CN105388755B - 一种仿人机器人摆动腿迈步的能效优化控制方法 - Google Patents
一种仿人机器人摆动腿迈步的能效优化控制方法 Download PDFInfo
- Publication number
- CN105388755B CN105388755B CN201510239589.5A CN201510239589A CN105388755B CN 105388755 B CN105388755 B CN 105388755B CN 201510239589 A CN201510239589 A CN 201510239589A CN 105388755 B CN105388755 B CN 105388755B
- Authority
- CN
- China
- Prior art keywords
- axis
- joint
- angle
- foot
- positive direction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000002068 genetic effect Effects 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 5
- 210000002414 leg Anatomy 0.000 claims description 23
- 210000002683 foot Anatomy 0.000 claims description 16
- 210000004394 hip joint Anatomy 0.000 claims description 10
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 210000001503 joint Anatomy 0.000 claims description 5
- 210000000629 knee joint Anatomy 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 210000004744 fore-foot Anatomy 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 210000001699 lower leg Anatomy 0.000 claims description 2
- 210000000689 upper leg Anatomy 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 230000005021 gait Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明提供了一种仿人机器人摆动腿迈步的能效优化控制方法，其基于给定的初始、末位时刻的状态和单脚支撑起时间获得对应于评价函数的运动轨迹；通过建立仿人机器人摆动腿的模型的动力学方程，建立非线性状态方程，建立评价函数，运用遗传算法获得对应于评价函数的运动轨迹；通过设置所述评价函数中的权重系数，获得具有不同运动效果的运动轨迹。通过自主选择使评价函数最小化，获得最优运动轨迹，实现对仿人机器人行走时摆动腿的运动优化，减少能耗，提高仿人机器人的续航能力。
Description
技术领域
本发明涉及一种仿人机器人，具体涉及一种仿人机器人摆动腿迈步的能效优化控制方法。
背景技术
仿人机器人是与人类最接近的一种机器人，和其他构形的机器人相比，仿人机器人在外形上更加友好，同时能方便地使用为人类发明设计的各种工具，更容易适应人类生活环境。随着科技的发展，人们对智能机器人的需求日益增长。仿人机器人具有广阔的发展前景。
仿人机器人已经能够实现稳定的行走。然而，为了满足仿人机器人实用化需求，必须减小仿人机器人的能耗。一种有效可行的方法是通过调整仿人机器人的行走步态来减小行走过程中摆动腿的力矩和速度，达到减小能耗的目的。
仿人机器人作为一个多自由度、非线性、强耦合的多刚体系统，其行走步态是腿部所有关节之间的耦合作用和身体结构比例关系的集中体现，步态优化需要综合考虑运动学参数、动力学参数、运动约束和初始条件。有必要寻求一种耗能小、拟人化程度高的运动轨迹以提高仿人机器人的实用性。
