CN105511267A - 一种仿蛇搜救机器人多步态控制方法 - Google Patents

Abstract

本发明涉及一种仿蛇搜救机器人多步态控制方法，针对自然、轮式和混沌运动步态，利用反馈神经网络Hopfield？Neural？Network(HNN)的输出和三类运动步态所需输入一致性关系，通过调整HNN权重参数获得相应的步态信号，然后将HNN的输出信号作为仿蛇搜救机器人动力学控制器的输入信号，控制仿蛇搜救机器人产生相应步态。在非稳定状态时，即初始时刻和步态转换时刻，利用Motion？Shape？Code？Technique(MSCT)产生相应步态的初始形状并将直线形状作为中间过程状态进行步态转换。本发明解决传统Central？Pattern？Generator(CPG)方法在步态控制时未考虑非周期步态和混沌步态问题，更切合实际，能够使仿蛇搜救机器人更好地应用在搜救任务中。

Description

一种仿蛇搜救机器人多步态控制方法

技术领域

本发明涉及仿生机器人技术领域，具体地说是指一种仿蛇搜救机器人多步态控制方法。

技术背景

近年来仿蛇搜救机器人在军事侦察、灾害搜救、管线巡检等领域展现出巨大的应用潜力。随着计算机技术、微电子技术及人工智能等技术的发展，仿蛇搜救机器人不断拓展出许多运动姿态，并能在未知或复杂环境下自主选择姿态运动。传统的步态包括蜿蜒、侧滑、伸缩等蛇类运动形式，它们本质上是周期变化的，可以通过在CentralPatternGenerator(CPG)中设置不同控制参数获得。但这类蛇态运动运动效率低，严重影响搜救进度。因此，仿蛇搜救机器人多步态运动拓展及控制是一个具有挑战性的课题，吸引众多学者的研究兴趣。

Manzoor等人在2015年在Neurocomputing期刊上针对带有被动移动副和旋转副关节的蛇形机器人提出一种统一的神经振荡模型作为仿蛇搜救机器人的CPG控制蜿蜒、直线和折叠等多种节律性运动。Richard等人在2014年IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems会议上发表了仿蛇搜救机器人的滚动和攀爬运动研究。他们通过控制仿蛇搜救机器人关节的平移和转动自由度实现仿蛇搜救机器人的滚动和攀爬运动。郁树梅等人在2011年机器人期刊上通过将仿蛇搜救机器人的运动分解到垂直和水平方向，分别考虑两方向运动控制，实现了机器人的3维运动控制。虽然这些方法能够实现仿蛇搜救机器人多步态拓展和控制，但是还存在以下主要不足：(1)设计运动步态时一般只考虑蛇态运动形式，模仿自然蛇运动，未考虑具有快速运动能力的非蛇态运动形态；(2)依托机构独有的特性设计步态控制方法，不能有效拓展出多种控制信号，难以推广应用在实际中。

发明内容

本发明的目的在于提供一种仿蛇搜救机器人多步态控制方法，控制仿蛇搜救机器人进行自然步态、轮式步态以及混沌步态运动，解决上述在基于特定仿蛇机构和传统CPG方法进行步态控制时未考虑高效运动步态生成和控制问题。本发明方法利用HopfieldNeuralNetwork，MotionShapeCodeTechnique设计一种针对自然步态、轮式步态以及混沌步态的多步态生成、转换以及控制方法，使仿蛇搜救机器人能在搜救任务中合理选择步态，高效完成任务。

一种仿蛇搜救机器人多步态控制方法，包含以下步骤：

1.1构建基于高效完成任务需求的仿蛇搜救机器人的自然步态、轮式步态以及混沌步态。

1.2根据步骤1.1中的多种步态特征，建立仿蛇搜救机器人驱动模式与各步态之间的对应关系。

主要的对应关系包括：通过控制仿蛇搜救机器人的关节实现自然步态。通过控制仿蛇搜救机器人的正交主动轮实现轮式步态。通过同时控制仿蛇搜救机器人的关节和正交主动轮实现混沌步态。

1.3根据步骤1.1中的多种步态特征和仿蛇机器人的实现模式，采用Hopfield网络设计各个步态对应的控制信号。

1.4根据步骤1.1中的仿蛇搜救机器人步态和步骤1.3中设计的Hopfield网络步态控制，设计前期的地形检测模块和步态形状生成及转换模块，完成整个仿蛇搜救机器人步态的设计和控制。

