CN114137840A - 足式机器人全局平衡控制方法、装置和足式机器人 - Google Patents
足式机器人全局平衡控制方法、装置和足式机器人 Download PDFInfo
- Publication number
- CN114137840A CN114137840A CN202111433427.7A CN202111433427A CN114137840A CN 114137840 A CN114137840 A CN 114137840A CN 202111433427 A CN202111433427 A CN 202111433427A CN 114137840 A CN114137840 A CN 114137840A
- Authority
- CN
- China
- Prior art keywords
- robot
- system state
- equation
- trunk
- legged robot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 210000001503 joint Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
本申请实施例提供一种足式机器人全局平衡控制方法、装置和足式机器人,该方法包括:获取足式机器人在当前时刻的运动状态;根据所述当前时刻的运动状态和所述足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得所述足式机器人在当前时刻的系统状态方程;根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量;根据所述控制输入量对所述足式机器人进行运动控制。该方法基于飞轮倒立摆模型进行模型简化,并利用非线性模型预测控制技术进行平衡优化控制,可以实现对足式机器人整个系统的平衡控制。
Description
技术领域
本申请涉及机器人控制技术领域,尤其涉及一种足式机器人全局平衡控制方法、装置和足式机器人。
背景技术
足式机器人是一个非常复杂的系统,尤其是对于足式机器人在移动过程中的欠驱动特性控制,一直是足式机器人研发最需解决的问题。已有的关于足式机器人的步行规划和控制方法,大都是基于线性倒立摆模型等实现行走控制,其通过给定一个简化的动力学模型实现行走控制,然而在实际使用中,上述控制方法并不能保证整个系统的稳定性。到目前为止,依旧没有一个统一、普适的方法来解决这一问题。
发明内容
本申请实施例提供一种足式机器人全局平衡控制方法、装置和足式机器人,可以实现对足式机器人整个系统的平衡控制。
第一方面,本申请实施例提供一种足式机器人全局平衡控制方法,包括:
获取足式机器人在当前时刻的运动状态;
根据所述当前时刻的运动状态和所述足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得所述足式机器人在当前时刻的系统状态方程;
根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量;
根据所述控制输入量对所述足式机器人进行运动控制。
在一些实施例中,所述足式机器人对应的飞轮倒立摆简化模型的动力学方程经预先构建得到,包括:
将所述足式机器人的躯干等效为具有质量的刚体,以及将与外界接触的支撑腿等效为具有质量的连杆,构建得到所述足式机器人的飞轮倒立摆简化模型;
分别构建所述足式机器人支撑腿的动力学方程和躯干的动力学方程,以联立得到所述飞轮倒立摆简化模型的动力学方程。
在一些实施例中,所述足式机器人支撑腿的动力学方程的构建,包括:
选取所述足式机器人支撑腿的几何中心为所述支撑腿的质心,并根据所述支撑腿与地面的入射角、所述支撑腿绕地面端点的转动惯量、所述支撑腿的关节驱动力矩以及对所述躯干的作用力,构建得到所述支撑腿的动力学方程。
在一些实施例中,所述足式机器人躯干的状态包括躯干的质心位置及质心姿态,所述足式机器人躯干的动力学方程的构建,包括:
根据所述刚体的几何中心位置、所述支撑腿的接触点位置以及所述支撑腿与地面的入射角之间的几何关系,构建所述躯干的质心位置的表达式;
将所述刚体与水平方向的俯仰角作为所述躯干的质心姿态;
根据所述质心位置的表达式、所述质心姿态、所述刚体绕几何中心的转动惯量、以及所述躯干受到所述支撑腿的作用力,构建得到所述躯干的动力学方程。
在一些实施例中,所述根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量,包括:
根据所述当前时刻的系统状态方程和上一时刻的系统状态方程进行系统状态预测,得到后续若干个时刻的系统状态预测值;
根据所述若干个时刻的系统状态预测值对用于全局平衡控制的非线性优化函数进行优化求解,得到当前时刻所需的控制输入量;其中,所述非线性优化函数用于使系统状态的预测值跟踪期望值,且设有所述系统状态满足的非线性约束条件。
在一些实施例中,所述系统状态方程中的系统状态向量包括:所述躯干的质心姿态及所述质心姿态的一阶导数、所述支撑腿与地面的入射角及所述入射角的一阶导数;
所述支撑腿所需的关节驱动力矩作为待求解的控制输入量。
在一些实施例中,所述飞轮倒立摆简化模型的动力学方程的表达式如下:
其中,M表示所述刚体绕几何中心的转动惯量,表示所述躯干的质心姿态θ的二阶导数,θ0表示所述躯干的质心与几何中心之间的姿态偏差,r表示所述躯干的质心位置与几何中心位置之间的距离偏差,τ表示所述支撑腿的关节驱动力矩,表示所述支撑腿与地面的入射角的二阶导数,M1表示所述支撑腿绕地面端点的转动惯量,m和m1分别表示所述刚体和所述连杆的质量,g表示重力加速度,L表示所述支撑腿的质心到接触点的距离。
在一些实施例中,所述非线性优化函数以系统状态的期望值与预测值之间的误差的平方最小为优化目标,如下:
其中,w=Xd-X(k+n);
其中,w表示所述系统状态的期望值与预测值之间的误差,gi(x)≥0表示添加的第i个非线性约束条件,Xd表示所述系统状态的期望值,X(k+n)表示所述系统状态从k时刻起算之后的第n个时刻的预测值,n≥1。
在一些实施例中,所述非线性约束条件包括所述足式机器人的关节力矩约束、关节角速度约束、关节位置约束和支撑腿的接触力约束中的一种或多种。
第二方面,本申请实施例提供一种足式机器人全局平衡控制装置,包括:
状态获取模块,用于获取足式机器人在当前时刻的运动状态;
动力学计算模块,用于根据所述当前时刻的运动状态和所述足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得所述足式机器人在当前时刻的系统状态方程;
非线性预测模块,用于根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量;
控制模块,用于根据所述控制输入量对所述足式机器人进行运动控制。
第三方面,本申请实施例提供一种足式机器人,所述足式机器人包括处理器和存储器,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施上述的足式机器人全局平衡控制方法。
第四方面,本申请实施例提供一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上执行时,实施上述的足式机器人全局平衡控制方法。
本申请的实施例具有如下有益效果:
本申请实施例的足式机器人全局平衡控制方法通过获取足式机器人在当前时刻的运动状态;根据当前时刻的运动状态和足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得足式机器人在当前时刻的系统状态方程;根据当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量;根据控制输入量对足式机器人进行运动控制。该方法基于飞轮倒立摆模型进行机器人简化分析,并构建得到该飞轮倒立摆模型的完整动力学方程,而后利用非线性模型预测控制来进行系统状态的实时预测及控制输入量的优化计算,可以使得机器人对外界环境的适应性较强,且具有较好的稳定性等。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例足式机器人全局平衡控制方法的飞轮倒立摆的支撑腿模型;