在公开号为CN101847009A的中国专利中公开了一种双足机器人步态能效优化方法，该方法不仅需要建立一整套的能效评估模型，而且求解过程繁琐，收敛速度较慢。
在论文《Sagittal gait of a biped robot during the single supportphase.Part 2:optimal motion》中提出了一种仿人机器人摆动腿运动的优化方法，但该方法只考虑了运动过程中关节力矩的最小化，并没有考虑到摆动腿在运动过程中的能量消耗。
本专利针对上述现有技术的缺陷，提出一种高效便捷的能效评估方式，充分考虑了摆动腿运动过程中的力矩和能量消耗，并将其应用到仿人机器人摆动腿的步态规划中。该方法不仅能有效减小仿人机器人行走过程中的能 耗，而且效率高、收敛速度快，并具有较好的精度。
发明内容
本发明提供了一种提出一种优化仿人机器人摆动腿运动轨迹的方案，通过优化算法得到满足评价函数的摆动腿运动轨迹。通过自主选择改变评价函数的权重系数可实现不同的优化目标。
本发明的仿人机器人摆动腿迈步的能效优化控制方法，基于给定的初始、末位时刻的状态和单脚支撑起时间获得对应于评价函数的运动轨迹；其包括如下步骤：
(1)建立仿人机器人摆动腿的模型的动力学方程；
(2)依据所述动力学方程建立非线性状态方程；
(3)建立评价函数；
(4)运用遗传算法获得对应于评价函数的运动轨迹；
其特征在于：通过设置所述步骤(3)中的评价函数中的权重系数，获得具有不同运动效果的运动轨迹。
根据上述的能效优化控制方法，其中，所述动力学方程为：
其中M(θ)∈R6×6是关节空间的惯性矩阵，是科氏力、离心力与重力的合力矢量，
u1～u6为摆动腿关节1～6的驱动力矩，M(θ)是关节角度的函数，只与关节角度相关；是关节角度、角速度的函数，坐标系建立法则如下:
平行于旋转轴的方向为杆件坐标系的Z轴。
根据Z轴方向确定杆件坐标系的X轴的方向：若Zi-1轴的方向不平行于Zi轴的方向，则X轴的方向将垂直于Zi-1轴和Zi轴；若Zi-1轴的方向平行于Zi轴的方向，则Xi-1轴的方向为Zi-1轴与Zi轴的公垂线方向。
由右手定则决定Y轴正方向。
各角度的定义如说明书附图2所示：
θ1：表示髋关节绕Z轴正方向所旋转的角度；
θ2：表示髋关节绕Y轴正方向所旋转的角度；
θ3：表示髋关节绕X轴正方向所旋转的角度；
θ4：表示膝关节绕X轴正方向所旋转的角度；
θ5：表示踝关节绕X轴正方向所旋转的角度；
θ6：表示踝关节绕Y轴正方向所旋转的角度。
根据上述的任一能效优化控制方法，其中，所述非线性状态方程为：
所述评价函数为：
其中，xe是末位时刻的状态，S、Q、R为12*12的权重矩阵；
τ∈[t0，tf]，t0为开始时间，tf为结束时间。
根据上述的任一能效优化控制方法，其中，所述步骤(3)中还包括如下步骤：
把所述动力学方程在高斯点上进行离散，将时间区间τ∈[t0，tf]转换到τ∈[-1，1]，这个转化可以通过下式完成：
转换后的τ取代t成为独立变量，τ＝-1时对应t0，τ＝1时对应tf；t0为开始时间，tf为结束时间；
用N个高斯点τ1，τ2…，τN和初始端点t0＝-1上的离散状态构造Lagrange插值多项式去近似状态的时间历程：
式中：x(τ)为真实的状态时间历程，X(τ)为由Lagrange插值多项式近似得到的状态时间历程；Li(τ)为Lagrange插值基函数，i＝0,1,...，N
对时间求导，得
由此对仿人机器人的脚部末位时刻的位置进行约束的微分方程动态转化为一系列代数约束：
式中：Xk＝X(τk),Uk＝U(τk),k＝1,2，…N；
性能指标、边界条件和不等式约束分别转化为：
Φ(X0，t0，Xf，tf)＝0
C(Xk，Uk，τk；t0，tf)≤0。
式中Wk为高斯积分权重。
根据上述的任一能效优化控制方法，其中，所述遗传算法用于优化求解评价函数的非线性规划问题，所述步骤(4)又包括如下步骤：
(4.1)令j＝0，随机产生N个初始个体构成初始种群P(0)；
(4.2)评价P(j)中各个体的适应值；
(4.3)判断是否满足算法收敛准则，若满足，则输出搜索结果，否则执行下一步骤；
(4.4)令m＝0；
(4.5)根据适应值大小以一定方式执行复制操作从P(k)中选出两个个体作为父代；
(4.6)若交叉概率Ρc>＄∈[0,1]，则对选中个体执行交叉操作生成两个临时子代，否则将选中的父代个体直接作为临时子代；