步骤1.3根据步骤1.2中三种步态不同的驱动模式组成，为Hopfield网络的权重确定提供输出信号依据：

自然步态运动具有周期性变化特点，期望周期性的类正弦输入信号。将正弦曲线离散化，得到步态各个时刻对应的机构输出信号，考虑到机构的机械约束，加入一个变量调节输出，然后将该信号输入到Hopfield网络中进行权重参数计算。

轮式步态运动具有运动形状不变性，期望不变的稳定输入信号。考虑网络的稳定性和收敛性，通过Hopfield网络的状态方程，计算权重矩阵。

混沌步态运动具有不规律性，且为保证快速性，期望随机多样的输入信号。通过尝试法选取权重矩阵参数，使Hopfield网络能输出混沌信号。

步骤1.4中设计前期的地形检测模块，检测地形情况，选择合适的步态，然后通过步态形状生成模块及转换模块形成相应步态形状，最后通过Hopfield网络进行稳定步态控制，实现整个仿蛇搜救机器人步态的生成和控制。

首先，在仿蛇搜救机器人头部对称布置三个InfraredRay(IR)传感器a，b，c，其中b传感器有一个垂直方向的自由度。三个传感器分别实时采集数据，将数据通过和 $K_2=\underset{i=1}{\overset{3}{\Π}}sign(\mathrm{\ξ}L-|h/cos\left(i\mathrm{\φ}\right)-l_{bi}\left|\right)$ 计算地面的宽阔性和平坦性。如果地面不够宽阔，采用混沌步态运动。如果地面宽阔但不平坦，采用自然步态运动。如果地面宽阔且平坦，采用轮式步态运动。

然后，当确定好步态运动时，通过MotionShapeCodeTechnique(MSCT)将对应步态的一个周期的输出信号输入关节驱动器，实现初始运动形状的生成。

最后，当仿蛇搜救机器人形成指定步态时，通过Hopfield网络进行持续运动生成和控制。期间，检测模块持续检测，若地形出现变化，则需要变化运动步态，此时通过MSCT在两个运动周期中，以直线形状为过渡形状，实现机器人从一种工作步态到另一种工作步态。

本发明是一种基于Hopfield网络的仿蛇搜救机器人多步态控制及转换方法，与现有的技术相比，具有以下明显的优势和有益效果：

本发明设计过程明确简单，可实现多步态拓展、控制以及转换，方法具有通用性。本发明解决了现有步态生成和控制方法在步态设计时没有考虑高效运动形式的轮式运动和在特殊地形下的混沌步态问题，大大调高了仿蛇搜救机器人步态的多样性和执行任务的高效性。

附图说明

图1是本发明中的蜿蜒步态及其驱动模式示意图；

图2是本发明中的轮式步态及其驱动模式示意图；

图3是本发明中的混沌步态及其驱动模式示意图；

图4是本发明中的Hopfield网络结构示意图；

图5本发明中的基于Hopfield网络的仿蛇搜救机器人步态生成及控制方法流程图；

图6～8是本发明中的基于Hopfield网络的仿蛇搜救机器人步态生成及控制信号仿真结果图。

具体实施方式

为了更好地理解本发明的技术方案，以一个带有正交主动轮和仿生并联关节的仿蛇搜救机器人为研究对象对本发明的实施方式做进一步的介绍。

1.1构建基于高效完成任务需求的仿蛇搜救机器人的自然步态、轮式步态以及混沌步态。

根据大多数灾害现场布满或多或少、或大或小的障碍物特点，为使仿蛇搜救机器人在较平坦地形实现快速运动，在不平坦地面为保护蛇体机构而进行蛇态运动，在狭小空间进行随机运动要求，即仿蛇搜救机器人需要自然、轮式以及混沌三类运动模式，进而高效完成任务。

如图1所示，自然步态主要指蛇的蜿蜒、侧滑、伸缩等运动，这种蛇态运动利用机体和环境间的各向异性摩擦力，推动仿蛇搜救机器人向前运动，具有环境高适应性。如图2所示，轮式步态主要有U形、具有不同运动方向的N形等类轮式运动，这种轮式运动利用机体形状类轮式特性，可以做轮式运动，实现运动的快速性。如图3所示，混沌步态模仿蛇在狭小空间扭动逃离动作，避免机体被困而无法进行运动控制。

1.2根据步骤1.1中的多种步态特征，建立仿蛇搜救机器人驱动模式与各步态之间的对应关系。

仿蛇搜救机器人模型中主动轮的旋转轴与关节的轴向方向正交，即仿蛇搜救机器人沿着Y_S轴运动，机身沿着X_S轴分布，其中X_S与Y_S垂直。其中的主动关节为仿生并联关节，采用2-UPS/U机构，能实现强承载，大输出并具有自锁性。机构的输入为两个直线驱动器的直线位移变化，输出是活动的关节平面。关节俯仰角和直线驱动器的关系可以通过下式计算：

