CN108572553A - 一种四足机器人的运动闭环控制方法 - Google Patents

一种四足机器人的运动闭环控制方法 Download PDF

Info

Publication number
CN108572553A
CN108572553A CN201810468858.9A CN201810468858A CN108572553A CN 108572553 A CN108572553 A CN 108572553A CN 201810468858 A CN201810468858 A CN 201810468858A CN 108572553 A CN108572553 A CN 108572553A
Authority
CN
China
Prior art keywords
quadruped robot
leg
control
posture
closed loop
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.)
Granted
Application number
CN201810468858.9A
Other languages
English (en)
Other versions
CN108572553B (zh
Inventor
刘厚德
王翔
王学谦
梁斌
高学海
朱晓俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Tsinghua University
Original Assignee
Shenzhen Graduate School Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Tsinghua University filed Critical Shenzhen Graduate School Tsinghua University
Priority to CN201810468858.9A priority Critical patent/CN108572553B/zh
Publication of CN108572553A publication Critical patent/CN108572553A/zh
Priority to PCT/CN2019/081969 priority patent/WO2019218805A1/zh
Application granted granted Critical
Publication of CN108572553B publication Critical patent/CN108572553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
    • B62D57/02—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
    • B62D57/032—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members with alternately or sequentially lifted supporting base and legs; with alternately or sequentially lifted feet or skid

Abstract

本发明公开了一种四足机器人的运动闭环控制方法，包括以下步骤：采用CPG网络对所述四足机器人的各条腿部分别产生周期性的控制信号，以生成所述四足机器人的前进信号；同时采用比例微分控制对所述四足机器人的机体的姿态进行调整。本发明提出的四足机器人的运动闭环控制方法，简洁高效易于实现，克服了现有算法控制复杂度高的缺陷。