(4.7)按变异概率Ρm对临时个体执行变异操作产生两个新个体放入P(j+1)同时令m＝m+2；
(4.8)若m<N，则返回第五步；否则令j＝j+l，并返回步骤(4.2)。
根据上述的任一能效优化控制方法，其中，仿人机器人的脚尖与脚跟z轴方向的位置分别为：
Zt＝(c2*c1-s2*s1)*L2+c1*L1+
((s2*c1+c2*s1)*c3+(c2*c1-s2*s1)*s3)*ffoot
+(-(s2*c1+c2*s1)*s3+(c2*c1-s2*s1)*c3)*height
Zh＝(c2*c1-s2*s1)*L2+c1*L1
+((s2*c1+c2*s1)*c3+(c2*c1-s2*s1)*s3)*rfoot
+(-(s2*c1+c2*s1)*s3+(c2*c1-s2*s1)*c3)*height
其中c1＝cosθ3、c2＝cosθ4、c3＝cosθ5，s1＝sinθ3、s2＝sinθ4、s3＝sinθ5，height为脚部高度，ffoot为脚尖与前脚掌长(脚尖到脚心)，rfoot为后脚跟长(脚后跟到脚心),L1为大腿长度，L2为小腿长度,Zt为脚尖与z轴方向的位置，Zh为脚跟与z轴方向的位置；由此可以设定脚跟与脚尖在z轴方向的运动范围。
通过以上的一整套算法可以获得一个使评价函数最优的运动轨迹，该运动轨迹即是所期望获得的减小仿人机器人能耗的摆动腿运动轨迹。通过设置评价函数中的权重系数S、Q、R可以获得不同的运动效果。
附图说明
图1是本发明的机器人行走轨迹的控制方法流程图。
图2是本发明中使用的机器人的腿部模型示意图。
具体实施方式
本专利采用的优化方法主要是基于给定的初始、末位时刻的状态和单脚支撑起时间的情况下，通过自主选择使评价函数最小化的步态来实现。具体方法如下：
首先建立仿人机器人摆动腿模型的动力学方程
其中M(θ)∈R6×6是关节空间的惯性矩阵，是科氏力、离心力与重力的合力矢量，
u1～u6为摆动腿关节1～6的驱动力矩，M(θ)是关节角度的函数，只与关节角度相关；是关节角度、角速度的函数，坐标系建立法则如下:
平行于旋转轴的方向为杆件坐标系的Z轴。
根据Z轴方向确定杆件坐标系的X轴的方向：若Zi-1轴的方向不平行于Zi轴的方向，则X轴的方向将垂直于Zi-1轴和Zi轴；若Zi-1轴的方向平行于Zi轴的方向，则Xi-1轴的方向为Zi-1轴与Zi轴的公垂线方向。
由右手定则决定Y轴正方向。
各角度的定义如下：
θ1：表示髋关节绕Z轴正方向所旋转的角度；
θ2：表示髋关节绕Y轴正方向所旋转的角度；
θ3：表示髋关节绕X轴正方向所旋转的角度；
θ4：表示膝关节绕X轴正方向所旋转的角度；
θ5：表示踝关节绕X轴正方向所旋转的角度；
θ6：表示踝关节绕Y轴正方向所旋转的角度。
再由摆动腿的动力学方程建立非线性状态方程：
所述评价函数为：
其中，xe是末位时刻的状态，S、Q、R为12*12的权重矩阵；
τ∈[t0，tf]，t0为开始时间，tf为结束时间。
根据机器人的模型对脚部末端位置进行约束，使得机器人的脚始终位于地面以上。由于脚平面所在平面上的两点即可确定脚平面所在，因而只需给 定脚尖和脚跟两个点的位置约束。
根据正运动学，可以求出脚尖与脚跟z轴方向的位置分别为：
Zt＝(c2*c1-s2*s1)*L2+c1*L1+
((s2*c1+c2*s1)*c3+(c2*c1-s2*s1)*s3)*ffoot
+(-(s2*c1+c2*s1)*s3+(c2*c1-s2*s1)*c3)*height
Zh＝(c2*c1-s2*s1)*L2+c1*L1
+((s2*c1+c2*s1)*c3+(c2*c1-s2*s1)*s3)*rfoot
+(-(s2*c1+c2*s1)*s3+(c2*c1-s2*s1)*c3)*height
其中c1＝cosθ3、c2＝cosθ4、c3＝cosθ5，s1＝sinθ3、s2＝sinθ4、s3＝sinθ5，height为脚部高度，ffoot为脚尖与前脚掌长(脚尖到脚心)，rfoot为后脚跟长(脚后跟到脚心),Zt为脚尖与z轴方向的位置，Zh为脚跟与z轴方向的位置；由此可以设定脚跟与脚尖在z轴方向的运动范围。
把所述动力学方程在高斯点上进行离散，将时间区间τ∈[t0，tf]转换到τ∈[-1，1]，这个转化可以通过下式完成：
转换后的τ取代t成为独立变量，τ＝-1时对应t0，τ＝1时对应tf；t0为开始时间，tf为结束时间；