$\mathrm{\θ}=arcsin\left(\frac{\mathrm{\Δ}x}{L/2}\right)=arcsin\left(\frac{2\mathrm{\Δ}x}{L}\right)---\left(1\right)$

通过控制仿蛇搜救机器人的正交主动轮和仿生并联关节，可以产生自然、轮式和混沌运动形式。

(1)自然步态：如图1所示，主要指蛇的蜿蜒、侧滑、伸缩等运动。这类周期性变化的步态，可以通过控制仿蛇搜救机器人关节实现，每个关节俯仰推进机器人前进。

(2)轮式步态：如图2所示，主要有U形、具有不同运动方向的N形等轮式运动。利用正交主动轮产生的附加运动自由度，仿蛇搜救机器人可以产生类似轮式机器人的运动形式。具体是先通过控制关节使机器人各个单元到达期望位形，再通过控制轮子进行后续类轮式运动。

(3)混沌步态：如图3所示，模仿蛇在狭小空间扭动逃离动作。给关节混沌随机信号，在主动轮的帮助下，尝试多方向运动，逃离未知狭小环境。

1.3根据步骤1.1中的多种步态特征和正交主动轮式仿蛇搜救机器人的实现模式，采用Hopfield网络设计各个步态对应的控制信号。

1.3.1HNN模型

如图4所示为Hopfield网络模型结构示意图，通过调整权重参数可以得到不同的输出信号，与步骤1.1中的多种步态特征具有一致性。用于本发明的正交主动轮仿蛇搜救机器人模型的HNN模型的权重矩阵为[w_ij]_9×9。

1.3.2自然步态中的蜿蜒步态分析

针对自然步态中最典型、常见的蜿蜒步态，确定HNN的相关参数，使网络输出的输出满足蜿蜒步态输入控制信号要求。

根据蜿蜒运动周期变化特点，每个关节当前运动状态必然收敛到下一刻运动状态。这样为了确定HNN的权重参数，定义C_i＝1,R_i＝1，从HNN模型出发推导如下：

${\stackrel{\·}{x}}_i\left(k\right)=-x_i\left(k\right)+\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i---\left(2\right)$

${\stackrel{\·}{x}}_i\left(k\right)+x_i\left(k\right)=\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i---\left(3\right)$

$x_i(k+1)=\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i---\left(4\right)$

选取非线性饱和函数作为传递函数，则：

X(k+1)＝X(k)W^T+θ(5)

其中

$\begin{array}{cc}X(k+1)={\left[\begin{array}{cccc}{x}_1(k+1)& x_2(k+1)& \mathrm{...}& x_9(k+1)\\ x_1(k+2)& x_2(k+2)& \mathrm{...}& x_9(k+2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_1(k+9)& x_2(k+9)& \mathrm{...}& x_9(k+9)\end{array}\right]}_{9\×9}& X\left(k\right)=\end{array}{\left[\begin{array}{cccc}{x}_1\left(k\right)& x_2\left(k\right)& \mathrm{...}& x_9\left(k\right)\\ x_1(k+1)& x_2(k+1)& \mathrm{...}& x_9(k+1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_1(k+8)& x_2(k+8)& \mathrm{...}& x_9(k+8)\end{array}\right]}_{9\×9}$

$W={\left[\begin{array}{cccc}{w}_{11}& w_{12}& \mathrm{...}& w_{19}\\ w_{21}& w_{22}& \mathrm{...}& w_{29}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ w_{91}& w_{92}& \mathrm{...}& w_{99}\end{array}\right]}_{9\×9}^T\mathrm{\θ}={\left[\begin{array}{cccc}{\mathrm{\θ}}_1& {\mathrm{\θ}}_2& \mathrm{...}& {\mathrm{\θ}}_9\\ {\mathrm{\θ}}_1& {\mathrm{\θ}}_2& \mathrm{...}& {\mathrm{\θ}}_9\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {\mathrm{\θ}}_1& {\mathrm{\θ}}_2& \mathrm{...}& {\mathrm{\θ}}_9\end{array}\right]}_{9\×9}$

又因为蜿蜒运动为类正弦曲线运动，若将正弦信号离散化，则可得到每个关节各时刻的状态值。以一个标准正弦离散曲线对应的各关节状态值作为初始值，获得初始活动支链长度为其相邻关节长度差值为：