Description

一种四足机器人的运动闭环控制方法
技术领域
本发明涉及机器人控制领域，尤其涉及一种四足机器人的运动闭环控制方法。
背景技术
机器人技术是一门涉及力学、电子学，仿生学、计算机科学以及人工智能等领域知识的交叉学科，其灵活机动性可以代替人类在恶劣的工作条件下(高温、有毒、水下等环境)执行复杂的任务，因而对于机器人技术的研究具有重要的社会价值。
目前最为普遍的移动机器人分为轮式、履带式和足式机器人。轮式和履带式机器人能够在平坦的路面上稳定的行走，其越野能力也取得了重大的突破。然而，它们在崎岖的路面上行走仍旧有很大的局限性。相比之下，足式机器人可以在一定的负重条件下依然可以实现快速稳定的行进。这些特性越来越受到研究人员的青睐。
足式机器人按照腿的数目可以分为单足跳跃机器人、双足机器人、四足机器人以及六足以上机器人。与单足和双足机器人相比，四足机器人更具稳定性和较强的负载能力，同时与多足(六足及以上)机器人相比机械结构更为简单，控制难度亦较低。另外，从仿生学角度而言，哺乳动物作为进化最高等的脊椎动物，绝大多数采用四足行走方式，因而构造四足仿生机器人更有利于借鉴四足动物行走时的步态模式。
目前大多数的四足机器人仍然停留在室内测试甚至是仿真阶段，且仅能够在平坦的地面上行走，地形适应力较差，抗干扰能力较弱。虽然四足机器人具有良好的运动能力和较为广泛的应用前景，但是其结构设计和控制算法也相对复杂，特别是四足步态时序的协调控制以及行进过程中的姿态控制，加之高精度高实时性传感反馈使得控制系统更加复杂。总体而言，四足机器人的相关技术仍处于发展阶段，相应的理论研究仍需进一步完善和发展。
其中，CPG(Central Pattern Generator,中枢模式发生器)的概念来自于生物学科和仿生学科领域，指动物身上产生节律运动的神经反射电流，是一种分布式的神经网络，本质上就是周期信号发生器。由于四足机器人在正常行走时四条腿之间的关节角度本质上也只是存在相位的差别，因而现有技术中很多研究者用它来控制四足机器人的行走。而采用CPG开环控制无法对机器人姿态进行有效控制，因而抗扰动能力较差；带反馈信号的闭环CPG网络又过于复杂，参数整定十分繁琐，只能依靠工程经验，并且上层控制指令需要经过多个环节才能转换为关节控制信号，因而执行效率低；当机器人本身的特性参数以及外部环境发生变化时，又需要重新进行参数整定；这些不足极大地限制了CPG进一步扩展应用。
虚拟模型控制(Virtual Model Control，VMC)实际上是一种直觉控制方法。所谓直觉控制方法，就是人们根据自己的感觉以及对系统已有的认知而建立起来的一种控制方法。这类方法没有固定的模型公式和推导流程，只是简单的根据机器人期望状态和实时状态之间的差异，控制器给出类似于“快(慢)一点”、“高(低)一点”、和“大(小)一点”之类的指令引导机器人进行相应的行为调整。其基本思路是：给定机器人上层期望的运动状态并与传感器测量到的实时状态进行比较，根据两者的差值，通过特定的直觉法则计算所需施加的力或者力矩，再作用在关节处从而使得机器人朝着期望的状态运动。VMC的核心思想是利用假想的虚拟构件(弹簧、阻尼等)连接机器人的不同作用点，或将作用点与外部环境连接，用来产生相应的虚拟力驱使机器人执行期望的运动。虚拟力通过机器人Jacobian矩阵映射为关节力矩，驱动机器人运动产生和虚拟构件一样的效果。四足机器人虚拟模型控制的3D模型示意图如图1所示。从图中可以看出，在支撑相时，虚拟弹簧阻尼器支撑机器人维持一定的姿态；摆动相时，虚拟弹簧阻尼器牵引着腿部沿着规划的轨迹运动。该控制方法需要大量的传感反馈信号，包括机器人机体和腿部的位移、速度和姿态角以及姿态角速率，实际中应用起来非常繁琐，且成本高，需要配置GPS、惯性测量单元(IMU)、陀螺以及力传感器等元器件。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
为解决上述技术问题，本发明提出一种四足机器人的运动闭环控制方法，该方法简洁高效易于实现，克服了现有算法控制复杂度高的缺陷。
为了达到上述目的，本发明采用以下技术方案：