用N个高斯点τ1，τ2…，τN和初始端点t0＝-1上的离散状态构造Lagrange插值多项式去近似状态的时间历程：
式中：x(τ)为真实的状态时间历程，X(τ)为由Lagrange插值多项式近似得到的状态时间历程；Li(τ)为Lagrange插值基函数，i＝0,1,...，N
对时间求导，得
由此对仿人机器人的脚部末位时刻的位置进行约束的微分方程动态转化为一系列代数约束：
式中：Xk＝X(τk),Uk＝U(τk),k＝1,2，…N；
性能指标、边界条件和不等式约束分别转化为：
Φ(X0，t0，Xf，tf)＝0
C(Xk，Uk，τk；t0，tf)≤0。
式中Wk为高斯积分权重。
运用遗传算法优化求解该非线性规划问题，步骤如下：
第一步：令j＝0，随机产生N个初始个体构成初始种群P(0)；
第二步：评价P(j)中各个体的适应值；
第三步：判断是否满足算法收敛准则，若满足则输出搜索结果否则执行下一步骤；
第四步：令m＝0；
第五步：根据适应值大小以一定方式执行复制操作从P(k)中选出两个个体作为父代；
第六步：若交叉概率Ρc>＄∈[0,1]，则对选中个体执行交叉操作生成两个临时子代，否则将选中的父代个体直接作为临时子代；
第七步：按变异概率Ρm对临时个体执行变异操作产生两个新个体放入P(j+1)同时令m＝m+2；
第八步：若m<N则返回第五步，否则令j＝j+l并返回第二步；
通过以上的一整套算法可以获得一个使评价函数最优的运动轨迹，该运动轨迹即是所期望获得的减小仿人机器人能耗的摆动腿运动轨迹。通过设置评价函数中的权重系数S、Q、R可以获得不同的运动效果。
以上所述的实施例，只是本发明较优选的具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (4)
1.一种仿人机器人摆动腿迈步的能效优化控制方法，基于给定的初始、末位时刻的状态和单脚支撑期时间获得对应于评价函数的运动轨迹；其包括如下步骤：
(1)建立仿人机器人摆动腿的模型的动力学方程；
(2)依据所述动力学方程建立非线性状态方程；
(3)建立评价函数；
(4)运用遗传算法获得对应于评价函数的运动轨迹；
其特征在于：通过设置所述步骤(3)中的评价函数中的权重系数，获得具有不同运动效果的运动轨迹；
其中，所述动力学方程为：
其中M(θ)∈R6×6是关节空间的惯性矩阵，是科氏力、离心力与重力的合力矢量，
u1～u6为摆动腿关节1～6的驱动力矩，M(θ)是关节角度的函数，只与关节角度相关；是关节角度、角速度的函数，坐标系建立法则如下:
平行于旋转轴的方向为杆件坐标系的Z轴；
根据Z轴方向确定杆件坐标系的X轴的方向：Xi-1轴的方向将垂直于Zi-1轴与Zi轴，关节i处的Z轴的下标为i-1，关节i处的X轴的下标为i-1，i＝1,2,…,6分别对应摆动腿关节1～6；
由右手定则决定Y轴正方向；
各角度的定义如下：
θ1：表示髋关节绕Z轴正方向所旋转的角度；
θ2：表示髋关节绕Y轴正方向所旋转的角度；
θ3：表示髋关节绕X轴正方向所旋转的角度；
θ4：表示膝关节绕X轴正方向所旋转的角度；
θ5：表示踝关节绕X轴正方向所旋转的角度；
θ6：表示踝关节绕Y轴正方向所旋转的角度；
所述非线性状态方程为：
其中u为该非线性状态方程的控制量，
所述评价函数为：
其中，xe是末位时刻的状态，t为单脚支撑期时间，S、Q、R为12*12的权重矩阵；t∈[t0,tf]，t0为开始时间，tf为结束时间。
2.根据权利要求1所述的能效优化控制方法，其中，所述步骤(3)中还包括如下步骤：
把所述动力学方程在高斯点上进行离散，将时间区间t∈[t0,tf]转换到T∈[-1,1]，这个转化能够通过下式完成：
转换后的T取代t成为独立变量，T＝-1时对应t0，T＝1时对应tf；t0为开始时间，tf为结束时间；
用N个高斯点T1,T2…,TN和初始端点T0＝-1上的离散状态构造Lagrange插值多项式去近似状态的时间历程：
式中：x(T)为真实的状态时间历程，X(T)为由Lagrange插值多项式近似得到的状态时间历程；X(Ti)对应与每一个高斯点上的状态时间历程；Li(T)为Lagrange插值基函数，i＝0,1,…,N；
对时间求导，得
对仿人机器人的脚部末位时刻的位置进行约束的微分方程动态转化为一系列代数约束：
式中：f为变量Xk,Uk,Tk,t0,tf之间的非线性函数关系，Xk＝X(Tk)为每一个高斯点上的状态时间历程，Uk＝U(Tk)为由Lagrange插值多项式近似得到的控制时间历程，k＝1,2，…N；
性能指标、边界条件和不等式约束分别转化为：
Φ(X0,t0,Xf,tf)＝0
C(Xk,Uk,Tk；t0,tf)≤0；
式中wk为高斯积分权重，为变量X0,t0,Xf,tf之间的性能函数关系，g为变量Xk,Uk,Tk,t0,tf之间的性能函数关系，Φ为变量X0,t0,Xf,tf之间的边界约束关系，C为变量Xk,Uk,Tk,t0,tf之间的不等式约束关系。
3.根据权利要求1所述的能效优化控制方法，其中，所述遗传算法用于优化求解评价函数的非线性规划问题，所述步骤(4)又包括如下步骤：
(4.1)令进化代数计数器j＝0，随机产生N个初始个体构成初始种群P(0)；
(4.2)评价第j代种群P(j)中各个体的适应值；
(4.3)判断是否满足算法收敛准则，若满足，则输出搜索结果，否则执行下一步骤；
(4.4)令m＝0，m为新种群个体数目计数器；
(4.5)根据适应值大小以一定方式执行复制操作从第k代种群P(k)中选出两个个体作为父代；
(4.6)若交叉概率Ρc>＄∈[0,1]，＄为初始设定的交叉操作发生的概率，则对选中个体执行交叉操作生成两个临时子代，否则将选中的父代个体直接作为临时子代；
(4.7)按变异概率Pm对临时个体执行变异操作产生两个新个体放入P(j+1)同时令m＝m+2；
(4.8)若m<N，则返回第五步；否则令j＝j+l，并返回步骤(4.2)。
4.根据权利要求1-3任一项所述的能效优化控制方法，其中，仿人机器人的脚尖与脚跟Z轴方向的位置分别为：
Zt＝(c2*c1-s2*s1)*L2+c1*L1+
((s2*c1+c2*s1)*c3+(c2*c1-s2*s1)*s3)*ffoot
+(-(s2*c1+c2*s1)*s3+(c2*c1-s2*s1)*c3)*height
Zh＝(c2*c1-s2*s1)*L2+c1*L1
+((s2*c1+c2*s1)*c3+(c2*c1-s2*s1)*s3)*rfoot
+(-(s2*c1+c2*s1)*s3+(c2*c1-s2*s1)*c3)*height
其中c1＝cosθ3、c2＝cosθ4、c3＝cosθ5，s1＝sinθ3、s2＝sinθ4、s3＝sinθ5，θ3为髋关节绕X轴正方向所旋转的角度，θ4为膝关节绕X轴正方向所旋转的角度，θ5为踝关节绕X轴正方向所旋转的角度；height为脚部高度，ffoot为脚尖与前脚掌长，rfoot为后脚跟长，L1为大腿长度，L2为小腿长度，Zt为脚尖与Z轴方向的位置，Zh为脚跟与Z轴方向的位置；由此可以设定脚跟与脚尖在Z轴方向的运动范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510239589.5A CN105388755B (zh) | 2015-05-12 | 2015-05-12 | 一种仿人机器人摆动腿迈步的能效优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510239589.5A CN105388755B (zh) | 2015-05-12 | 2015-05-12 | 一种仿人机器人摆动腿迈步的能效优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105388755A CN105388755A (zh) | 2016-03-09 |
| CN105388755B true CN105388755B (zh) | 2018-08-24 |
Family
ID=55421148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510239589.5A Active CN105388755B (zh) | 2015-05-12 | 2015-05-12 | 一种仿人机器人摆动腿迈步的能效优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105388755B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106814610A (zh) * | 2017-01-23 | 2017-06-09 | 长春工业大学 | 基于非线性模型预测控制的双足机器人步态优化的信赖域‑sqp方法 |
