CN109101757A - 一种液压四足机器人单腿刚性支撑相控制方法 - Google Patents
一种液压四足机器人单腿刚性支撑相控制方法 Download PDFInfo
- Publication number
- CN109101757A CN109101757A CN201811017810.2A CN201811017810A CN109101757A CN 109101757 A CN109101757 A CN 109101757A CN 201811017810 A CN201811017810 A CN 201811017810A CN 109101757 A CN109101757 A CN 109101757A
- Authority
- CN
- China
- Prior art keywords
- rigid support
- support phase
- quadruped robot
- leg
- layer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 210000002414 leg Anatomy 0.000 description 23
- 238000006073 displacement reaction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 210000004394 hip joint Anatomy 0.000 description 4
- 210000000629 knee joint Anatomy 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000000418 atomic force spectrum Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种液压四足机器人单腿刚性支撑相控制方法，针对液压四足机器人运动的稳定性问题，面向单腿刚性支承，以液压四足机器人单腿为研究对象，建立机器人单腿刚性支撑相的等效模型；利用神经网络和增量PID算法相结合的方式建立控制结构图，在AMESim中建立刚性支撑相力的系统图，并在Matlab中建立控制器的控制框图；利用AMESim和Matlab联合仿真，分析控制器设计的合理性和有效性，为后续的液压四足机器人研究提供依据。
Description
所属技术领域
本发明涉及足式机器人控制技术领域，尤其涉及一种液压四足机器人单腿刚性支撑相控制方法。
背景技术
由于液压四足机器人具有很好的稳定性、更大的承载能力、运动更加的灵活、控制难度也相对较低、具有大负载能力、高动态性能、适应复杂环境能力强等特点，使得液压四足机器人在机器人领域得到广泛研究。在对其运动控制研究中，机器人的稳定性无疑是最重要的。在运动控制过程中保持机器人的稳定成为了研究的关键。
发明内容
一种液压四足机器人单腿刚性支撑相控制方法。
液压四足机器人单腿刚性支撑相控制方法按照以下方法实现：
步骤A、建立液压四足机器人单腿支撑相的等效模型：
针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型，为机器人控制提供理论依据。
设连杆受到刚性地面约束时作动器活塞杆初始位移为x20，单位时间内活塞杆位移和减振弹簧变形量分别为x21、ΔY，通过位移传感器可测得其值，弹簧经折算后的等效刚度为：
在刚性支撑下，缸体产生运动，设缸体位移为xc，缸体受机架和自身重量的综合作用力为Fc。由于地面刚度很大，机器人足端在支撑相下与地面固结在一起。
步骤B、设计腿部刚性支撑相控制器：
机器人腿关节切换过程中，作动器采用力/位切换控制方法，针对关节在刚性支撑相的工况下，作动器采用力控制器，一般以增量PID算法为基础，其表达式为：
u(k)＝u(k-1)+Δu(k)＝u(k-1)+Kpa+Kib+Kdc
式中：Δu(k)为第k次采样控制器所需输出的电压增量；Kp、Ki、Kd分别为增量PID控制器的比例、积分、微分环节的系数。
其中，a＝e(k)-e(k-1)，b＝e(k)，c＝e(k)-2e(k-1)+e(k-2)，e(k)为输入信号与反馈信号的偏差；
本发明采用三层BP神经网络第一层为输入层，第二层为隐含层，第三层为输出层。网络的第一层的输入为：
式中M由电液伺服系统的复杂程度决定；
神经网络第二层的输入、输出为：
式中，—第二层的权值系数；上角标1、2、3分别代表第一层、第二层、第三层。
第二层神经元的活化函数采用正负对称的sigmoid函数
神经网络第三层的输入输出为：
第三层输出节点分别与PID的三个可调参数kp、ki、kd相对应。由于kp、ki、kd不能选取为负值，所以第三层神经元的活化函数采用非负的sigmoid函数：
判断性能指标函数为
根据梯度下降法修正网络的权值系数，即按照E(k)对加权系数的梯度反方向进行逐层调整。
步骤C、建立控制框图：
分别在AMESim和Matlab中建立单腿刚性支撑相的力控制框图和控制器控制框图，并进行联合仿真。
发明效果：
针对液压四足机器人运动的稳定性问题，面向单腿刚性支承，以液压四足机器人单腿为研究对象，建立机器人单腿刚性支撑相的等效模型；利用增量PID算法和神经网络算法相结合的方法设计单腿刚性支撑相的控制器，并对控制器进行仿真，证明控制器的有效性，是机器人更加稳定。
附图说明
图1是刚性支撑相等效模型；
图2是神经网络PID控制结构图；
图3是BP神经网络结构图；
图4是刚性支撑相AMESim力系统图；
图5是神经网络PID控制器；
图6是髋关节力曲线；
图7是膝关节力曲线。
具体实施方式
以下结合附图进一步说明本发明的具体实施方式。
步骤A、建立液压四足机器人单腿支撑相的等效模型；
本发明针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型，为机器人控制提供理论依据。
刚性支撑相等效模型如图1所示。
图1中，设连杆Ⅳ受到刚性地面约束时作动器活塞杆初始位移为x20，单位时间内活塞杆位移和减振弹簧变形量分别为x21、ΔY，通过位移传感器可测得其值；在刚性支撑下，缸体产生运动，设缸体位移为xc，缸体受机架和自身重量的综合作用力为Fc。由于地面刚度很大，机器人足端在支撑相下与地面固结在一起。
步骤B、涉及腿部刚性支撑相控制器：