本发明公开了一种四足机器人的运动闭环控制方法，包括以下步骤：采用CPG网络对所述四足机器人的各条腿部分别产生周期性的控制信号，以生成所述四足机器人的前进信号；同时采用比例微分控制对所述四足机器人的机体的姿态进行调整。
优选地，所述四足机器人的各个所述腿部上分别设有三个关节：髋部侧摆关节、髋部前向关节和膝部前向关节，其中所述CPG网络用于对所述四足机器人的各条所述腿部的髋部前向关节和膝部前向关节进行控制；所述比例微分控制用于对所述四足机器人处于支撑相的所述腿部的各个关节进行控制。
优选地，采用下述公式对所述四足机器人的各条所述腿部进行控制：
q＝qa+qc
其中，q表示施加在所述四足机器人的总信号，qa表示控制所述四足机器人处于支撑相的所述腿部的各个关节的姿态补偿角，qc是控制所述四足机器人的各条所述腿部的髋部前向关节和膝部前向关节的控制信号。
优选地，其中的CPG网络包括分别相应控制所述四足机器人的各条所述腿部的CPG单元，CPG单元采用的模型的表达式为：
Δji＝yj cosθji-xj sinθji
其中，i、j表示所述四足机器人的腿部序号，ωi表示第i条腿部的运动频率，α和β是收敛因子，μ是一个参数，xi是第i个CPG单元对所述腿部的髋部前向关节的控制信号，yi是第i个CPG单元对所述腿部的膝部前向关节的控制信号，和分别表示xi和yi对应信号的微分，θji代表不同的CPG单元之间的相位差，k∑jΔji是一个耦合多项式，ωstance和ωswing分别代表支撑相频率和摆动相频率，b代表一个常数因子；其中，qc＝(x1,y1,x2,y2,x3,y3,x4,y4)T。
优选地，其中yi信号通过下式进行滤波处理：
其中，c是一个常数因子，θki为经过滤波处理的第i个CPG单元对所述腿部的膝部前向关节的控制信号；其中qc＝(x1,θk1,x2,θk2,x3,θk3,x4,θk4)T。
优选地，采用比例微分控制对所述四足机器人的所述机体的姿态进行调整的控制律为：
其中，K＝diag(k1,k2,k3)和B＝diag(b1,b2,b3)，其中kl和bl分别是所述四足机器人的所述机体的第l个姿态的比例与微分常数，其中l＝1,2,3；和分别表示所述四足机器人的所述机体的实际姿态的角向量和角速率向量，和分别表示所述四足机器人的所述机体的期望姿态的角向量和角速率向量。
优选地，所述的四足机器人的运动闭环控制方法还包括：当所述四足机器人的所述机体的姿态与期望的姿态保持一致时，PD控制器不发生作用；当所述四足机器人的所述机体的姿态发生偏差时，PD控制器根据比例微分控制的控制律产生误差补偿信号，使得所述四足机器人的所述机体按照期望的姿态稳定行进。
优选地，其中PD控制器接受来自力传感器的足端触地信号来判断各个所述腿部的底端的触地状态。
与现有技术相比，本发明的有益效果在于：本发明提出的四足机器人的运动闭环控制方法依据仿生学原理产生周期性信号来控制四足机器人的周期运动，相比于其他的动力学方法效率更高，易于理解；并利用比例微分控制律调节四足机器人机体的姿态，使得其能够以合适的姿态稳定行进，相对于其他的一些方法诸如虚拟模型控制，不再需要实时计算单腿雅克比矩阵以及矩阵求逆，摒弃了复杂繁琐的推导与解算，简洁高效。
附图说明
图1是现有技术中的四足机器人虚拟模型控制的3D模型示意图；
图2是本发明优选实施例的四足机器人的模型示意图；
图3是本发明优选实施例的四足机器人的控制策略框图。
具体实施方式
下面对照附图并结合优选的实施方式对本发明作进一步说明。
如图2所示，本发明优选实施例的四足机器人包括机体10和四条腿部20，每条腿部20上有3个关节，其中包括髋部21的2个关节(1个髋部侧摆关节和1个髋部向前关节)和膝部22的1个关节(膝部向前关节)，也即四足机器人一共包括12个关节。
其中四足机器人的行进分为两个阶段：支撑相和摆动相，其中支撑相是指腿部腿部与地面接触，为剩余的腿向前迈进提供支撑，而向前迈进的腿称之为处于摆动相；在足式机器人的运动中通过判断腿部是否触地来实现这两个状态之间的自由切换。
结合图3，采用CPG网络对四足机器人的各条腿部20分别产生周期性的控制信号以生成四足机器人的前进信号，用来控制机体10以一定的速度向前行进，同时采用比例微分控制利用处于支撑相的腿部20对机体10的姿态进行有效纠正。当四足机器人机体10的姿态与期望的姿态保持一致时，PD控制器不发生作用，此时是单纯的开环控制；当四足机器人机体10的姿态发生偏差时，PD控制器会根据比例微分控制的控制律产生误差补偿信号，使得四足机器人的机体10能够按照期望的姿态稳定行进。其中PD控制器接受来自力传感器的足端触地信号来判断每一条腿部20的底端23的触地状态，以便于在支撑相与摆动相之间切换，也即使得PD控制器仅对处于支撑相的腿部20的姿态进行调整。
在四足机器人的运动控制中，CPG模型主要用于产生稳定的周期震荡信号，在本实施例中，CPG网络用于对四足机器人的各条腿部的髋部前向关节和膝部前向关节进行控制。其中，CPG网络包括分别相应控制四足机器人的各条腿部的CPG单元，在本实施例中，CPG单元采用Hopf振荡器作为信号发生器，计算复杂度较低且参数数量较少，其数学模型如下：
Δji＝yj cosθji-xj sinθji
其中，i、j表示四足机器人的腿部序号，i＝1,2,3,4、j＝1,2,3,4，ωi表示第i条腿部的运动频率，α和β是收敛因子，μ是一个参数，用来调节振荡器输出信号的幅值，表示四足机器人的腿部关节角，xi是第i个CPG单元对腿部的髋部前向关节的控制信号，yi是第i个CPG单元对腿部的膝部前向关节的控制信号，和分别表示xi和yi对应信号的微分，θji代表不同的CPG单元之间的相位差，k∑jΔji是一个耦合多项式，用于调节输出信号曲线的圆滑度，ωstance和ωswing分别代表支撑相频率和摆动相频率，b代表一个常数因子。
其中，xi和yi作为四足机器人的腿部的两个前向关节的控制信号，在进一步的实施例中，yi信号通过一定的滤波处理作为膝关节的控制信号，如下：
其中，c是一个常数因子，θki为经过滤波处理的第i个CPG单元对腿部的膝部前向关节的控制信号。
采用比例微分控制对四足机器人的机体的姿态进行调整(也即比例微分控制用于对四足机器人处于支撑相的腿部的各个关节进行控制)的控制律为：
上式中ql表示控制器生成的四足机器人的机体的第l个姿态的姿态关节补偿角，al表示四足机器人的机体的第l个姿态的实际姿态角，表示四足机器人的机体的第l个姿态的实际姿态角速率，adl表示四足机器人的机体的第l个姿态的期望姿态角，表示四足机器人的机体的第l个姿态的期望姿态角速率，kl和bl分别是四足机器人的机体的第l个姿态的比例与微分常数，其中，l＝1,2,3。
上式采用矩阵表示为：
其中，K＝diag(k1,k2,k3)和B＝diag(b1,b2,b3)为三阶方阵，分别控四足机器人的机体的三个姿态角及角速率；和分别表示四足机器人的机体的实际姿态的角向量和角速率向量，和分别表示四足机器人的机体的期望姿态的角向量和角速率向量，qa表示PD控制器产生的四足机器人处于支撑相的腿部的各个关节的姿态补偿角。
综合上述，在本实施例中采用下述公式对四足机器人的各条腿部进行控制：
q＝qa+qc
其中，q表示施加在四足机器人的总信号，qa表示控制四足机器人处于支撑相的腿部的各个关节的姿态补偿角，qc是控制四足机器人的各条腿部的髋部前向关节和膝部前向关节的控制信号，其中，在优选的实施例中，qc＝(x1,θk1,x2,θk2,x3,θk3,x4,θk4)T。
现有的CPG控制方法不易结合外部反馈信号，而VMC的方法又过于繁琐复杂，本发明优选实施例公开了一直简洁高效的控制方法，既能克服现有技术的缺陷，又可以实现预期的控制目标。
本发明优选实施例提出的四足机器人的运动闭环控制方法依据仿生学原理产生周期性信号来控制四足机器人的周期运动，相比于其他的动力学方法效率更高，易于理解；并利用比例微分控制律调节四足机器人机体的姿态，使得其能够以合适的姿态稳定行进，相对于其他的一些方法诸如虚拟模型控制，不再需要实时计算单腿雅克比矩阵以及矩阵求逆，摒弃了复杂繁琐的推导与解算，简洁高效。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (8)