| CN108345211A (zh) * | 2017-01-23 | 2018-07-31 | 深圳市祈飞科技有限公司 | 双足仿人机器人及其非线性步态规划方法以及控制方法 |
| CN106842959A (zh) * | 2017-03-22 | 2017-06-13 | 西南科技大学 | 一种Nao机器人步态规划遗传算法 |
| CN110315543B (zh) * | 2019-07-29 | 2021-02-26 | 北京理工大学 | 一种双足机器人步态生成与优化方法 |
| CN113021334B (zh) * | 2019-12-25 | 2022-09-30 | 广东省智能制造研究所 | 一种能量最优的机器人控制方法 |
| CN114474034B (zh) * | 2020-10-26 | 2024-05-28 | 腾讯科技（深圳）有限公司 | 足式机器人运动控制方法、装置、设备及介质 |
| CN117452931B (zh) * | 2023-10-16 | 2024-06-25 | 之江实验室 | 一种仿人机器人的行走控制方法、装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100093833A (ko) * | 2009-02-17 | 2010-08-26 | 동아대학교 산학협력단 | 이족 인간형 로봇의 계단 내려오기를 위한 최적 궤적 설계 방법 |
| CN101847009A (zh) * | 2010-05-28 | 2010-09-29 | 广东工业大学 | 两足机器人步态能效优化方法 |
| CN102887188A (zh) * | 2012-10-17 | 2013-01-23 | 同济大学 | 基于能量最优的双足被动行走步态控制方法 |
| CN104331081A (zh) * | 2014-10-10 | 2015-02-04 | 北京理工大学 | 一种双足机器人斜面行走的步态规划方法 |
-
2015
- 2015-05-12 CN CN201510239589.5A patent/CN105388755B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100093833A (ko) * | 2009-02-17 | 2010-08-26 | 동아대학교 산학협력단 | 이족 인간형 로봇의 계단 내려오기를 위한 최적 궤적 설계 방법 |
| CN101847009A (zh) * | 2010-05-28 | 2010-09-29 | 广东工业大学 | 两足机器人步态能效优化方法 |
| CN102887188A (zh) * | 2012-10-17 | 2013-01-23 | 同济大学 | 基于能量最优的双足被动行走步态控制方法 |
| CN104331081A (zh) * | 2014-10-10 | 2015-02-04 | 北京理工大学 | 一种双足机器人斜面行走的步态规划方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种双足机器人实时步态规划方法及相关数值算法;朱志斌 等;《机器人》;20081130;第30卷(第6期);第521-527页 * |
| 基于能耗优化的六足机器人摆动腿轨迹规划;陈诚;《计算机仿真》;20150131;第32卷(第1期);第438-441页 * |
| 基于遗传算法的双足机器人性能优化;肖鹏 等;《武汉理工大学学报》;20110831;第33卷(第8期);第129-132页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105388755A (zh) | 2016-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105388755B (zh) | 一种仿人机器人摆动腿迈步的能效优化控制方法 | |
| CN109991979B (zh) | 一种面向复杂环境的下肢机器人拟人步态规划方法 | |