增量PID算法通过计算实际输出信号与期望信号的偏差量来确定被控对象实际力所需增量，Kp、Ki、Kd分别控制伺服作动器的响应速度、稳定性和动态特性，适用于线性系统中。但对于机器人的关节控制，电液伺服作动器存在不确定性、复杂的非线性、滞后大等问题，难以保证系统的鲁棒性。而神经网络可以通过自学习系统很好的逼近任意非线性动态系统，弥补了PID算法的一些缺点。因此本发明采用神经网络和PID相结合的方法，通过神经网络自学习系统调整PID控制参数，从而控制电液伺服作动器的输出力以期达到足端接触地面所需支撑力。
神经网络PID控制器根据足端接触刚性地面的运行状态，不断自学习来调整神经网络的权值系数，使神经网络输出值对应于某种最优化控制下的PID控制参数，以期达到作动器力跟踪的最优化。基于BP网络的PID控制结构图如图2所示。根据电液伺服作动器输出力的动态特性，设置实际输出力与期望输入力的偏差e、偏差量的变化量ec作为神经网络的输入层，通过经验公式选定输入层节点M和隐含层节点Q的数目,随机设定各层的权值系数的初值和通过对电液伺服系统的运行采集得到某时刻Fr(k)和FL(k)的值并计算得到该时刻的偏差e(k)＝Fr(k)-FL(k)；神经网络各层神经元通过自学习计算出最优化的加权系数，最优化后的神经网络输出层的输出即为PID控制器的三个可调参数Kp、Ki、Ki；根据式 u(k)＝u(k-1)+Δu(k)＝u(k-1)+Kpa+Kib+Kdc即可得到PID控制器的控制量u(k)，实现PID控制参数的自适应调整。
建立三层BP神经网络结构图，如图3所示。
步骤C、建立控制框图：
分别在AMESim和Matlab中建立单腿刚性支撑相的力控制框图和控制器控制框图，如图4和图5所示；以正弦信号为输入信号，分别在髋关节和膝关节进行仿真，得到输出信号，如图6和图7所示。图中实现为输入信号，虚线为输出信号。
通过AMESim与MATLAB联合仿真，在正弦信号的激励下，髋关节力跟踪曲线幅值衰减小于4％，相位滞后4.6°，膝关节力跟踪曲线幅值衰减小于4％，相位滞后4.5°，可以得知髋关节和膝关节可以很好的跟踪力指令输入信号，同时充分说明了神经网络控制器的有效性。
以上显示和描述了本发明的基本原理和主要特征。本发明不受上述实施例的限制，上述实施例和说明书描述的只是发明的原理，在不脱离本发明的精神和范围的前提下，本发明还会有各种变化和改进，这些发明和改进都属于要求保护的本发明范围内。
Claims (4)
1.一种液压四足机器人单腿刚性支撑相控制方法，其特征在于针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型；利用神经网络和增量PID算法相结合的方式建立控制结构图，在AMESim中建立刚性支撑相力的系统图，并在Matlab中建立控制器的控制框图；利用AMESim和Matlab联合仿真，分析证明控制器设计的合理性和有效性，为后续的液压四足机器人研究提供依据。
2.根据权利要求1的一种液压四足机器人单腿刚性支撑相控制方法，其特征在于针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象；通过对机器人单腿进行运动学和动力学分析，建立单腿刚性支撑相的等效模型。
3.根据权利要求1的一种液压四足机器人单腿刚性支撑相控制方法，其特征在于利用神经网络和增量PID算法相结合的方式建立控制框图：
增量PID算法：
u(k)＝u(k-1)+Δu(k)＝u(k-1)+Kpa+Kib+Kdc
式中：Δu(k)为第k次采样控制器所需输出的电压增量；Kp、Ki、Kd分别为增量PID控制器的比例、积分、微分环节的系数。
其中，a＝e(k)-e(k-1)，b＝e(k)，c＝e(k)-2e(k-1)+e(k-2)，e(k)为输入信号与反馈信号的偏差；
BP神经网络：
网络的第一层的输入为：
式中M由电液伺服系统的复杂程度决定。
神经网络第二层的输入、输出为：
式中，—第二层的权值系数；上角标1、2、3分别代表第一层、第二层、第三层。
神经网络第三层的输入输出为：
4.根据权利要求1的一种液压四足机器人单腿刚性支撑相控制方法，其特征在于利用AMESim和Matlab对控制器进行联合仿真，对仿真出的曲线进行分析，证明控制器的有效性和合理性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811017810.2A CN109101757A (zh) | 2018-09-03 | 2018-09-03 | 一种液压四足机器人单腿刚性支撑相控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811017810.2A CN109101757A (zh) | 2018-09-03 | 2018-09-03 | 一种液压四足机器人单腿刚性支撑相控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109101757A true CN109101757A (zh) | 2018-12-28 |
Family
ID=64864788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811017810.2A Pending CN109101757A (zh) | 2018-09-03 | 2018-09-03 | 一种液压四足机器人单腿刚性支撑相控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109101757A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111810493A (zh) * | 2020-07-29 | 2020-10-23 | 中国人民解放军陆军装甲兵学院 | 一种四足机器人液压系统仿真建模方法 |
| CN114012733A (zh) * | 2021-11-29 | 2022-02-08 | 江苏科技大学 | 一种用于pc构件模具划线的机械臂控制方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105538325A (zh) * | 2015-12-30 | 2016-05-04 | 哈尔滨理工大学 | 一种液压四足机器人单腿关节解耦控制方法 |
| CN107608215A (zh) * | 2017-10-18 | 2018-01-19 | 齐鲁工业大学 | 一种基于rbf神经网络的测绘无人机姿态控制方法 |
-
2018
- 2018-09-03 CN CN201811017810.2A patent/CN109101757A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105538325A (zh) * | 2015-12-30 | 2016-05-04 | 哈尔滨理工大学 | 一种液压四足机器人单腿关节解耦控制方法 |
| CN107608215A (zh) * | 2017-10-18 | 2018-01-19 | 齐鲁工业大学 | 一种基于rbf神经网络的测绘无人机姿态控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 于凤丽: ""四足机器人液压驱动单元神经网络辨识与控制研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
| 孙桂涛: ""液压四足机器人关节控制研究"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111810493A (zh) * | 2020-07-29 | 2020-10-23 | 中国人民解放军陆军装甲兵学院 | 一种四足机器人液压系统仿真建模方法 |
| CN114012733A (zh) * | 2021-11-29 | 2022-02-08 | 江苏科技大学 | 一种用于pc构件模具划线的机械臂控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111546350B (zh) | 一种多关节重载液压机器人系统及高精度运动控制方法 | |
| CN111857170B (zh) | 一种四足机器人腿部关节负载规律分析方法 | |
| Vanderborght et al. | Controlling a bipedal walking robot actuated by pleated pneumatic artificial muscles | |
| Meller et al. | Model-based feedforward and cascade control of hydraulic McKibben muscles | |
| Chen et al. | Compliance control for a hydraulic bouncing system | |
| CN109101757A (zh) | 一种液压四足机器人单腿刚性支撑相控制方法 | |
| CN109884894A (zh) | 电液助力转向系统神经网络积分滑模控制方法 | |
| CN102736628A (zh) | 一种具有环境适应性的足式机器人稳定性控制方法及系统 | |
| CN110107563A (zh) | 存在负载干扰情况下多电液伺服执行器分布协同控制方法 | |
| Guo et al. | A parallel actuated pantograph leg for high-speed locomotion | |
| CN110173487A (zh) | 一种多电液伺服执行器在切换网络下的领导同步控制方法 | |
| Yang et al. | Adaptive neural network-based sliding mode control for a hydraulic rotary drive joint | |
| Zhu et al. | An adaptive composite control for a hydraulic actuator impedance system of legged robots | |
| Zheng et al. | Pneumatic variable series elastic actuator | |
| Spong et al. | An almost linear biped | |
| CN112835295B (zh) | 基于pi模型的压电陶瓷执行器参数辨识和复合控制方法 | |
| Xie et al. | Online whole-stage gait planning method for biped robots based on improved Variable Spring-Loaded Inverted Pendulum with Finite-sized Foot (VSLIP-FF) model | |
| Lee et al. | Real-time adaptive impedance compensator using simultaneous perturbation stochastic approximation for enhanced physical human–robot interaction transparency | |
| Vanderborght et al. | Dynamic control of a bipedal walking robot actuated with pneumatic artificial muscles | |
| CN106019933B (zh) | 一种“粘滞-滑动”微动平台的预测控制方法 | |
| CN116572247A (zh) | 一种气动肌肉驱动关节的无模型最优跟踪控制方法 | |
| Verrelst et al. | Motion generation and control for the pneumatic biped" lucy" | |
| Jelačić et al. | Modelling and development of integrated hydraulic system of the transfemoral prosthetic leg | |
| Silva et al. | Goal-oriented biped walking based on force interaction control | |
| Liu et al. | Simulation and analysis of a full-active electro-hydrostatic powered ankle prosthesis |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181228 |