图2a和图2b分别示出了本申请实施例足式机器人全局平衡控制方法的支撑腿及躯干的受力示意图;
图3示出了本申请实施例足式机器人全局平衡控制方法的第一流程图;
图4示出了本申请实施例足式机器人全局平衡控制方法的第二流程图;
图5示出了本申请实施例足式机器人全局平衡控制装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
为了实现足式机器人整个系统在运动过程的稳定,本申请实施例提出一种足式机器人全局平衡控制方法,其通过对足式机器人的单足支撑状态进行了基于飞轮倒立摆的模型简化,其中包括将机器人的躯干和与外界接触的支撑腿分别等效为具有质量的刚体及与刚体连接的连杆,并对得到的简化模型建立了对应的动力学模型,而后采用非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)进行优化控制,从而实现该足式机器人的全局稳定性控制。
足式机器人的平衡控制非常复杂,例如,对于部分无脚掌的点状式双足机器人,由于腿部和地面之间是一个欠驱动关节,该关节的运动不可控,而利用已有的线性模型往往难以描述其复杂的动态过程,为此,本申请提出了基于非线性模型的机器人全局平衡控制的方案。应当明白的是,除了适用于平面的飞轮倒立摆模型外,本方法的技术思路同样可扩展到维度增加的三维飞轮倒立摆模型,以及其他的复杂倒立摆模型上。本方法适用的足式机器人可以是各类具有腿部的机器人,如点状式双足机器人、四足机器人、六足机器人、以及带脚掌的足式机器人等均具备应用扩展的可能性。
下面结合具体的实施例来进行说明。
实施例1
本实施例中,为了实现全局平衡控制,先通过对足式机器人进行模型化简,以得到对应的简化模型,进而构建得到该简化模型的动力学方程。示范性地,在一种实施方式中,将该足式机器人的单足支撑的状态可简化为一个飞轮的倒立摆模型。具体地,将足式机器人的躯干等效为具有相应质量的刚体,其中足式机器人的腿部机构安装在躯干的几何中心,以及将与外界接触的支撑腿等效为与该刚体连接的具有相应质量的连杆。
图1所示为简化为平面飞轮倒立摆的足式机器人的单腿模型示意图。地面端点记为O,假设机器人的躯干等效为一个质量为m的刚体,刚体绕其几何中心C的转动惯量为M,以及将支撑腿等效为质量为m1的连杆,长度为2L,该支撑腿的质心在腿部的几何中心位置L处,其绕端点O的转动惯量为M1。基于这一平面的简化模型,躯干的质心状态可以用(x,y,θ)描述,其中,x与y分别表示以端点O为平面原点的躯干的质心位置,θ表示躯干的质心姿态,其中俯仰角θ=∠ACB,CA为水平方向。此外,支撑腿与躯干之间的夹角为关节角度α,而腿部与地面的入射角记为根据几何关系可知,关节角、入射角与俯仰角之间满足:
其中,上述的关节角度α可以通过相应关节处安装的关节位置编码器或角度传感器测量得到,上述的俯仰角也可以通过安装于躯干上的惯导器件测量得到,例如,该惯导器件可以是惯性测量单元IMU,或惯性导航系统INS等。相应地,根据测量得到的关节角度α及俯仰角θ,则可计算到腿部与地面的入射角
可以理解,通过充分考虑到足式机器人的躯干与腿部的自身质量及物理约束等在平衡控制过程中的影响,可以使得对基于简化模型的规划及分析更加贴合于真实的足式机器人的特性,从而可以得到更为准确的控制量。
进而,基于上述的飞轮倒立摆简化模型,本实施例将构建该简化模型的动力学方程,以用于分析该足式机器人的运动状态。示范性地,可分别构建足式机器人支撑腿的动力学方程和躯干的动力学方程,然后联立得到该飞轮倒立摆简化模型的动力学方程。
例如,如图2a和2b所示,基于支撑腿与躯干的受力分析,可以构建得到该足式机器人支撑腿与躯干各自的动力学方程。在一种实施方式中,通过选取支撑腿的几何中心为该支撑腿的质心,并根据支撑腿与地面的入射角、支撑腿绕地面端点的转动惯量、支撑腿的关节驱动力矩以及对躯干的作用力,构建得到如下的支撑腿的动力学方程:
其中,M1为支撑腿对应的转动惯量,τ为支撑腿的关节驱动力矩,Fx和Fy表示支撑腿对躯干的作用力F在x和y方向上的分量,可通过支撑腿末端处的力/力矩传感器测量得到;为支撑腿与地面的入射角,为入射角的二阶导数;g表示重力加速度,L为支撑腿的质心到接触点的距离。
在一种实施方式中,在构建躯干的动力学方程时,可根据等效刚体的几何中心位置、支撑腿的接触点位置以及支撑腿与地面的入射角之间的几何关系,构建出该躯干的质心位置的表达式。例如,如图2a所示,该躯干的质心位置(x,y)、支撑腿与地面的接触点(x1,y1)满足如下关系:
进而,将刚体与水平方向的俯仰角θ作为躯干的质心姿态;并根据上述质心位置的表达式、质心姿态、刚体绕几何中心的转动惯量、以及躯干受到支撑腿的作用力,则可构建得到躯干的动力学方程。具体地,该躯干的动力学方程为:
其中,和分别表示躯干的质心的位置x和y的二阶导数,表示躯干的质心姿态的二阶导数;M为刚体的转动惯量,r表示躯干的质心到几何中心的位置/距离偏差,可通过x和y计算得到,θ0表示躯干的质心到几何中心的姿态偏差。
于是,联立上述躯干与支撑腿的动力学方程,即可得到飞轮倒立摆简化模型的动力学方程。具体如下:
进而,通过上述该飞轮倒立摆简化模型的动力学方程,即可以描述出整个系统的实时状态方程。
例如,以躯干的质心姿态θ及质心姿态的一阶导数支撑腿与地面的入射角及入射角的一阶导数组成系统状态向量,即以为系统状态向量,u为系统的控制输入量,这里将支撑腿所需的关节驱动力矩τ作为待求解的控制输入量。此时系统状态空间的表达式满足:
应当理解,通过对飞轮倒立摆系统在平衡位置附近进行线性化的简化计算,可以能够保证系统在控制目标附近状态的稳定性,但是若系统状态偏离平衡位置太远的话,就很难保证整个系统依然处于稳定状态,换言之,上述采用线性化处理的方式仅可以保证在平衡状态附近的动力学特性,但在其他状态下的动力学特性则差异很大。
为此,本实施例在构建得到该足式机器人对应的飞轮倒立摆简化模型的动力学方程之后,将提出结合动力学方程利用非线性模型预测控制(NMPC)技术来实时计算相应控制量,以用于对机器人进行平衡运动控制。其中,NMPC作为一种用于实时预测与控制的方法,其基于非线性模型进行预测控制,具有较强的鲁棒性和适应性,其能够解决现有控制方法不具备实时性的问题。
图3所示为本实施例的足式机器人全局平衡控制方法的第一流程图。
示范性地,该足式机器人全局平衡控制方法包括:
步骤S100,获取足式机器人在当前时刻的运动状态。
其中,上述的运动状态可包括但不限于包括对应时刻下的机器人各个关节的关节角度、支撑腿与地面之间的接触力、支撑腿与地面之间的入射角、以及上述的俯仰角、躯干受到支撑腿对其的作用力等。可以理解,上述这些参数可以是通过相应的传感器直接测量得到,也可以是通过测量的值进一步计算得到,这里不作限定。
步骤S200,根据当前时刻的运动状态和足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得足式机器人在当前时刻的系统状态方程。
在一种实施方式中,仍以为系统的状态向量,u为系统的控制输入量,将上述的飞轮倒立摆简化模型的动力学方程转换为矩阵的表述形式,即可得到对应的系统状态方程。值得注意的是,与上述的线性系统状态方程不同的是,本实施例考虑了躯干质心与几何中心的位置偏差及姿态偏差、及入射角偏差等,因此系统状态方程将包含一些非线性量。
步骤S300,根据当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量。
在一种实施方式中,如图4所示,上述步骤S300包括:
子步骤S310,根据当前时刻的系统状态方程和上一时刻的系统状态方程进行系统状态预测,得到后续若干个时刻的系统状态预测值。
其中,该后续若干个时刻是指未来的几个连续相邻时刻,具体可根据实际需求来设定。例如,当前时刻记为k时刻,则上一时刻为k-1时刻,下一时刻为k+1时刻,如此类推,当前时刻后的第N个时刻即为k+N时刻。
以未来的N个时刻为例,示范性地,对基于飞轮倒立摆简化模型的动力学方程转换得到的系统状态进行递推,则有:
fori=1:N
end
其中,Ts为一个控制指令周期。由上述可知,从当前k时刻预测得到的未来N个时刻的状态向量为:
...
可以理解,递推得到的各状态向量预测值中包含了高度的非线性项。
进而,本实施例中,将基于非线性模型的预测控制求解转化为优化问题,以便利用非线性规则的优化求解方法来得到所需的控制输入量。示范性地,以系统状态的预测值跟踪期望值为目标,即使相应时刻的预测值尽可能地接近期望值,构建出一个非线性优化函数,并设有系统状态满足的非线性约束条件,通过对该非线性优化函数在约束范围内进行优化求解,得到的控制输入量将能够使得机器人整个系统处于平衡稳定状态。
子步骤S320,根据该若干个时刻的系统状态预测值对用于全局平衡控制的非线性优化函数进行优化求解,得到当前时刻所需的控制输入量。
在一种实施方式中,该非线性优化函数以系统状态的期望值与预测值之间的误差的平方最小为优化目标,如下:
其中,w=Xd-X(k+n);
其中,w为松弛变量,也为系统状态的期望值与预测值之间的误差,Xd表示对应时刻下该系统状态的期望值,X(k+n)表示系统状态从k时刻起算之后的第n个时刻的预测值,1≤n≤N-1。gi(x)≥0表示添加的第i个非线性约束条件,例如,可包括但不限于包括足式机器人的关节力矩约束、关节角速度约束、关节位置约束和支撑腿的接触力约束等中的一种或多种,具体可根据实际需求来设置,这里不作限定。
于是,通过已有的优化求解器来求解上述的优化函数,即可求得未来N个时刻的控制输入量[uk uk+1 ... uk+N-1]T,取其中第一个元素uk作为当前时刻的控制输入量,而后对系统的每个采样时刻进行滚动求解,即可得到每个采样时刻系统所需的相应控制输入量。
步骤S400,根据所述控制输入量对足式机器人进行运动控制。
以上述的支撑腿关节所需的驱动力矩τ作为待求解的控制输入量为例,示范性地,在优化求解出驱动力矩τ后,则根据该驱动力矩τ结合力控制器来对该足式机器人的关节进行相应指令驱动,以此来驱动机器人进行相应运动。
本实施例通过基于飞轮倒立摆模型进行机器人简化分析,并构建得到该飞轮倒立摆模型的完整动力学方程,而后利用NMPC来进行系统状态的实时预测及控制输入量的优化计算,可以使得机器人对外界环境的适应性较强,且具有较好的稳定性等。
实施例2
请参照图5,基于上述实施例1的方法,本实施例提出一种足式机器人全局平衡控制装置100,示范性地,该足式机器人全局平衡控制装置100包括:
状态获取模块110,用于获取足式机器人在当前时刻的运动状态。
动力学计算模块120,用于根据当前时刻的运动状态和足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得足式机器人在当前时刻的系统状态方程。
非线性预测模块130,用于根据当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量。
控制模块140,用于根据所述控制输入量对足式机器人进行运动控制。
进一步地,该足式机器人全局平衡控制装置100包括:模型构建模块,用于预先构建得到该足式机器人对应的飞轮倒立摆简化模型的动力学方程,具体的构建过程可参见上述实施例1中的描述,在此不再重复描述。
其中,上述的非线性预测模块130包括预测子模块和优化求解子模块,具体地,预测子模块用于根据所述当前时刻的系统状态方程和上一时刻的系统状态方程进行系统状态预测,得到后续若干个时刻的系统状态预测值。优化求解子模块用于根据所述若干个时刻的系统状态预测值对用于全局平衡控制的非线性优化函数进行优化求解,得到当前时刻所需的控制输入量;其中,所述非线性优化函数用于使系统状态的预测值跟踪期望值,且设有所述系统状态满足的非线性约束条件。
可以理解,本实施例的装置对应于上述实施例1的方法,上述实施例1中的可选项同样适用于本实施例,故在此不再重复描述。
本申请还提供了一种足式机器人,如双足机器人、四足机器人等各类足式机器人或机器人系统,示范性地,该足式机器人包括处理器和存储器,其中,存储器存储有计算机程序,处理器通过运行所述计算机程序,从而使足式机器人执行上述的足式机器人全局平衡控制方法或者上述足式机器人全局平衡控制装置100中的各个模块的功能。
本申请还提供了一种可读存储介质,用于储存上述足式机器人中使用的所述计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (12)
1.一种足式机器人全局平衡控制方法,其特征在于,包括:
获取足式机器人在当前时刻的运动状态;
根据所述当前时刻的运动状态和所述足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得所述足式机器人在当前时刻的系统状态方程;
根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量;
根据所述控制输入量对所述足式机器人进行运动控制。
2.根据权利要求1所述的足式机器人全局平衡控制方法,其特征在于,所述足式机器人对应的飞轮倒立摆简化模型的动力学方程经预先构建得到,包括:
将所述足式机器人的躯干等效为具有质量的刚体,以及将与外界接触的支撑腿等效为具有质量的连杆,构建得到所述足式机器人的飞轮倒立摆简化模型;
分别构建所述足式机器人支撑腿的动力学方程和躯干的动力学方程,以联立得到所述飞轮倒立摆简化模型的动力学方程。
3.根据权利要求2所述的足式机器人全局平衡控制方法,其特征在于,所述足式机器人支撑腿的动力学方程的构建,包括:
选取所述足式机器人支撑腿的几何中心为所述支撑腿的质心,并根据所述支撑腿与地面的入射角、所述支撑腿绕地面端点的转动惯量、所述支撑腿的关节驱动力矩以及对所述躯干的作用力,构建得到所述支撑腿的动力学方程。
4.根据权利要求2所述的足式机器人全局平衡控制方法,其特征在于,所述足式机器人躯干的状态包括躯干的质心位置及质心姿态,所述足式机器人躯干的动力学方程的构建,包括:
根据所述刚体的几何中心位置、所述支撑腿的接触点位置以及所述支撑腿与地面的入射角之间的几何关系,构建所述躯干的质心位置的表达式;
将所述刚体与水平方向的俯仰角作为所述躯干的质心姿态;
根据所述质心位置的表达式、所述质心姿态、所述刚体绕几何中心的转动惯量、以及所述躯干受到所述支撑腿的作用力,构建得到所述躯干的动力学方程。
5.根据权利要求1所述的足式机器人全局平衡控制方法,其特征在于,所述根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量,包括:
根据所述当前时刻的系统状态方程和上一时刻的系统状态方程进行系统状态预测,得到后续若干个时刻的系统状态预测值;
根据所述若干个时刻的系统状态预测值对用于全局平衡控制的非线性优化函数进行优化求解,得到当前时刻所需的控制输入量;其中,所述非线性优化函数用于使系统状态的预测值跟踪期望值,且设有所述系统状态满足的非线性约束条件。
6.根据权利要求2所述的足式机器人全局平衡控制方法,其特征在于,所述系统状态方程中的系统状态向量包括:所述躯干的质心姿态及所述质心姿态的一阶导数、所述支撑腿与地面的入射角及所述入射角的一阶导数;
所述支撑腿所需的关节驱动力矩作为待求解的控制输入量。
9.根据权利要求8所述的足式机器人全局平衡控制方法,其特征在于,所述非线性约束条件包括所述足式机器人的关节力矩约束、关节角速度约束、关节位置约束和支撑腿的接触力约束中的一种或多种。
10.一种足式机器人全局平衡控制装置,其特征在于,包括:
状态获取模块,用于获取足式机器人在当前时刻的运动状态;
动力学计算模块,用于根据所述当前时刻的运动状态和所述足式机器人对应的飞轮倒立摆简化模型的动力学方程,获得所述足式机器人在当前时刻的系统状态方程;
非线性预测模块,用于根据所述当前时刻的系统状态方程通过非线性模型预测控制,获得当前时刻用于全局平衡控制所需的控制输入量;
控制模块,用于根据所述控制输入量对所述足式机器人进行运动控制。
11.一种足式机器人,其特征在于,所述足式机器人包括处理器和存储器,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施权利要求1-9中任一项所述的足式机器人全局平衡控制方法。
12.一种可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上执行时,实施根据权利要求1-9中任一项所述的足式机器人全局平衡控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433427.7A CN114137840B (zh) | 2021-11-29 | 2021-11-29 | 足式机器人全局平衡控制方法、装置和足式机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433427.7A CN114137840B (zh) | 2021-11-29 | 2021-11-29 | 足式机器人全局平衡控制方法、装置和足式机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114137840A true CN114137840A (zh) | 2022-03-04 |
CN114137840B CN114137840B (zh) | 2024-02-27 |
Family
ID=80389306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111433427.7A Active CN114137840B (zh) | 2021-11-29 | 2021-11-29 | 足式机器人全局平衡控制方法、装置和足式机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114137840B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116442246A (zh) * | 2023-06-14 | 2023-07-18 | 广州东焊智能装备有限公司 | 一种应用于机器人的姿态平衡控制方法 |
Citations (5)
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 |
CN111730605A (zh) * | 2020-08-04 | 2020-10-02 | 深圳市优必选科技股份有限公司 | 一种机器人姿态控制方法、装置、可读存储介质及机器人 |
CN112051741A (zh) * | 2020-09-16 | 2020-12-08 | 北京理工大学 | 一种双足机器人动态运动生成与控制方法 |
CN113119102A (zh) * | 2019-12-31 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 基于浮动基飞轮倒立摆的仿人机器人建模方法和装置 |
CN113485398A (zh) * | 2021-07-19 | 2021-10-08 | 北京理工大学 | 一种轮式双足机器人姿态控制方法 |
-
2021
- 2021-11-29 CN CN202111433427.7A patent/CN114137840B/zh active Active
Patent Citations (5)
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 |
CN113119102A (zh) * | 2019-12-31 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 基于浮动基飞轮倒立摆的仿人机器人建模方法和装置 |
CN111730605A (zh) * | 2020-08-04 | 2020-10-02 | 深圳市优必选科技股份有限公司 | 一种机器人姿态控制方法、装置、可读存储介质及机器人 |
CN112051741A (zh) * | 2020-09-16 | 2020-12-08 | 北京理工大学 | 一种双足机器人动态运动生成与控制方法 |
CN113485398A (zh) * | 2021-07-19 | 2021-10-08 | 北京理工大学 | 一种轮式双足机器人姿态控制方法 |
Non-Patent Citations (5)
Title |
---|
《中国优秀硕士学位论文全文数据库信息科技辑》: "Nao仿人机器人站立状态平衡控制研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 3 - 4 * |
JERRY PRATT 等: "Capture Point: A Step toward Humanoid Push Recovery", 《IEEE》 * |
MILAD SHAFIEE-ASHTIANI 等: "Push Recovery of a Humanoid Robot Based on Model Predictive Control and Capture Point", 《IEEE》 * |
丁加涛 等: "基于模型预测控制的仿人机器人实时步态优化", 《浙江大学学报(工学版)》, pages 1843 - 1850 * |
马斌: "基于NMPC 的仿人攀爬机器人运动优化", 《组合机床与自动化加工技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116442246A (zh) * | 2023-06-14 | 2023-07-18 | 广州东焊智能装备有限公司 | 一种应用于机器人的姿态平衡控制方法 |
CN116442246B (zh) * | 2023-06-14 | 2023-08-29 | 广州东焊智能装备有限公司 | 一种应用于机器人的姿态平衡控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114137840B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108621161B (zh) | 基于多传感器信息融合的足式机器人本体状态估计方法 | |
US10595784B2 (en) | Object pose measurement system based on MEMS IMU and method thereof | |
CN111558941B (zh) | 浮动基动力学前馈控制方法、装置和多足机器人 | |
Rotella et al. | State estimation for a humanoid robot | |
Carpentier et al. | Recent progress in legged robots locomotion control | |
CN112720483B (zh) | 合质心状态获取方法、装置、仿人机器人和可读存储介质 | |
CN111086001B (zh) | 一种足式机器人多模态感知的状态估计方法及系统 | |
CN107618678B (zh) | 卫星姿态角度偏差下的姿控信息联合估计方法 | |
CN111730605A (zh) | 一种机器人姿态控制方法、装置、可读存储介质及机器人 | |
Bae et al. | Biped robot state estimation using compliant inverted pendulum model | |
CN114137840B (zh) | 足式机器人全局平衡控制方法、装置和足式机器人 | |
Dolinský et al. | Application of the method of maximum likelihood to identification of bipedal walking robots | |
Miletović et al. | Improved Stewart platform state estimation using inertial and actuator position measurements | |
Latella et al. | Towards real-time whole-body human dynamics estimation through probabilistic sensor fusion algorithms: A physical human–robot interaction case study | |
Masuya et al. | A review of state estimation of humanoid robot targeting the center of mass, base kinematics, and external wrench | |
CN113119102B (zh) | 基于浮动基飞轮倒立摆的仿人机器人建模方法和装置 | |
CN114102584A (zh) | 一种小型高机动救援机器人行走及作业稳定控制方法 | |
Lowrey et al. | Real-time state estimation with whole-body multi-contact dynamics: A modified UKF approach | |
US20230191604A1 (en) | Robot stability control method, robot and computer-readable storage medium | |
CN114115295B (zh) | 机器人运动规划方法及装置、机器人控制设备和存储介质 | |
Alai et al. | New approach to center of mass estimation for humanoid robots based on sensor measurements and general lipm | |
Bonnet et al. | Self-generation of optimal exciting motions for identification of a humanoid robot | |
Frontoni et al. | A framework for simulations and tests of mobile robotics tasks | |
Masuya et al. | COM motion estimation of a biped robot based on kinodynamics and torque equilibrium | |
Mori et al. | Online center of mass and momentum estimation for a humanoid robot based on identification of inertial parameters |
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 |