，实现对电机转速及位置信息的采集。在驱动电路接入采样电阻，对电机的电流进行采样，并利用DSP内部的AD转换器将模拟量转化为数字量，提供给内核芯片，实现对电流环的控制。

本发明有益效果表现在：通过使用将分层递阶控制系统结构与分布式控制系统结构有机结合的复合式控制系统结构，使整个控制器在保证构架与动物神经控制系统一致的同时实现了系统高实时性，高可靠性，高稳定性，易于维护的要求。通过构建丰富的传感器系统，使四足机器人能够实现自我感知、环境预测、自主蔽障等功能，提高机器人对复杂应用环境的适应性。通过使用内嵌实时操作系统的ARM9，具有并行数据处理能力的FPGA以及具有高速运算速率的DSP构成整个控制系统，在各个环节提高了系统的实时性，为机器人稳定运行提供了保障。采用双口RAM和CAN总线技术实现智能决策器、步态生成器、执行驱动器之间的信息传递，该种方法所需外围电路简单及数据线使用量小，降低了系统设计的复杂性，并能保证有效信息传递的流畅性。

附图说明

附图1为本发明复合式仿生四足机器人控制系统的整体设计框图。

附图2为本发明智能决策器结构示意图。

附图3为本发明双口RAM通信方式示意图。

附图4为本发明步态生成器电路功能示意图。

附图5为本发明CAN总线通信网络结构示意图。

附图6为执行驱动器功能结构示意图。

具体实施方式

以下结合附图和具体的实施例对本发明的技术方案作进一步详细描述。以下实施例不构成对本发明的限定。

图1所示为本发明所述的复合式仿生四足机器人控制器，该控制器完全依照脊椎动物运动控制神经网络构建。大多数动物的运动均通过神经系统的控制来实现，一般的动物神经系统主要包括大脑，低级神经中枢以及运动神经。其中，大脑构成生物的高级神经中枢，协调处理各种感官信息反馈并实现对生物运动的整体调控；低级神经中枢通过自激实现动物的节律运动；运动神经主管肌肉纤维的收缩和保持肌肉张力，运动神经一般与肌肉一一对应。依据以上模式，本发明提供的复合式仿生四足机器人控制器按照结构和功能划分为三层：决策层、规划层、执行层，分别对应动物的高级神经中枢、低级神经中枢和运动神经。

复合式仿生四足机器人控制器包括智能决策器，步态生成器，执行驱动器以及环境信息采集系统，从而构成一个完善的能够实现机器人具有一定自主运动功能的控制系统。其中，主要装配在躯体上的环境信息采集系统将采集到的数据提供给机器人控制系统的智能决策器，智能决策器将采集到的信息进行处理运算，生成相应的决策控制指令，并通过双口RAM传递给步态生成器，步态生成器根据相应的决策控制指令进行步态选择与切换，经过CPG网络解算后得到各关节的运动参数，而后通过CAN总线网络将数据包传递给执行驱动器，进而驱动直流无刷伺服电机转动，实现机器人腿部的节律运动。

图2所示为本发明所述的决策层硬件系统连接框图。内嵌实时操作系统RT-Linux的ARM9芯片构成系统决策层核心处理器，芯片内部丰富的资源在保证系统功能的同时减少了硬件设备所需尺寸空间。该子系统外设中外扩3个串口，分别用于程序测试，陀螺仪传感器模块的信息采集，以及与GPS模块的通信。JTAG接口用于系统仿真及程序下载，Wifi模块用于系统功能扩展。决策层初始化数据存放在外部SD卡内，系统复位后自动读取。音频传感器和视频传感器分别由相应的语音接口和USB接口来实现与主控芯片的通信，另外超声波传感器的信号由GPIO接入系统内部。当系统运行出现错误时，PWM接口将直接驱动蜂鸣器实现报警。决策层实时处理各种传感器信息，并通过实时的数据融合算法得到相应的决策控制指令，最终将控制指令通过双口RAM驱动模块传输给步态规划层。

图3所示为本发明所述的双口RAM模块的功能框图。决策层与规划层的通信通过双口RAM实现。双口RAM是一种具有两套完全独立的数据线、地址线和读写控制线的SRAM存储器，该存储器允许两个独立的系统同时对其进行随机性的访问。硬件设计上，双口RAM控制器在FPGA内部通过编写Verilog程序实现，ARM9通过相应的硬件驱动实现对双口RAM的访问。由图3可知，该模块利用FPGA的硬件资源建立一块数据存储区，从而用于实现两个控制器的数据交换，ARM9将生成的决策指令存储在数据共享区内，并通知FPGA可以进行数据的读取操作，当FPGA读取相应数据后，通知ARM9可以进行数据的更新，从而保证数据的流畅性。

图4所示为本发明所述的步态生成器的内部功能结构图。FPGA芯片构成步态生成器的核心单元，FPGA强大的并行运算能力能够很好的解决系统实时性的问题。在程序设计方面，通过硬件描述语言进行设计，并可通过软件仿真，事先验证程序设计的正确性。步态生成器内部嵌入了NiosII内核，用于实现CPG网络解算算法及其他通信模块的调用。在CPG网络解算算法方面通过利用龙格库塔法求解微分方程组的方式实现。CPG网络解算模块的输入参数由双口RAM模块在指定的数据存储区获取，解算后的结果通过CAN总线模块进行数据封装并传输到CAN总线上。步态生成器内部各功能模块的控制指令及数据通过Avalon总线交换。

图5所示为本发明所述的CAN总线网络构架结构图。CAN总线的通信速率高，实时性好，非常适合机器人各关节轴的协调运动控制，便于构成多节点的通信网络，同时克服了其他多点通信总线协议接线复杂的缺点。CAN遵从ISO/OSI模型，采用了其中的物理层、数据链路层与应用层。采用双绞线作为通信介质，通信速率最高可达到1Mbps，直接传输距离最远可达10km。由DSP为主控芯片构成的执行驱动器及由FPGA为主控芯片构成的步态生成器共同组成CAN总线上的节点，每个节点设备都一个ID，设备将根据报文的ID决定接收或者屏蔽该报文。FPGA在向执行驱动器传递关节运动参数前，先将数据封装为指定的格式，DSP接收到数据后进行解码，从而得到电机控制所需的参数。

图6所示为本发明所述的执行层系统结构图。选用了TI公司推出的数字信号处理器TMS320F2812作为核心微处理器。该芯片的TMS320F2812除了具有其他DSP芯片所具有的强大运算能力和实时响应能力外，片内还集成了大容量的Flash存储器和高速RAM，并提供了许多片内外设和接口，如eCAN接口、A/D转换接口、事件管理器、编码器接口电路等。丰富的外设接口和硬件资源能够极大地降低控制器的自身尺寸。该芯片工作时所需要的电压为3.3V的Flash电压和1.8V的内核电压，这在很大程度上降低了系统的能耗，为机器人的长时间续航提供了一定基础。

在电机驱动电路设计上，为了提高系统的稳定性，选择美国国际整流器公司生产的专用驱动芯片IR2130，IR2130可单独驱动三相桥式逆变电路的6个功率开关器件，从而使驱动电路简单可靠。在驱动电路和微控制器电路之间通过高速光耦6N137进行光电隔离以提高系统的抗干扰能力。微处理器通过CAN总线实现与步态生成器的通信。利用TMS320F2812片内集成的事件管理器模块产生PWM控制信号，实时控制电机的转动。电机编码器输出信号为差分信号，通过芯片AM26LS32将三组差分信号转换为A、B、Z三路TTL电平信号，再接入微处理器的QEP模块接口上，实现对电机转速信息的采集。在驱动电路接入采样电阻，对电机的电流进行采样，并利用F2812内部的AD转换器将模拟量转化为数字量，提供给内核芯片，实现电流环反馈控制。

Claims (1)

1.一种复合式仿生四足机器人控制器，由决策层、规划层和执行层构成，其特征在于包括由电动缸驱动各关节的足式机器人本体，智能决策器，步态生成器，执行驱动器，环境信息采集系统及能源系统。所述环境信息采集系统安装于机器人躯干上，将采集到的数据通过相应接口提供给智能决策器，智能决策器将采集到的信息进行数据融合处理，生成相应的决策控制指令，并通过双口RAM传递给步态生成器，步态生成器根据相应的决策控制指令进行步态选择与切换，经过CPG网络解算后得到各关节的运动参数，通过CAN总线网络将数据包传递给执行驱动器，进而驱动直流无刷伺服电机转动，实现机器人特定运动。

所述环境信息采集系统用于机器人工作环境信息的采集，包括视觉传感器，音频传感器，陀螺仪传感器，超声波传感器及GPS定位系统；所述视觉传感器用于实现四足机器人前方可见域的三维重建，所述音频传感器用于获取环境声音信息，所述陀螺仪传感器用于实时获取机器人运动时的动态位姿参数，所述超声波传感器用于测量机器人运动方向上障碍物的距离，所述GPS定位系统用于确定机器人的准确位置信息。

所述智能决策器由内嵌实时操作系统RT-Linux的ARM9构成，其主要功能模块包括传感器驱动模块，传感器数据融合模块，决策算法模块，双口RAM驱动模块。外设接口包括3个串口，分别用于程序测试，陀螺仪传感器模块的信息采集，以及与GPS模块的通信。JTAG接口用于系统仿真及程序下载，Wifi模块用于系统功能扩展。决策层初始化数据存放在外部SD卡内，系统复位后自动读取。音频传感器和视频传感器分别由相应的语音接口和USB接口来实现与主控芯片的通信，另外超声波传感器的信号由GPIO接入系统内部。当系统运行出错时，PWM接口将直接驱动蜂鸣器实现报警。

所述步态生成器由内嵌Nios II软核的FPGA构成，功能模块包括CPG网络解算模块，CAN总线控制器模块，双口RAM模块。CPG网络解算模块的输入参数由双口RAM模块在指定的数据存储区获取，解算后的结果通过CAN总线模块进行数据封装并传输到CAN总线上。步态生成器内部各功能模块的控制指令及数据通过Avalon总线交换。

所述执行驱动器由数字信号处理器TMS320F2812作为核心微处理器，采用专用驱动芯片IR2130驱动三相桥式逆变电路的6个功率开关器件，在驱动电路和微控制器电路之间通过高速光耦6N137进行光电隔离。利用TMS320F2812片内集成的事件管理器模块产生PWM控制信号，实时控制电机的转动。电机编码器输出信号通过芯片AM26LS32将差分信号转换为TTL电平信号，再接入微处理器的QEP模块接口，实现对电机转速信息的采集。在驱动电路串联精密采样电阻，利用F2812内部的AD转换器实现电流反馈。

Images