${\mathrm{\Δx}}_i=\[-1,1,1,1,1,0,-1,-1,-1\]*\frac{1}{2}(i=1,2...9)$

考虑到机构的机械约束，引入一个参数进行调节：

Δx_i＝[-1,1,1,1,1,0,-1,-1,-1]*η(i＝1,2...9)

这里为了简单处理，取η＝1，则各个时刻的关节状态值为：

[-1,1,1,1,1,0,-1,-1,-1]→[1,1,1,1,0,-1,-1,-1,-1]→[1,1,1,0,-1,-1,-1,-1,1]→[1,1,0,-1,-1,-1,-1,1,1]→[1,0,-1,-1,-1,-1,1,1,1]→[0,-1,-1,-1,-1,1,1,1,1]→[-1,-1,-1,-1,1,1,1,1,0]→[-1,-1,-1,1,1,1,1,0,-1]→[-1,-1,1,1,1,1,0,-1,-1]

根据蜿蜒运动特性，每个关节当前运动状态必然收敛到下一刻运动状态，则：

$x_i(k+1)=\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i=x_{i+1}\left(k\right)---\left(6\right)$

不失一般性，取θ＝0，将各个时刻的状态值代入式(6)，可得

w₁₂-w₁₉＝1,w₁₁＝w₁₃＝…＝w₁₉＝w(7)

则蜿蜒运动的权重矩阵W为：

$W_a=\left[\begin{array}{ccccccccc}w& 1+w& w& w& w& w& w& w& w\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]$

1.3.3轮式运动中的U形运动分析

仿蛇搜救机器人因为正交主动轮产生的一个附加运动自由度，可以产生类似轮式运动，而做这类运动，关节需要稳定的静止信号保证结构形状的不变性。

同样，取C＝1R＝1，则HNN模型转换为：

$\stackrel{\·}{X}=-X+WF+\mathrm{\θ}---\left(8\right)$

采用非线性饱和函数作为传递函数，则：

$\stackrel{\·}{X}=-AX+\mathrm{\θ}---\left(9\right)$

其中A＝-I+W

考虑到HNN网络需要稳定快速收敛到稳定零值，则式(9)的特征值必须全为负，并使传递函数的输出尽可能大。基于这个原则可获得可行解W_b＝0。

1.3.4混沌运动分析

作为仿蛇搜救机器人在狭窄空间的一个补充运动步态选择，原则上希望机器人能产生多种多样的运动模式，以便能逃离狭窄空间。这样，HNN的输出需要多样性，即具有混沌输出。通过试错法，HNN的权重矩阵可以设置为：

$W_c=\left[\begin{array}{ccccccccc}1.2& -1.6& 0& 0& 0& 0& 0& 0& 0\\ 1.2& 1& 0.9& 0& 0& 0& 0& 0& 0\\ 0& 2.2& 1.5& 0& 0& 0& 0& 0& 0\\ 0& 0& 1.2& -1.6& 0& 0& 0& 0& 0\\ 0& 0& 0& 1.2& 1& 0.9& 0& 0& 0\\ 0& 0& 0& 0& 2.2& 1.5& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1.2& -1.6& 0\\ 0& 0& 0& 0& 0& 0& 1.2& 1& 0.9\\ 0& 0& 0& 0& 0& 0& 0& 2.2& 1.5\end{array}\right]$

步骤1.4中进行设计地形检测模块，通过检测地形情况，确定相应的步态。然后设计步态形状生成模块或转换模块形成相应步态形状，最后通过Hopfield网络构成的步态控制器，产生后续的运动信号，控制仿蛇搜救机器人进行稳定步态运动，通过这三个环节可以实现整个仿蛇搜救机器人步态的生成和控制。

将上述的地形检测模块、步态形状生成模块及转换模块和Hopfiled网络步态控制模型整合到一个算法中，作为一个完整的仿蛇搜救机器人多步态控制方法，完成全部的步态生成、转换以及控制。

首先，在仿蛇搜救机器人头部沿水平线对称布置三个IR传感器，依次为a传感器，b传感器，c传感器，其中a传感器，c传感器固定不动，而b传感器有一个垂直方向的自由度，a传感器，c传感器与b传感器夹角为a,b,c三个传感器分别实时采集数据，将数据通过和分别计算地面的宽阔性和平坦性,公式中各个参数含义：l_a，l_c是a传感器，c传感器测量的距离，A₀是蜿蜒曲线最大的幅值，ξL是给定阈值常数，h是机器人头部与地面的距离，l_bi是b传感器以φ角度递增从竖直方向转动测量的距离值。当K₁＝0时，表示地面不够宽阔，则采用混沌步态运动。当K₁＝1且K₂＝0时，表示地面宽阔但不平坦，则采用自然步态运动。当K₁＝1且K₂＝1时，表示地面宽阔且平坦，则采用轮式步态运动。

然后，当确定好指定步态运动时，通过MotionShapeCodeTechnique(MSCT)在一个周期中产生三类输出信号A,B,C，输入到关节驱动器，分别对应自然步态中的蜿蜒运动、轮式步态中的U形运动、混沌运动，实现初始运动形状的生成。

A信号为蜿蜒运动中的运动模式，根据1.3.2中推导可知，其满足

B信号为轮式运动中的运动模式，其主动轮驱动速度和关节驱动输入如表1所示

表1.U形运动一个周期运动控制

C信号为混沌运动的运动模式，其运动具有不确定性，故而初始形状不作约束。

通过将直线运动形状作为过渡形状实现A,B之间的运动模式转换，具体的主动轮驱动速度和关节驱动输入如表2,表3

表2.蜿蜒运动到U形运动的切换

表3.U形运动到蜿蜒运动的切换

最后，当仿蛇搜救机器人形成指定步态的初始形状时，通过Hopfield网络进行持续运动步态生成和控制，它的具体权重参数选择如式(10)。稳定运动期间，检测模块持续检测地形情况，若地形出现变化，则需要变化成运动步态，此时通过MSCT在两个运动周期中，以直线形状为过渡形状，根据表2、3，实现机器人从一种工作步态到另一种工作步态的转换。

(10)

至此完成整个步态控制器的设计，整个控制过程如图5所示。

对所设计的控制器的有效性进行仿真验证：设仿蛇搜救机器人质量m＝0.270kg，一个单元长度为l＝0.145m。通过HNN网络产生不同步态对应的关节期望输入信号，转换成关节角度信号，再输入到仿蛇搜救机器人的运动模型，产生相应的运动形式。具体仿真信号如图6～8所示。

说明：图6为仿蛇搜救机器人产生的蜿蜒运动控制信号图，图7为仿蛇搜救机器人产生的轮式运动控制信号图，图8为HNN混沌运动控制信号图，为简便起见，仿真图中只给出前三个关节信号输入。

由以上仿真结果图6～8可以看出，仿蛇搜救机器人能够通过基于HNN网络的多步态控制方法产生合适信号进行不同步态运动，且不同的步态具有不同的运动特点，适合不同的地形条件，并能根据MSCT实现步态的转换，因此所设计的多步态控制方法能够实现仿蛇搜救机器人步态生成、控制及转换。

Claims (4)

1.一种仿蛇搜救机器人多步态控制方法，其特征在于：包含以下步骤，

1.1构建基于高效完成任务需求的仿蛇搜救机器人的自然步态、轮式步态以及混沌步态；

1.2根据步骤1.1中的多种步态特征，建立仿蛇搜救机器人驱动模式与各步态之间的对应关系；

所述的对应关系包括：通过控制仿蛇搜救机器人的关节实现自然步态；通过控制仿蛇搜救机器人的正交主动轮实现轮式步态；通过同时控制仿蛇搜救机器人的关节和正交主动轮实现混沌步态；

1.3根据步骤1.1中的多种步态特征和仿蛇搜救机器人的实现模式，采用Hopfield网络设计各个步态对应的控制信号；

1.4根据步骤1.1中的仿蛇搜救机器人步态和步骤1.3中设计的Hopfield网络步态控制，设计前期的地形检测模块和步态形状生成及转换模块，完成整个仿蛇搜救机器人步态的设计和控制。

2.根据权利要求1所述的一种仿蛇搜救机器人多步态控制方法，其特征在于：步骤1.3根据步骤1.2中三种步态不同的驱动模式组成，为Hopfield网络的权重确定提供输出信号依据：

自然步态运动具有周期性变化特点，期望周期性的类正弦输入信号；将正弦曲线离散化，得到步态各个时刻对应的机构输出信号，考虑到机构的机械约束，加入一个变量调节输出，然后将该信号输入到Hopfield网络中进行权重参数计算；

轮式步态运动具有运动形状不变性，期望不变的稳定输入信号；考虑网络的稳定性和收敛性，通过Hopfield网络的状态方程，计算权重矩阵；

混沌步态运动具有不规律性，且为保证快速性，期望随机多样的输入信号；通过尝试法选取权重矩阵参数，使Hopfield网络能输出混沌信号。

3.根据权利要求1所述的一种仿蛇搜救机器人多步态控制方法，其特征在于：步骤1.4中设计前期的地形检测模块，检测地形情况，选择合适的步态，然后通过步态形状生成模块及转换模块形成相应步态形状，最后通过Hopfield网络进行稳定步态控制，实现整个仿蛇搜救机器人步态的生成和控制；

首先，在仿蛇搜救机器人头部对称布置三个InfraredRay(IR)传感器a，b，c，其中b传感器有一个垂直方向的自由度；三个传感器分别实时采集数据，将数据通过和 $K_2=\underset{i=1}{\overset{3}{\Π}}sign(\mathrm{\ξ}L-|h/cos\left(i\mathrm{\φ}\right)-l_{bi}\left|\right)$ 计算地面的宽阔性和平坦性；如果地面不够宽阔，采用混沌步态运动；如果地面宽阔但不平坦，采用自然步态运动；如果地面宽阔且平坦，采用轮式步态运动；

然后，当确定好步态运动时，通过MotionShapeCodeTechnique(MSCT)将对应步态的一个周期的输出信号输入关节驱动器，实现初始运动形状的生成；

最后，当仿蛇搜救机器人形成指定步态时，通过Hopfield网络进行持续运动生成和控制；期间，检测模块持续检测，若地形出现变化，则需要变化运动步态，此时通过MSCT在两个运动周期中，以直线形状为过渡形状，实现机器人从一种工作步态到另一种工作步态。

4.根据权利要求1所述的一种仿蛇搜救机器人多步态控制方法，其特征在于：

1.1构建基于高效完成任务需求的仿蛇搜救机器人的自然步态、轮式步态以及混沌步态；

根据大多数灾害现场布满或多或少、或大或小的障碍物特点，为使仿蛇搜救机器人在较平坦地形实现快速运动，在不平坦地面为保护蛇体机构而进行蛇态运动，在狭小空间进行随机运动要求，即仿蛇搜救机器人需要自然、轮式以及混沌三类运动模式，进而高效完成任务；

自然步态主要指蛇的蜿蜒、侧滑、伸缩运动，这种蛇态运动利用机体和环境间的各向异性摩擦力，推动仿蛇搜救机器人向前运动，具有环境高适应性；轮式步态主要有U形、具有不同运动方向的N形等类轮式运动，这种轮式运动利用机体形状类轮式特性，可以做轮式运动，实现运动的快速性；混沌步态模仿蛇在狭小空间扭动逃离动作，避免机体被困而无法进行运动控制；

1.2根据步骤1.1中的多种步态特征，建立仿蛇搜救机器人驱动模式与各步态之间的对应关系；

仿蛇搜救机器人模型中主动轮的旋转轴与关节的轴向方向正交，即仿蛇搜救机器人沿着Y_S轴运动，机身沿着X_S轴分布，其中X_S与Y_S垂直；其中的主动关节为仿生并联关节，采用2-UPS/U机构，能实现强承载，大输出并具有自锁性；机构的输入为两个直线驱动器的直线位移变化，输出是活动的关节平面；关节俯仰角和直线驱动器的关系通过下式计算：

$\mathrm{\θ}=\arcsin \left(\frac{\mathrm{\Δ}x}{L/2}\right)=\arcsin \left(\frac{2\mathrm{\Δ}x}{L}\right)---\left(1\right)$

通过控制仿蛇搜救机器人的正交主动轮和仿生并联关节，可以产生自然、轮式和混沌运动形式；

(1)自然步态：主要指蛇的蜿蜒、侧滑、伸缩运动；这类周期性变化的步态，可以通过控制仿蛇搜救机器人关节实现，每个关节俯仰推进机器人前进；

(2)轮式步态：主要有U形、具有不同运动方向的N形轮式运动；利用正交主动轮产生的附加运动自由度，仿蛇搜救机器人可以产生类似轮式机器人的运动形式；具体是先通过控制关节使机器人各个单元到达期望位形，再通过控制轮子进行后续类轮式运动；

(3)混沌步态：模仿蛇在狭小空间扭动逃离动作；给关节混沌随机信号，在主动轮的帮助下，尝试多方向运动，逃离未知狭小环境；

1.3根据步骤1.1中的多种步态特征和正交主动轮式仿蛇搜救机器人的实现模式，采用Hopfield网络设计各个步态对应的控制信号；

1.3.1HNN模型

通过调整权重参数可以得到不同的输出信号，与步骤1.1中的多种步态特征具有一致性；用于本方法的正交主动轮仿蛇搜救机器人模型的HNN模型的权重矩阵为[w_ij]_9×9；

1.3.2自然步态中的蜿蜒步态分析

针对自然步态中最典型、常见的蜿蜒步态，确定HNN的相关参数，使网络输出的输出满足蜿蜒步态输入控制信号要求；

根据蜿蜒运动周期变化特点，每个关节当前运动状态必然收敛到下一刻运动状态；这样为了确定HNN的权重参数，定义C_i＝1,R_i＝1，从HNN模型出发推导如下：

${\stackrel{\·}{x}}_i\left(k\right)=-x_i\left(k\right)+\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i---\left(2\right)$

${\stackrel{\·}{x}}_i\left(k\right)+x_i\left(k\right)=\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i---\left(3\right)$

$x_i(k+1)=\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i---\left(4\right)$

选取非线性饱和函数作为传递函数，则：

X(k+1)＝X(k)W^T+θ(5)

其中

$X(k+1)={\left[\begin{array}{cccc}{x}_1(k+1)& x_2(k+1)& \mathrm{...}& x_9(k+1)\\ x_1(k+2)& x_2(k+2)& \mathrm{...}& x_9(k+2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_1(k+9)& x_2(k+9)& \mathrm{...}& x_9(k+9)\end{array}\right]}_{9\×9}$ $X\left(k\right)={\left[\begin{array}{cccc}{x}_1\left(k\right)& x_2\left(k\right)& \mathrm{...}& x_9\left(k\right)\\ x_1(k+1)& x_2(k+1)& \mathrm{...}& x_9(k+1)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_1(k+8)& x_2(k+8)& \mathrm{...}& x_9(k+8)\end{array}\right]}_{9\×9}$

$W={\left[\begin{array}{cccc}{w}_{11}& w_{12}& \mathrm{...}& w_{19}\\ w_{21}& w_{22}& \mathrm{...}& w_{29}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ w_{91}& w_{92}& \mathrm{...}& w_{99}\end{array}\right]}_{9\×9}^T$ $\mathrm{\θ}={\left[\begin{array}{cccc}{\mathrm{\θ}}_1& {\mathrm{\θ}}_2& \mathrm{...}& {\mathrm{\θ}}_9\\ {\mathrm{\θ}}_1& {\mathrm{\θ}}_2& \mathrm{...}& {\mathrm{\θ}}_9\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {\mathrm{\θ}}_1& {\mathrm{\θ}}_2& \mathrm{...}& {\mathrm{\θ}}_9\end{array}\right]}_{9\×9}$

又因为蜿蜒运动为类正弦曲线运动，若将正弦信号离散化，则可得到每个关节各时刻的状态值；以一个标准正弦离散曲线对应的各关节状态值作为初始值，获得初始活动支链长度为其相邻关节长度差值为：

${\mathrm{\Δx}}_i=\[-1,1,1,1,1,0,-1,-1,-1\]*\frac{1}{2},(i=1,2...9)$

考虑到机构的机械约束，引入一个参数进行调节：

Δx_i＝[-1,1,1,1,1,0,-1,-1,-1]*η(i＝1,2...9)

这里为了简单处理，取η＝1，则各个时刻的关节状态值为：

[-1,1,1,1,1,0,-1,-1,-1]→[1,1,1,1,0,-1,-1,-1,-1]→[1,1,1,0,-1,-1,-1,-1,1]→[1,1,0,-1,-1,-1,-1,1,1]→[1,0,-1,-1,-1,-1,1,1,1]→[0,-1,-1,-1,-1,1,1,1,1]→[-1,-1,-1,-1,1,1,1,1,0]→[-1,-1,-1,1,1,1,1,0,-1]→[-1,-1,1,1,1,1,0,-1,-1]

根据蜿蜒运动特性，每个关节当前运动状态必然收敛到下一刻运动状态，则：

$x_i(k+1)=\underset{j=1}{\overset{N}{\Σ}}{w}_{ij}f\left(x_j\right(k\left)\right)+{\mathrm{\θ}}_i=x_{i+1}\left(k\right)---\left(6\right)$

不失一般性，取θ＝0，将各个时刻的状态值代入式(6)，可得

w₁₂-w₁₉＝1,w₁₁＝w₁₃＝…＝w₁₉＝w(7)

则蜿蜒运动的权重矩阵W为：

$W_a=\left[\begin{array}{ccccccccc}w& 1+w& w& w& w& w& w& w& w\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]$

1.3.3轮式运动中的U形运动分析

仿蛇搜救机器人因为正交主动轮产生的一个附加运动自由度，可以产生类似轮式运动，而做这类运动，关节需要稳定的静止信号保证结构形状的不变性；

同样，取C＝1R＝1，则HNN模型转换为：

$\stackrel{\·}{X}=-X+WF+\mathrm{\θ}---\left(8\right)$

采用非线性饱和函数作为传递函数，则：

$\stackrel{\·}{X}=-AX+\mathrm{\θ}---\left(9\right)$

其中A＝-I+W

考虑到HNN网络需要稳定快速收敛到稳定零值，则式(9)的特征值必须全为负，并使传递函数的输出尽可能大；基于这个原则可获得可行解W_b＝0；

1.3.4混沌运动分析

作为仿蛇搜救机器人在狭窄空间的一个补充运动步态选择，原则上希望机器人能产生多种多样的运动模式，以便能逃离狭窄空间；这样，HNN的输出需要多样性，即具有混沌输出；通过试错法，HNN的权重矩阵可以设置为：

$W_c=\left[\begin{array}{ccccccccc}1.2& -1.6& 0& 0& 0& 0& 0& 0& 0\\ 1.2& 1& 0.9& 0& 0& 0& 0& 0& 0\\ 0& 2.2& 1.5& 0& 0& 0& 0& 0& 0\\ 0& 0& 1.2& -1.6& 0& 0& 0& 0& 0\\ 0& 0& 0& 1.2& 1& 0.9& 0& 0& 0\\ 0& 0& 0& 0& 2.2& 1.5& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1.2& -1.6& 0\\ 0& 0& 0& 0& 0& 0& 1.2& 1& 0.9\\ 0& 0& 0& 0& 0& 0& 0& 2.2& 1.5\end{array}\right]$

步骤1.4中进行设计地形检测模块，通过检测地形情况，确定相应的步态；然后设计步态形状生成模块或转换模块形成相应步态形状，最后通过Hopfield网络构成的步态控制器，产生后续的运动信号，控制仿蛇搜救机器人进行稳定步态运动，通过这三个环节可以实现整个仿蛇搜救机器人步态的生成和控制；

将上述的地形检测模块、步态形状生成模块及转换模块和Hopfiled网络步态控制模型整合到一个算法中，作为一个完整的仿蛇搜救机器人多步态控制方法，完成全部的步态生成、转换以及控制；

首先，在仿蛇搜救机器人头部沿水平线对称布置三个IR传感器，依次为a传感器，b传感器，c传感器，其中a传感器，c传感器固定不动，而b传感器有一个垂直方向的自由度，a传感器，c传感器与b传感器夹角为；a,b,c三个传感器分别实时采集数据，将数据通过和分别计算地面的宽阔性和平坦性,公式中各个参数含义：l_a，l_c是a传感器，c传感器测量的距离，A₀是蜿蜒曲线最大的幅值，ξL是给定阈值常数，h是机器人头部与地面的距离，l_bi是b传感器以φ角度递增从竖直方向转动测量的距离值；当K₁＝0时，表示地面不够宽阔，则采用混沌步态运动；当K₁＝1且K₂＝0时，表示地面宽阔但不平坦，则采用自然步态运动；当K₁＝1且K₂＝1时，表示地面宽阔且平坦，则采用轮式步态运动；

然后，当确定好指定步态运动时，通过MotionShapeCodeTechnique(MSCT)在一个周期中产生三类输出信号A,B,C，输入到关节驱动器，分别对应自然步态中的蜿蜒运动、轮式步态中的U形运动、混沌运动，实现初始运动形状的生成；

A信号为蜿蜒运动中的运动模式，根据1.3.2中推导可知，其满足Δx_i＝[-1,1,1,1,1,0,-1,-1,-1]*η(i＝1,2...9)

B信号为轮式运动中的运动模式，其主动轮驱动速度和关节驱动输入如表1所示

表1.U形运动一个周期运动控制

C信号为混沌运动的运动模式，其运动具有不确定性，故而初始形状不作约束；

通过将直线运动形状作为过渡形状实现A,B之间的运动模式转换，具体的主动轮驱动速度和关节驱动输入如表2,表3

表2.蜿蜒运动到U形运动的切换

表3.U形运动到蜿蜒运动的切换

最后，当仿蛇搜救机器人形成指定步态的初始形状时，通过Hopfield网络进行持续运动步态生成和控制，它的具体权重参数选择如式(10)；稳定运动期间，检测模块持续检测地形情况，若地形出现变化，则需要变化成运动步态，此时通过MSCT在两个运动周期中，以直线形状为过渡形状，根据表2、3，实现机器人从一种工作步态到另一种工作步态的转换；

至此完成整个步态控制器的设计。