| Jatsun et al. | Adaptive control system for exoskeleton performing sit-to-stand motion | |
| CN111625002B (zh) | 一种仿人机器人爬楼步态规划与控制的方法 | |
| CN103019096B (zh) | 一种基于加速度优化的仿人机器人逆动力学控制器 | |
| JP5052013B2 (ja) | ロボット装置及びその制御方法 | |
| CN109968355A (zh) | 一种仿人机器人步态平衡模型建立的方法 | |
| CN108009680A (zh) | 基于多目标粒子群算法的仿人机器人步态规划方法 | |
| CN110405769B (zh) | 一种启发式仿人机器人摔倒保护方法 | |
| CN101751037A (zh) | 一种用于双足步行机器人的动态步行控制方法 | |
| CN111914416A (zh) | 一种高能效轻量化结构双足机器人的逆运动学求解方法 | |
| CN113001540B (zh) | 负载机动型外骨骼的人机交互智能控制方法及外骨骼系统 | |
| Zhao et al. | Quadratic programming and impedance control for transfemoral prosthesis | |
| CN106292288B (zh) | 基于策略梯度学习法的模型参数修正方法及修正器 | |
| CN111300408A (zh) | 一种结合形似与神似的仿人双臂机器人运动规划控制方法 | |
| You et al. | Straight leg walking strategy for torque-controlled humanoid robots | |
| CN104656440B (zh) | 仿人机器人步态生成方法 | |
| CN111267991B (zh) | 一种双足机器人下肢结构尺寸的设计方法 | |
| CN113805601A (zh) | 一种基于协作控制的双足机器人楼梯爬越步态规划方法 | |
| CN108227484A (zh) | 一种仿人机器人偏摆力矩控制方法 | |
| Werner et al. | Optimal and robust walking using intrinsic properties of a series-elastic robot | |
| Zanchettin et al. | Kinematic motion analysis of the human arm during a manipulation task | |
| Choi et al. | Posture optimization for a humanoid robot using a simple genetic algorithm | |
| Wei et al. | Trajectory planning and control for hopping robot at the stance phase | |
| WO2017181319A1 (zh) | 基于粒子群优化和强化学习算法的仿生双足机器人动态行走控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Chen Xuechao Inventor after: Luo Zhou Inventor after: Huang Qiang Inventor after: Yu Zhangguo Inventor after: Zhang Weimin Inventor after: Meng Libo Inventor after: Sun Wentao Inventor before: Chen Xuechao Inventor before: Huang Qiang Inventor before: Yu Zhangguo Inventor before: Luo Zhou Inventor before: Zhang Weimin Inventor before: Meng Libo Inventor before: Sun Wentao |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |