CN108717267A - 一种六足机器人中枢模式逆向控制方法 - Google Patents
一种六足机器人中枢模式逆向控制方法 Download PDFInfo
- Publication number
- CN108717267A CN108717267A CN201810554532.8A CN201810554532A CN108717267A CN 108717267 A CN108717267 A CN 108717267A CN 201810554532 A CN201810554532 A CN 201810554532A CN 108717267 A CN108717267 A CN 108717267A
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- foot end
- relative
- leg
- 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
Links
- 241000238631 Hexapoda Species 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 19
- 210000002414 leg Anatomy 0.000 claims description 26
- 210000004394 hip joint Anatomy 0.000 claims description 7
- 210000000629 knee joint Anatomy 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 4
- 210000005036 nerve Anatomy 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 210000000689 upper leg Anatomy 0.000 claims description 3
- 230000005021 gait Effects 0.000 abstract description 6
- 230000008878 coupling Effects 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 210000001503 joint Anatomy 0.000 description 5
- 239000011664 nicotinic acid Substances 0.000 description 5
- 230000003111 delayed effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种六足机器人中枢模式逆向控制方法,包括以下步骤:步骤1,建立机器人腿部的D‑H模型;步骤2,在D‑H模型的基础上对机器人进行足端轨迹规划;步骤3,对足端轨迹规划进行逆运动学分析,得到机器人腿部每个关节的关节转角;步骤4,将机器人腿部每个关节的关节转角输入中枢模式发生器,所述中枢模式发生器输出机器人每个关节的控制信号;步骤5,将每个关节的控制信号进行信号耦合。本发明有效降低模型控制的复杂程度,便于对机器人步态进行控制,并且可以使机器人按照规划好的轨迹进行运动。
Description
技术领域
本发明属于仿生机器人技术领域,具体涉及一种六足机器人中枢模式逆向控制方法。
背景技术
随着人类对太空探测、深海资源开发的迫切需求以及对受灾地区现场搜救、辐射极限环境下的作业和军事侦查的智能机械的广泛需求,足式仿生机器人得以快速发展。多足步行机器人因为需要在自然环境下运动,其位姿需要时刻进行调整以适应地形的变化,并且在不同的时刻步行机器人位姿可能相差很大,这时候位姿变化是剧烈的,这就需要机器人在短时间内从当前位姿精确地调整到目标位姿。这就需要足式步行机器人在位姿控制上响应速度要快,这样对控制系统的要求就更高,更加复杂。
目前仿生六足机器人控制方法常用的有前向控制方法和反向控制方法。使用前向控制方法,当有外界干扰或机器人运动状态发生改变引起的控制信号的波动会直接反应的关节转角上,机器人稳定性和抗干扰能力较弱。使用反向控制方法,步态切换算法复杂,过渡相不稳定,仅能实现简单少数步态运动,难以满足仿生机器人复杂环境中的灵活运动。
发明内容
针对现有技术存在的不足,本发明的目的在于,提供一种六足机器人中枢模式逆向控制方法,解决现有技术中难以满足仿生机器人复杂环境中灵活运动的问题。
为了解决上述技术问题,本发明采用如下技术方案予以实现:
一种六足机器人中枢模式逆向控制方法,包括以下步骤:
步骤1,建立机器人腿部的D-H模型;
步骤2,通过机器人的中枢模拟发生器输出控制信号;
步骤3,通过输出控制信号对机器人进行足端轨迹规划;
步骤4,对足端轨迹规划进行逆运动学分析,通过式(1)得到机器人腿部每个关节的关节转角;
式(1)中,θ1为机器人根关节的关节转角,为机器人第i条腿的根关节的关节转角;θ2为机器人髋关节的关节转角,为机器人第i条腿的髋关节的关节转角;θ3为机器人膝关节的关节转角,为机器人第i条腿的膝关节的关节转角;L2和L3分别为机器人大腿和小腿的长度;为机器人足端相对于根关节的x坐标;为机器人足端相对于根关节的y坐标;为机器人足端相对于根关节的z坐标。
进一步地,所述步骤3中足端轨迹规划包括摆动状态的足端轨迹、支撑状态的足端轨迹和足端相对于根关节轨迹;
所述摆动状态的足端轨迹如式(2):
式(2)中,x为控制信号,x∈[-1,1];s为步长,h为步行机器人的最大抬腿高度,v0为步行机器人的平均运动速度。
所述支撑状态的足端轨迹如式(3):
所述足端相对于根关节轨迹如式(4):
式(4)中,H为机器人足端相对于根关节的最大高度;为足端相对于根关节的x坐标;为足端相对于根关节的y坐标;为足端相对于根关节的z坐标;
其中,
进一步地,通过式(5)所述的中枢模式发生器数学模型输出控制信号;
式(5)中,x,y为中枢模式发生器的输出信号; 分别为x,y的微分;μ1,μ2为外部反馈项;T为振荡器的振荡周期;κ为升降比,0<κ<1;α为输出信号x在上升状态和下降状态之间的切换速度;σ1和σ均为中间参数。
本发明与现有技术相比,具有如下技术效果:
本发明通过构建中枢模式发生器的数学模型,有效降低机器人模型控制的复杂程度,并通过对机器人足端轨迹进行逆向分析,可实现动态的对机器人腿部关节的精确控制,以完成机器人复杂环境中灵活运动的过程。
附图说明
图1是本发明中六足机器人单条腿的控制架构图;
图2是本发明中六足机器人单腿D-H模型图;
图3是本发明中六足机器人的足端轨迹图;
图4是本发明中六足机器人的整体运动控制系统架构图。
以下结合附图对本发明的具体内容作进一步详细解释说明。
具体实施方式
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例1:
如图1所示,本实施例提供了一种六足机器人中枢模式逆向控制方法,其特征在于,包括以下步骤:
步骤1,建立机器人腿部的D-H模型;本实施例中建立机器人参数化 D-H模型是对机器人运动学研究的前提和基础。
步骤2,通过机器人的中枢模拟发生器输出控制信号;
步骤3,通过输出控制信号对机器人进行足端轨迹规划;
步骤4,对足端轨迹规划进行逆运动学分析,通过式(1)得到机器人腿部每个关节的关节转角;
包括:
式(1)中,θ1为机器人根关节的关节转角,为机器人第i条腿的根关节的关节转角;θ2为机器人髋关节的关节转角,为机器人第i条腿的髋关节的关节转角;θ3为机器人膝关节的关节转角,为机器人第i条腿的膝关节的关节转角;L2和L3分别为机器人大腿和小腿的长度;为机器人足端相对于根关节的x轴坐标;为机器人足端相对于根关节的y轴坐标;为机器人足端相对于根关节的z轴坐标;
如图2所示为本发明中六足机器人的第i条机械腿,该机械腿为一个三关节的机构。其中关节1用表示,为根关节,该根关节平行于机器人的前进方向,将机械腿和躯体相连接;关节2用表示,关节3用表示,其中关节2和关节3是两个互相平行的转动关节,分别被称为髋关节和膝关节。图2为本实施例中建立的机器人的D-H模型。
如图1所示为六足机器人单条腿的控制架构图,轨迹发生器根据机器人周围环境的变化,对机器人足端进行轨迹规划,并通过逆运动学求解出各关节的关节转角;然后中枢模式发生器及后处理模块产生周期性的控制信号,并对信号的频率、占地系数进行优化;最后信号耦合模块将中枢模式发生器的输出信号作为时间基准来驱动各个关节按照规划好的轨迹形成控制各关节的周期性变化的控制指令。
步骤3中足端轨迹规划包括摆动状态的足端轨迹、支撑状态的足端轨迹和足端相对于根关节轨迹;
所述摆动状态的足端轨迹如式(2):
式(2)中,x为控制信号,x∈[-1,1];s为步长,h为步行机器人的最大抬腿高度,v0为步行机器人的平均运动速度。
所述支撑状态的足端轨迹如式(3):
所述足端相对于根关节轨迹如式(4):
式(4)中,H为机器人足端相对于根关节的最大高度;为足端相对于根关节的x坐标;为足端相对于根关节的y坐标;为足端相对于根关节的z坐标;
其中,
如图3为机器人足端相对于根关节的轨迹,其中弧线部分表示机器人在摆动状态,水平直线部分表示机器人在支撑状态,从图3中可以看出机器人在摆动状态和支撑状态之间是光滑过渡的,这样可以减少机器人足端与地面的冲击,同时在支撑状态时,机器人足端轨迹是一条水平的直线,其表示机器人在运动过程中质心高度不发生变化,有利于实现机器人的低能耗运动。
通过式(5)所述的中枢模式发生器数学模型输出控制信号;
式(5)中,x,y为中枢模式发生器的输出信号; 分别为x,y的微分;μ1,μ2为外部反馈项;T为振荡器的振荡周期;κ为升降比,0<κ<1;α为输出信号x在上升状态和下降状态之间的切换速度;σ1和σ均为中间参数。
本实施例可通过改变T改变输出信号的振荡频率,改变κ改变输出信号的升降比。
图4所示,为六足机器人的整体运动控制系统架构图。通过调节相移参数τL和τ值来控制振荡器的协调关系,并进一步实现对六足步态机器人各种步态的运动控制。中枢模式发生器输出信号的调节过程是按照仿生学原理进行的,使控制信号首先传递给右后腿(RH),相位延迟τ后再传递给右中腿(RM),相位延时2τ后把信号再传递给右前腿(RF)。同理,把控制信号相位延时τL,τL+τ,τL+2τ后再分别传递给左后腿(LH),左中腿(LM),左前腿(LF)。通过调节τL和τ值,来改变机械腿的协调关系,机器人可以得到不同的步态。
Claims (3)
1.一种六足机器人中枢模式逆向控制方法,其特征在于,包括以下步骤:
步骤1,建立机器人腿部的D-H模型;
步骤2,通过机器人的中枢模拟发生器输出控制信号;
步骤3,通过输出控制信号对机器人进行足端轨迹规划;
步骤4,对足端轨迹规划进行逆运动学分析,通过式(1)得到机器人腿部每个关节的关节转角;
式(1)中,θ1为机器人根关节的关节转角,为机器人第i条腿的根关节的关节转角;θ2为机器人髋关节的关节转角,为机器人第i条腿的髋关节的关节转角;θ3为机器人膝关节的关节转角,为机器人第i条腿的膝关节的关节转角;L2和L3分别为机器人大腿和小腿的长度;为机器人足端相对于根关节的x坐标;为机器人足端相对于根关节的y坐标;为机器人足端相对于根关节的z坐标。
2.根据权利要求1所述的六足机器人中枢模式逆向控制方法,其特征在于,所述步骤3中足端轨迹规划包括摆动状态的足端轨迹、支撑状态的足端轨迹和足端相对于根关节轨迹;
所述摆动状态的足端轨迹如式(2):
式(2)中,x为控制信号,x∈[-1,1];s为步长,h为步行机器人的最大抬腿高度,v0为步行机器人的平均运动速度。
所述支撑状态的足端轨迹如式(3):
所述足端相对于根关节轨迹如式(4):
式(4)中,H为机器人足端相对于根关节的最大高度;为足端相对于根关节的x坐标;为足端相对于根关节的y坐标;为足端相对于根关节的z坐标;
其中,
3.根据权利要求1所述的六足机器人中枢模式逆向控制方法,其特征在于,通过式(5)所述的中枢模式发生器数学模型输出控制信号;
式(5)中,x,y为中枢模式发生器的输出信号;分别为x,y的微分;μ1,μ2为外部反馈项;T为振荡器的振荡周期;κ为升降比,0<κ<1;α为输出信号x在上升状态和下降状态之间的切换速度;σ1和σ均为中间参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810554532.8A CN108717267B (zh) | 2018-06-01 | 2018-06-01 | 一种六足机器人中枢模式逆向控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810554532.8A CN108717267B (zh) | 2018-06-01 | 2018-06-01 | 一种六足机器人中枢模式逆向控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108717267A true CN108717267A (zh) | 2018-10-30 |
CN108717267B CN108717267B (zh) | 2020-05-19 |
Family
ID=63911800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810554532.8A Active CN108717267B (zh) | 2018-06-01 | 2018-06-01 | 一种六足机器人中枢模式逆向控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108717267B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112697149A (zh) * | 2020-12-10 | 2021-04-23 | 华南理工大学 | 一种六足机器人节律步态足端轨迹的规划方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102689659A (zh) * | 2011-03-21 | 2012-09-26 | 洪浛檩 | 一种三舵机六足机器人精确定位的步态 |
CN104192221B (zh) * | 2014-09-26 | 2016-06-29 | 哈尔滨工业大学 | 一种电驱动六足机器人运动控制系统及方法 |
CN104960591B (zh) * | 2015-07-10 | 2017-05-24 | 陕西九立机器人制造有限公司 | 一种六足机器人 |
US10030695B2 (en) * | 2015-07-30 | 2018-07-24 | Nec Corporation | Multi-degree-of-freedom adjustment mechanism |
CN206406060U (zh) * | 2017-01-24 | 2017-08-15 | 成都理工大学 | 一种基于肌电信号的六足机器人控制系统 |
-
2018
- 2018-06-01 CN CN201810554532.8A patent/CN108717267B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112697149A (zh) * | 2020-12-10 | 2021-04-23 | 华南理工大学 | 一种六足机器人节律步态足端轨迹的规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108717267B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Variable-speed quadrupedal bounding using impulse planning: Untethered high-speed 3d running of mit cheetah 2 | |
US7366587B2 (en) | Legged mobile robot | |
JP4836592B2 (ja) | ロボット装置及びその制御方法 | |
CN109871018B (zh) | 一种具有腰部自由度四足机器人的控制方法 | |
WO2019218805A1 (zh) | 一种四足机器人的运动闭环控制方法 | |
CN103149933A (zh) | 基于闭环控制的仿人机器人全向行走方法 | |
Gong et al. | Bionic quadruped robot dynamic gait control strategy based on twenty degrees of freedom | |
CN108897220B (zh) | 一种自适应稳定平衡控制方法和系统以及双足仿人机器人 | |
JP2006289602A (ja) | ロボット装置及びその制御方法 | |
KR20020086466A (ko) | 보행식 이동 로봇의 동작 제어 장치 및 동작 제어 방법,및 보행식 이동 로봇을 위한 동작 유닛 생성 방법 | |
Horvat et al. | Spine controller for a sprawling posture robot | |
CN113156836A (zh) | 一种基于Simscape Multibody的多足机器人虚拟样机运动控制仿真系统 | |
CN114384918A (zh) | 基于落足点调整的四足机器人对角步态柔顺控制方法 | |
CN112147889A (zh) | 一种四足机器人复合式越障轨迹规划方法 | |
CN108717267B (zh) | 一种六足机器人中枢模式逆向控制方法 | |
CN114454983A (zh) | 一种四足机器人转弯控制方法及系统 | |
Cuevas et al. | Polynomial trajectory algorithm for a biped robot | |
CN108614421B (zh) | 一种基于中枢模式发生器的四足机器人运动控制方法 | |
CN116442227A (zh) | 液压驱动移动作业机器人的末端接触力控制方法及系统 | |
CN113377113B (zh) | 足式机器人足端轨迹规划方法、系统及控制方法、系统 | |
Lin et al. | The arm planning with dynamic movement primitive for humanoid service robot | |
CN115256391A (zh) | 一种仿人机器人爬行轨迹规划及运动控制方法 | |
Lu et al. | A novel multi-configuration quadruped robot with redundant DOFs and its application scenario analysis | |
CN110450170B (zh) | 焊接机器人及其摆动轨迹的规划方法 | |
Li et al. | Trotting gait planning and implementation for a little quadruped robot |
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 |