1.一种四足机器人的运动闭环控制方法，其特征在于，包括以下步骤：采用CPG网络对所述四足机器人的各条腿部分别产生周期性的控制信号，以生成所述四足机器人的前进信号；同时采用比例微分控制对所述四足机器人的机体的姿态进行调整。
2.根据权利要求1所述的四足机器人的运动闭环控制方法，其特征在于，所述四足机器人的各个所述腿部上分别设有三个关节：髋部侧摆关节、髋部前向关节和膝部前向关节，其中所述CPG网络用于对所述四足机器人的各条所述腿部的髋部前向关节和膝部前向关节进行控制；所述比例微分控制用于对所述四足机器人处于支撑相的所述腿部的各个关节进行控制。
3.根据权利要求2所述的四足机器人的运动闭环控制方法，其特征在于，采用下述公式对所述四足机器人的各条所述腿部进行控制：
q＝qa+qc
其中，q表示施加在所述四足机器人的总信号，qa表示控制所述四足机器人处于支撑相的所述腿部的各个关节的姿态补偿角，qc是控制所述四足机器人的各条所述腿部的髋部前向关节和膝部前向关节的控制信号。
4.根据权利要求3所述的四足机器人的运动闭环控制方法，其特征在于，其中的CPG网络包括分别相应控制所述四足机器人的各条所述腿部的CPG单元，CPG单元采用的模型的表达式为：
Δji＝yj cosθji-xj sinθji
其中，i、j表示所述四足机器人的腿部序号，ωi表示第i条腿部的运动频率，α和β是收敛因子，μ是一个参数，xi是第i个CPG单元对所述腿部的髋部前向关节的控制信号，yi是第i个CPG单元对所述腿部的膝部前向关节的控制信号，和分别表示xi和yi对应信号的微分，θji代表不同的CPG单元之间的相位差，k∑jΔji是一个耦合多项式，ωstance和ωswing分别代表支撑相频率和摆动相频率，b代表一个常数因子；其中，qc＝(x1,y1,x2,y2,x3,y3,x4,y4)T。
5.根据权利要求4所述的四足机器人的运动闭环控制方法，其特征在于，其中yi信号通过下式进行滤波处理：
其中，c是一个常数因子，θki为经过滤波处理的第i个CPG单元对所述腿部的膝部前向关节的控制信号；其中qc＝(x1,θk1,x2,θk2,x3,θk3,x4,θk4)T。
6.根据权利要求3所述的四足机器人的运动闭环控制方法，其特征在于，采用比例微分控制对所述四足机器人的所述机体的姿态进行调整的控制律为：
其中，K＝diag(k1,k2,k3)和B＝diag(b1,b2,b3)，其中kl和bl分别是所述四足机器人的所述机体的第l个姿态的比例与微分常数，其中l＝1,2,3；和分别表示所述四足机器人的所述机体的实际姿态的角向量和角速率向量，和分别表示所述四足机器人的所述机体的期望姿态的角向量和角速率向量。
7.根据权利要求1至6任一项所述的四足机器人的运动闭环控制方法，其特征在于，还包括：当所述四足机器人的所述机体的姿态与期望的姿态保持一致时，PD控制器不发生作用；当所述四足机器人的所述机体的姿态发生偏差时，PD控制器根据比例微分控制的控制律产生误差补偿信号，使得所述四足机器人的所述机体按照期望的姿态稳定行进。
8.根据权利要求7所述的四足机器人的运动闭环控制方法，其特征在于，其中PD控制器接受来自力传感器的足端触地信号来判断各个所述腿部的底端的触地状态。
CN201810468858.9A 2018-05-16 2018-05-16 一种四足机器人的运动闭环控制方法 Active CN108572553B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810468858.9A CN108572553B (zh) 2018-05-16 2018-05-16 一种四足机器人的运动闭环控制方法
PCT/CN2019/081969 WO2019218805A1 (zh) 2018-05-16 2019-04-09 一种四足机器人的运动闭环控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810468858.9A CN108572553B (zh) 2018-05-16 2018-05-16 一种四足机器人的运动闭环控制方法

Publications (2)

Publication Number Publication Date
CN108572553A true CN108572553A (zh) 2018-09-25
CN108572553B CN108572553B (zh) 2020-06-23

Family

ID=63572531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810468858.9A Active CN108572553B (zh) 2018-05-16 2018-05-16 一种四足机器人的运动闭环控制方法

Country Status (2)

Country Link
CN (1) CN108572553B (zh)
WO (1) WO2019218805A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109760761A (zh) * 2019-01-30 2019-05-17 清华大学深圳研究生院 一种基于生物仿生原理和直觉的四足机器人运动控制方法
WO2019218805A1 (zh) * 2018-05-16 2019-11-21 清华大学深圳研究生院 一种四足机器人的运动闭环控制方法
CN111208822A (zh) * 2020-02-17 2020-05-29 清华大学深圳国际研究生院 一种基于强化学习和cpg控制器的四足机器人步态控制方法
CN111284585A (zh) * 2020-03-03 2020-06-16 广东博智林机器人有限公司 行走腿组件、行走装置和行走机器人
CN112207825A (zh) * 2020-09-28 2021-01-12 杭州云深处科技有限公司 一种四足机器人仿生跳跃动作的控制方法、装置、电子设备及计算机可读介质
CN113377113A (zh) * 2021-07-02 2021-09-10 北方工业大学 足式机器人足端轨迹规划方法、系统及控制方法、系统
CN113985874A (zh) * 2021-10-26 2022-01-28 西北工业大学 一种基于CPG-Hopf网络耦合算法的水下六足机器人步态生成与转换方法
CN114563954A (zh) * 2022-02-28 2022-05-31 山东大学 一种基于强化学习和位置增量的四足机器人运动控制方法
CN115107960A (zh) * 2022-08-01 2022-09-27 清华大学 仿生机器企鹅

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117148728B (zh) * 2023-10-31 2024-01-26 西北工业大学宁波研究院 一种具有滑扑切换功能的仿生机器人的控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101776863A (zh) * 2009-11-17 2010-07-14 中国科学院自动化研究所 一种胸鳍推进型机器鱼的运动控制方法
CN103092197A (zh) * 2011-10-28 2013-05-08 同济大学 基于cpg机理的四足机器人工作空间轨迹生成方法
CN103192898A (zh) * 2013-04-09 2013-07-10 北京交通大学 一种具有首尾平衡调节装置的仿生四足机器人
CN106476928A (zh) * 2016-12-21 2017-03-08 山东大学 机构构型可变电动四足机器人
CN107097213A (zh) * 2017-05-19 2017-08-29 沃奇（北京）智能科技有限公司 机器人下肢
CN108772836A (zh) * 2018-05-08 2018-11-09 东南大学 基于cpg的脊柱型多足机器人及其仿生运动控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108572553B (zh) * 2018-05-16 2020-06-23 清华大学深圳研究生院 一种四足机器人的运动闭环控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101776863A (zh) * 2009-11-17 2010-07-14 中国科学院自动化研究所 一种胸鳍推进型机器鱼的运动控制方法
CN103092197A (zh) * 2011-10-28 2013-05-08 同济大学 基于cpg机理的四足机器人工作空间轨迹生成方法
CN103192898A (zh) * 2013-04-09 2013-07-10 北京交通大学 一种具有首尾平衡调节装置的仿生四足机器人
CN106476928A (zh) * 2016-12-21 2017-03-08 山东大学 机构构型可变电动四足机器人
CN107097213A (zh) * 2017-05-19 2017-08-29 沃奇（北京）智能科技有限公司 机器人下肢
CN108772836A (zh) * 2018-05-08 2018-11-09 东南大学 基于cpg的脊柱型多足机器人及其仿生运动控制方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019218805A1 (zh) * 2018-05-16 2019-11-21 清华大学深圳研究生院 一种四足机器人的运动闭环控制方法
CN109760761A (zh) * 2019-01-30 2019-05-17 清华大学深圳研究生院 一种基于生物仿生原理和直觉的四足机器人运动控制方法
CN111208822A (zh) * 2020-02-17 2020-05-29 清华大学深圳国际研究生院 一种基于强化学习和cpg控制器的四足机器人步态控制方法
CN111284585A (zh) * 2020-03-03 2020-06-16 广东博智林机器人有限公司 行走腿组件、行走装置和行走机器人
CN111284585B (zh) * 2020-03-03 2021-05-25 广东博智林机器人有限公司 行走腿组件、行走装置和行走机器人
CN112207825A (zh) * 2020-09-28 2021-01-12 杭州云深处科技有限公司 一种四足机器人仿生跳跃动作的控制方法、装置、电子设备及计算机可读介质
CN113377113A (zh) * 2021-07-02 2021-09-10 北方工业大学 足式机器人足端轨迹规划方法、系统及控制方法、系统
CN113985874A (zh) * 2021-10-26 2022-01-28 西北工业大学 一种基于CPG-Hopf网络耦合算法的水下六足机器人步态生成与转换方法
CN114563954A (zh) * 2022-02-28 2022-05-31 山东大学 一种基于强化学习和位置增量的四足机器人运动控制方法
CN115107960A (zh) * 2022-08-01 2022-09-27 清华大学 仿生机器企鹅

Also Published As

Publication number Publication date
CN108572553B (zh) 2020-06-23
WO2019218805A1 (zh) 2019-11-21

Similar Documents

Publication Publication Date Title
CN108572553A (zh) 一种四足机器人的运动闭环控制方法
CN109760761A (zh) 一种基于生物仿生原理和直觉的四足机器人运动控制方法
Li et al. Gait planning and stability control of a quadruped robot
Chen et al. Dynamic balance gait for walking assistance exoskeleton
Khoramshahi et al. Piecewise linear spine for speed–energy efficiency trade-off in quadruped robots
CN108931988B (zh) 一种基于中枢模式发生器的四足机器人的步态规划方法、中枢模式发生器及机器人
Baydin Evolution of central pattern generators for the control of a five-link bipedal walking mechanism
Zhu et al. A backward control based on σ-Hopf oscillator with decoupled parameters for smooth locomotion of bio-inspired legged robot
Dadashzadeh et al. Stable active running of a planar biped robot using Poincare map control
CN106094817A (zh) 基于大数据方式的强化学习仿人机器人步态规划方法
Gu et al. Time-dependent orbital stabilization of underactuated bipedal walking
Ren et al. Computational models to synthesize human walking
Deng et al. Cpg-inspired gait generation and transition control for six wheel-legged robot
Bazargan-Lari et al. Adaptive neural network control of a human swing leg as a double-pendulum considering self-impact joint constraint
Liu et al. Neural networks trained via reinforcement learning stabilize walking of a three-dimensional biped model with exoskeleton applications
Teng et al. Center of gravity balance approach based on CPG algorithm for locomotion control of a quadruped robot
Mi et al. Fuzzy variable impedance adaptive robust control algorithm of exoskeleton robots
Tavakoli et al. Control of humanoid robot walking by Fuzzy Sarsa Learning
Gu et al. Gait transition method for quadruped robot based on CPG network and impedance control
Wang et al. Online gait generation for an exoskeleton used in lower limb rehabilitation
Hong et al. Human-like stable bipedal walking with a large stride by the height variation of the center of mass using an evolutionary optimized central pattern generator
Ancy et al. Reinforcement Learning based Control of a Quadruped Robot
Liu et al. Gait transition of quadruped robot using time sequence control based on finite-state machine
Wang et al. Trajectory design and adaptive impedance control of lower limb exoskeleton
Hu et al. Bipedal locomotion control with rhythmic neural oscillators

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant