CN114161402B - 机器人稳定控制方法、模型构建方法、装置和机器人 - Google Patents

机器人稳定控制方法、模型构建方法、装置和机器人 Download PDF

Info

Publication number
CN114161402B
CN114161402B CN202111552534.1A CN202111552534A CN114161402B CN 114161402 B CN114161402 B CN 114161402B CN 202111552534 A CN202111552534 A CN 202111552534A CN 114161402 B CN114161402 B CN 114161402B
Authority
CN
China
Prior art keywords
mass
robot
centroid
spring
expected
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.)
Active
Application number
CN202111552534.1A
Other languages
English (en)
Other versions
CN114161402A (zh
Inventor
葛利刚
刘益彰
陈春玉
罗秋月
周江琛
闫萌
熊友军
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 Ubtech Technology Co ltd
Original Assignee
Shenzhen Ubtech Technology Co ltd
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 Ubtech Technology Co ltd filed Critical Shenzhen Ubtech Technology Co ltd
Priority to CN202111552534.1A priority Critical patent/CN114161402B/zh
Publication of CN114161402A publication Critical patent/CN114161402A/zh
Priority to US18/071,462 priority patent/US20230191604A1/en
Application granted granted Critical
Publication of CN114161402B publication Critical patent/CN114161402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1638—Programme controls characterised by the control loop compensation for arm bending/inertia, pay load weight/inertia
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/08—Programme-controlled manipulators characterised by modular constructions
    • 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
    • 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40077—Posicast, inverted pendulum, acrobat, balance rod
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40467—Virtual springs, impedance method
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50391—Robot

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Feedback Control In General (AREA)
  • Manipulator (AREA)

Abstract

本申请实施例提供一种机器人稳定控制方法、模型构建方法、装置和机器人，该机器人稳定控制方法包括：获取当前时刻机器人的期望零力矩点和反馈的实际零力矩点；基于零力矩点跟踪控制模型、期望零力矩点和实际零力矩点，计算当前时刻机器人的质心运动状态的期望值，质心运动状态的期望值包括质心位置修正量；基于弹簧‑质量‑阻尼‑加速度模型和质心运动状态的期望值，计算当前时刻质心位置修正量的超前控制输入量；根据当前时刻超前控制输入量和质心位置的规划值控制机器人运动，以实现机器人对期望零力矩点的跟踪。可以有效解决期望轨迹与实际轨迹之间的相位滞后问题，大大提升了机器人控制器的实时性等。

Description

机器人稳定控制方法、模型构建方法、装置和机器人
技术领域
本申请涉及机器人控制技术领域，尤其涉及一种机器人稳定控制方法、模型构建方法、装置和机器人。
背景技术
机器人是一个复杂的机械系统，通过控制关节运动可以实现脚掌和躯干的位置、姿态的控制。在机器人行走控制等调试过程中发现，由于关节跟踪的滞后、机械结构的柔性，使得其躯干的实际运动轨迹与期望的运动轨迹之间会产生相位滞后，如图1所示。而这一跟踪滞后特性会极大影响控制器的控制效果和机器人的稳定性等。
发明内容
本申请实施例提供一种机器人稳定控制方法及其装置、弹簧-质量-阻尼-加速度模型构建方法及其装置、以及机器人和可读存储介质，该机器人稳定控制方法可以有效解决期望轨迹与实际轨迹之间的相位滞后问题，大大提升了机器人控制器的实时性，实现了机器人对期望ZMP轨迹的快速稳定跟踪等。
第一方面，本申请实施例提供一种机器人稳定控制方法，包括：
获取当前时刻所述机器人的期望零力矩点和反馈的实际零力矩点；
基于零力矩点跟踪控制模型、所述期望零力矩点和所述实际零力矩点，计算当前时刻所述机器人的质心运动状态的期望值，所述质心运动状态的期望值包括质心位置修正量；
基于弹簧-质量-阻尼-加速度模型和所述质心运动状态的期望值，计算当前时刻所述质心位置修正量的超前控制输入量；
根据当前时刻所述超前控制输入量和所述质心位置的规划值控制所述机器人运动，以实现所述机器人对所述期望零力矩点的跟踪。
第二方面，本申请实施例提供一种机器人稳定控制装置，包括：
零力矩点获取模块，用于获取当前时刻所述机器人的期望零力矩点和反馈的实际零力矩点；
质心状态获取模块，用于基于零力矩点跟踪控制模型、所述期望零力矩点和所述实际零力矩点，计算当前时刻所述机器人的质心运动状态的期望值，所述质心运动状态包括质心位置修正量；
超前输入量计算模块，用于基于弹簧-质量-阻尼-加速度模型和所述质心运动状态的期望值，计算当前时刻所述质心位置修正量的超前控制输入量；
跟踪控制模块，用于根据当前时刻所述超前控制输入量和所述质心位置的规划值控制所述机器人运动，以实现所述机器人对所述期望零力矩点的跟踪。
第三方面，本申请实施例提供一种弹簧-质量-阻尼-加速度模型构建方法，包括：
在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块以得到弹簧-质量-阻尼-加速度模型；其中，所述第二质量块和期望加速度用于对所述第一质量块产生作用力；
对所述第一质量块进行受力平衡分析，得到所述弹簧-质量-阻尼-加速度模型的动力学方程；所述弹簧-质量-阻尼-加速度模型的动力学方程用于求解目标对象的位置超前输入量。
第四方面，本申请实施例提供一种弹簧-质量-阻尼-加速度模型构建装置，包括：
模型搭建模块，用于在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块以得到弹簧-质量-阻尼-加速度模型；其中，所述第二质量块和目标对象的期望加速度用于对所述第一质量块产生作用力；
受力分析模块，用于对所述第一质量块进行受力平衡分析，得到所述弹簧-质量-阻尼-加速度模型的动力学方程；所述弹簧-质量-阻尼-加速度模型的动力学方程用于求解所述目标对象的位置超前输入量。
第五方面，本申请实施例提供一种机器人，所述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机器人稳定控制方法。
第六方面，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，实施上述的机器人稳定控制方法或弹簧-质量-阻尼-加速度模型构建方法。
本申请的实施例具有如下有益效果：
本申请实施例的机器人稳定控制方法通过获取机器人的期望零力矩点和反馈的实际零力矩点，并基于零力矩点跟踪控制模型、期望零力矩点和实际零力矩点，计算机器人的质心运动状态的期望值，然后基于弹簧-质量-阻尼-加速度模型和质心运动状态的期望值，计算质心位置修正量的超前控制输入量；最后，根据该超前控制输入量和规划的质心位置控制机器人运动，从而实现对期望零力矩点的快速跟踪。该方法基于新提出的弹簧-质量-阻尼-加速度模型，通过引入加速度信息，实现对期望轨迹的超前输入，可以有效解决期望轨迹与实际轨迹之间的相位滞后问题，大大提升了机器人控制器的实时性，实现了机器人对期望ZMP轨迹的快速稳定跟踪等。
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示出了现有的机器人存在相位滞后的运动轨迹跟踪曲线；
图2示出了弹簧-质量-阻尼模型的典型结构示意图；
图3示出了基于弹簧-质量-阻尼模型对相位滞后特性描述的示意图；
图4示出了本申请实施例的弹簧-质量-阻尼-加速度模型构建方法的第一流程图；
图5示出了本申请实施例的弹簧-质量-阻尼-加速度模型的结构示意图；
图6示出了本申请实施例的弹簧-质量-阻尼-加速度模型构建方法的第二流程图；
图7示出了本申请实施例的机器人的一种结构示意图；
图8示出了本申请实施例的机器人稳定控制方法的第一流程图；
图9示出了本申请实施例的机器人稳定控制方法的获取期望ZMP的流程图；
图10示出了本申请实施例的机器人稳定控制方法的获取超前控制输入量的流程图；
图11示出了基于弹簧-质量-阻尼-加速度模型的ZMP跟踪曲线；
图12示出了本申请实施例的机器人稳定控制装置的结构示意图；
图13示出了本申请实施例的模型构建模块的结构示意图。
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。
参见图2，图2为弹簧-质量-阻尼模型的典型结构示意图。该弹簧-质量-阻尼模型作为一种通用的物理模型，可用于不同场景下的机械振动或运动分析，如汽车缓冲器实现、机械臂柔性力控制、高层建筑减震、降落伞降落等不同领域。如图2所示，该弹簧-质量-阻尼模型包括一个质量块、分别与该质量块连接的弹簧及阻尼器结构，而根据牛顿第二定律，可以构建得到该质量块的受力平衡方程。
如背景技术中提及，在机器人稳定控制过程中，机器人的躯干的实际运动轨迹与期望运动轨迹之间会产生相位滞后，而这种相位滞后特性可以采用上述的弹簧-质量-阻尼模型来近似描述，如图3所示，其中，为期望的质心位置，而实际的质心位置为xc。由于利用该弹簧-质量-阻尼模型进行分析及控制，无法解决相位滞后这一问题，为此，本申请实施例提出一种新的物理模型，即弹簧-质量-阻尼-加速度模型，其通过引入加速度信息，可以实现目标对象的期望轨迹的超前输入，可大大提升控制器的跟踪、响应性能等。
下面对该弹簧-质量-阻尼-加速度模型的构建方法进行说明。
图4所示为本申请实施例提出的弹簧-质量-阻尼-加速度模型构建方法的第一流程图。示范性地，该弹簧-质量-阻尼-加速度模型的构建方法包括步骤S110～S120：
S110，在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块，得到一弹簧-质量-阻尼-加速度模型。其中，该第二质量块和目标对象的期望加速度用于对第一质量块产生作用力。
其中，该第二质量块是一个带有一定的质量的虚拟块，主要用于引入加速度信息。本实施例中，该第二质量块的质量大小可以根据实际情况来选取，例如，可以根据需要超前输入的偏差量等来确定，这里不作限定。例如，在机器人稳定行走控制场景中，该第二质量块的大小可根据机器人输入的期望轨迹与实际轨迹之间的相位偏差来确定。
以上述的弹簧-质量-阻尼模型为基础，如图5所示，该弹簧-质量-阻尼模型通过增加另一个质量块，以引入期望加速度对第一质量块的作用力，进而利用这一作用力，能够计算得到输入信号的超前输入量，以实现输入信号的前馈效果。可以理解，信号的前馈主要是利用输入信号计算得到而与反馈信号无关。
S120，对第一质量块进行受力平衡分析，得到弹簧-质量-阻尼-加速度模型的动力学方程。其中，该弹簧-质量-阻尼-加速度模型的动力学方程能够用于求解目标对象的位置超前输入量。
本实施例中，该第一质量块除了受到弹簧及阻尼器的作用力外，还受到第二质量块对其的作用力，于是根据牛顿第二定律，即可以得到如下的第一质量块的受力平衡方程：
式中，分别表示规划的期望位置、期望速度和期望加速度，作为该弹簧-质量-阻尼-加速度模型的输入；ks表示弹簧的刚度系数，kd表示阻尼器的阻尼系数，M和m分别为第一质量块和第二质量块的质量。其中，上述的受力平衡方程也即该弹簧-质量-阻尼-加速度模型的动力学方程。通过对该动力学方程进行求解，可以得到该模型的输出，本实施例的模型输出为目标对象的位置超前输入量Δxc。
由于目标对象的连续运动控制往往是通过在连续的多个控制指令周期内依次实现的，在一种实施方式中，可采用离散化处理求解上述的动力学方程，如图6所示，上述的构建方法还包括步骤S130：
S130，对弹簧-质量-阻尼-加速度模型的动力学方程进行离散化处理，得到弹簧-质量-阻尼-加速度模型的离散状态方程。其中，离散状态方程用于求解目标对象在对应时刻的位置超前输入量。
在一种实施方式中，该离散状态方程的表达式如下：
其中，Fk表示k时刻目标对象受到的作用力，和/>分别表示k时刻该目标对象的期望位置、期望速度和期望加速度。
于是，对于k时刻的位置超前输入量Δxck，则可根据k时刻的作用力及上一时刻的位置超前输入量Δxck-1来计算得到，即有：
其中，Δxck和Δxck-1分别表示k时刻和k-1时刻的位置超前输入量，Δt表示k时刻和k-1时刻之间的间隔时间，例如，对于机器人运动控制而言，Δt可以为一个控制指令周期等。
本申请实施例提出一种新物理模型，即弹簧-质量-阻尼-加速度模型，通过该模型可以计算得到输入的期望位置的超前输入量Δxc，以实现对输入信号的超前输入。应当明白的是，本申请实施例的弹簧-质量-阻尼-加速度模型不仅限于后续实施例列举的机器人运动控制的场景中，其可以适用于任意存在弹簧阻尼控制特性的物理系统，如机械臂精准切割、打磨轨迹跟踪、车辆传动等诸多场景中。
基于上述的弹簧-质量-阻尼-加速度模型，本申请实施例进一步将其应用于具体的场景来验证该模型的有效性。在本实施例中，可将该模型应用在机器人的运动控制、工业机械臂的精准打磨、手术机器人切割等场景。
请参照图7，其为本申请实施例提供的机器人10的一种结构示意图。在本实施例中，该机器人10包括处理器11、存储器12和感知单元13等，其中，存储器12和感知单元13均与处理器11连接，存储器12存储有相应的计算机程序，处理器11用于执行该计算机程序以实施本申请实施例中的机器人稳定控制方法，从而实现机器人对期望ZMP的快速实时跟踪，大大提升了机器人的行走稳定性。
其中，处理器11可以是一种具有信号的处理能力的集成电路芯片。处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、图形处理器(GraphicsProcessing Unit，GPU)及网络处理器(Network Processor，NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件中的至少一种。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
其中，存储器12可以但不限于是，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器用于存储计算机程序，处理器在接收到执行指令后，可相应地执行计算机程序。
其中，感知单元13主要指在机器人身上设置的传感器，这些传感器用于将必要的外部信息以及自身状态信息传递给机器人的控制系统，从而为机器人的决策提供必要的条件。在一些情况下，这些传感器可分为内部传感器和外部传感器，其中，内部传感器用于测量机器人自身状态的功能元件，其功能是测量运动学量和力学量，用于机器人感知自身的运动状态，使得机器人可以按照规定的位置、轨迹和速度等参数运动。例如，内部传感器包括但不限于，设于相应关节或躯干处的位置或角度传感器、六维力/力矩传感器、姿态传感器等，例如，可通过六维力/力矩传感或压力传感器等测量得到机器人的实际ZMP的位置等。而外部传感器主要是感知机器人自身所处环境以及自身和环境之家的相互信息，例如包括视觉、力觉等信息，具体可包括但不限于接近传感器、视觉传感器等。应当明白的是，上述列举的这些传感器可根据机器人的实际应用场景而选择性设置。
在本实施例中，该机器人10可以是具有双足的仿人机器人，也可以是具有三足及三足以上的机器人等，若是用于轨迹跟踪，该机器人也可以是机械臂，如工业机械臂等。以双足机器人为例，该机器人具有躯干(也称腰部)、以及与躯干连接的两个机械腿结构，其中，这两个机械腿结构通过相应的关节电机进行驱动，以进行位置交替变换，从而实现类似于人双腿交替行走的功能。可以理解，在该双足机器人行走过程中，可采用本申请实施例中的机器人稳定控制方法来实现对期望ZMP轨迹的快速跟踪等。
下面以双足机器人的ZMP(零力矩点)跟踪控制应用场景为例，在机器人的步行过程中，如果机器人的重心投影的轨迹始终落在支撑面内，称之为稳定。当机器人保持静止或静态平衡时，其ZMP点与重心在地面上的投影重合。当机器人步行速度较高时，由于惯性力，重心在地面上的投影点不能保证始终与ZMP点重合。若ZMP点处于支撑区域之外时，机器人就会倾倒。因此，若使ZMP点始终处于合适的位置，则可以保证机器人的稳定行走。在本申请实施例中，通过控制机器人按照预先规划的期望ZMP轨迹进行运动，以保持稳定行走。
基于上述实施例的构建方法得到的弹簧-质量-阻尼-加速度模型，本申请实施例将这一新模型应用于机器人对期望ZMP的跟踪控制中，以实现机器人的稳定行走、以及提高对外界冲击的快速响应等。
参照图8，为本申请实施例的机器人稳定控制方法的第一流程图。示范性地，该机器人稳定控制方法包括步骤S210～S240：
S210，获取当前时刻机器人的期望零力矩点和反馈的实际零力矩点。
其中，期望零力矩点(简称期望ZMP)是指使机器人稳定行走在地面上的一个期望的点，可通过步态规划进行计算；而实际零力矩点(简称实际ZMP)是指该机器人在行走时的一个实际的点，可通过六维力/力矩传感器或多个压力传感器等测量得到。本实施例中，通过分别获取对应时刻的期望ZMP与实际ZMP，可以计算得到一个ZMP偏差，进而根据该ZMP偏差以及机器人质心位置与ZMP之间的关系，可对机器人进行质心位置的修正，使得机器人的实际ZMP尽量趋近于期望ZMP。
在一种实施方式中，如图9所示，该机器人在每个时刻的期望ZMP的获取，可包括子步骤S211～S213：
S211，将机器人简化为线性倒立摆模型，根据机器人的质心位置和质心速度的规划值，计算当前时刻机器人的规划捕获点。
其中，在矢状平面内，线性倒立摆模型由质心和一个可伸缩的轻质量的腿构成，在本实施例中，将机器人的躯干运动控制等效于该简化模型中质心的轨迹控制，以及将两条机械腿分别视为模型中可伸缩的连杆。
进而，基于线性倒立摆模型，在矢状平面内可构建如下机器人的动力学方程，可以理解，该动力学方程也反映了质心与ZMP点之间的关系。
其中，
式中，为质心的加速度，xc为质心位置，px为ZMP点的位置；ω为线性倒立摆的自然频率，是一个与线性倒立摆模型的质心高度Zc相关的常数，g为重力加速度。
其中，捕获点又称CP点(即Capture Point)，在线性倒立摆模型中，其物理含义是能实现倒立摆完全静止的一个支撑点。换言之，在运动过程中，如果机器人落脚在CP点上，那么就可以实现质心的完全静止，对于机器人而言，即能够处于静态或动态平衡的状态。
根据CP点的定义，可知，CP点的位置ξx与质心位置xc、质心速度满足如下关系：
可以理解，上述的规划CP点可通过规划的机器人质心位置及质心速度等计算得到。若通过公式表达，即有：
式中，ξplan表示规划CP点的位置，xplan和分别为规划的质心位置和质心速度。
S212，根据获取的质心位置和质心速度的测量值，计算当前时刻机器人的测量捕获点。
本实施例中，对于质心位置和质心速度的实际值，例如，可根据机器人的躯干处设置的惯性测量单元(IMU)以及相应末端处设置的六维力/力矩传感器等感知单元进行实时采集并进一步估计得到。同理，根据CP点的定义，测量捕获点(简称测量CP点)可根据得到的质心位置和质心速度的测量值来采用上述关系式计算得到。若通过公式表达，则有：
式中，ξmeasure表示测量的CP点的位置，xmeasure和分别为质心位置和质心速度的测量值。
S213，根据规划捕获点和测量捕获点基于机器人的捕获点与零力矩点之间的位置关系，计算当前时刻机器人的期望零力矩点。
其中，该机器人的CP点与ZMP点之间的关系可根据机器人的CP点与质心位置之间的预设关系和上述线性倒立摆模型的动力学方程来确定。具体地，通过对CP点与质心位置之间满足的等式关系进行微分，然后将其与上述的动力学方程结合，即可得到如下CP点与ZMP点之间的关系：
进而，通过求解一阶微分方程及移向变换，并将ξx(t)作为规划的CP点ξplan，ξx(0)作为反馈的CP点ξmeasure，可得到如下的ZMP的期望位置的计算公式：
式中，px为ZMP的期望位置，也即上述的期望ZMP，为经过上述公式变换处理得到的基于CP控制的调整参数，其可用于调整实际CP点对规划的CP点的跟踪效果。
在得到当前时刻的期望ZMP和实际ZMP后，执行步骤S220。
S220，基于零力矩点跟踪控制模型、期望零力矩点和实际零力矩点，计算当前时刻该机器人的质心运动状态的期望值。
其中，零力矩点跟踪控制模型(简称ZMP跟踪控制模型)用于实现期望ZMP位置的跟踪。本实施例中，该ZMP跟踪控制模型将期望ZMP与反馈的实际ZMP作为该ZMP跟踪控制模型的输入量，并将期望的质心运动状态作为输出量，例如，可将质心加速度作为输出量，或者也可将质心速度或质心位置等状态作为输出量。可以理解，当选取不同的状态参数作为输出量时，该ZMP跟踪控制模型的结构也会相应调整，对应地，模型的表达式也会随之变化。
例如，在一种实施方式中，可基于P(比例)控制器构建得到，并且将质心加速度作为模型的输出。此时，该ZMP跟踪控制模型的表达式如下：
式中，表示对期望ZMP跟踪时的期望的质心加速度，Kzmp表示ZMP跟踪控制模型的调整系数。
应当明白的是，本实施例构建的ZMP跟踪控制模型只要能够建立质心的相关状态与期望ZMP之间的联系，用以实现对期望ZMP的跟踪效果即可，其具体表达式并不仅限于上述列举出的示例。除了可基于P控制器构建得到，例如，该ZMP跟踪控制模型也可以基于如PI(比例-积分)、PI(比例-微分)、PID(比例-积分-微分)等其他类型的控制器构建得到，这里不作限定。
在一种实施方式中，该质心运动状态的期望值可包括期望的质心加速度、质心速度和/或质心位置的修正量，对于这些不同的期望值，可先根据期望零力矩点和实际零力矩点之间的偏差利用零力矩点跟踪控制模型，计算期望质心加速度。然后，对期望质心加速度进行一次积分，得到期望质心速度；再对期望质心加速度进行二次积分，得到质心位置修正量。
以上述的质心加速度作为输出量的ZMP跟踪控制模型为例，具体地，可将由步骤S100得到的期望ZMP和实际ZMP代入上述的模型表达式中，即可直接计算出当前时刻期望的质心加速度
对于期望的质心速度质心位置的修正量ΔX，基于同一ZMP跟踪控制模型，可进一步对期望的质心加速度进行两次积分，以分别得到期望的质心速度、以及质心位置的修正量。应当明白的是，本实施例通过先规划机器人质心位置的轨迹，并利用质心位置的轨迹基于CP控制来得到期望的ZMP轨迹，由于ZMP、CP点与质心位置之间的转换等会引入误差，导致实际的质心位置与规划的质心位置之间存在偏差，为此，本实施例在进行ZMP跟踪时，通过计算质心位置的变化量，以用于对已规划的质心位置进行修正，因此，计算到的该变化量又称为质心位置的修正量。
在一种实施方式中，可通过对上述的质心加速度进行一次积分并进行离散化处理，得到如下的质心速度的计算表达式：
式中，为对期望ZMP跟踪时的k时刻期望的质心速度，/>为k-1时刻期望的质心速度，/>为k时刻期望的质心加速度。
在一种实施方式中，可通过对上述的质心加速度进行二次积分或者对质心速度进行一次积分并进行离散化处理，得到如下的质心位置的变化量的计算表达式：
式中，ΔX(k)和ΔX(k-1)分别为k时刻和k-1时刻质心位置的变化量。
由于机器人的期望运动轨迹与实际运动轨迹存在相位滞后的问题，导致这一现象的原因主要为机器人的机械结构存在运动惯性，对此，本实施例中，在得到质心位置的修正量后，将利用上述构建得到的弹簧-质量-阻尼-加速度模型，来实现对质心位置的修正量的超前输入，从而解决相位偏差的问题。最后，根据已规划的质心位置及带有超前输入量的修正量，可计算得到用于实际控制的质心位置。
S230，基于弹簧-质量-阻尼-加速度模型和上述质心运动状态的期望值，计算当前时刻该质心位置修正量的超前控制输入量。
其中，上述的超前控制输入量是指带超前输入的质心位置修正量。本实施例中，将上述求解到的质心运动状态的期望值作为该弹簧-质量-阻尼-加速度模型的输入量，并将质心位置修正量的超前控制输入量作为输出，以计算得到该超前控制输入量。
在一种实施方式中，可采用上述的弹簧-质量-阻尼-加速度模型的离散化状态方程来求解，如图10所示，步骤S230包括子步骤S231～S232：
S231，根据当前时刻的质心位置修正量、期望质心速度和期望质心加速度利用弹簧-质量-阻尼-加速度模型的离散状态方程，计算当前时刻机器人质心受到的作用力。
示范性地，可将求解到的质心位置修正量ΔX(k)作为离散状态方程中的期望位置将期望的质心速度/>作为该离散状态方程中的期望速度/>以及将期望的质心加速度/>作为该离散状态方程中的期望加速度/>分别代入如下方程中，则可以计算得到k时刻机器人质心受到的作用力Fk：
S232，根据当前时刻机器人质心受到的作用力和上一时刻质心位置修正量的超前控制输入量，得到当前时刻质心位置修正量的超前控制输入量。
然后，根据k时刻机器人质心受到的作用力Fk、k-1时刻的超前控制输入量Δxck-1，结合如下方程，则可计算得到k时刻的超前控制输入量Δxck：
S240，根据当前时刻超前控制输入量和质心位置的规划值控制机器人运动，以实现机器人对期望零力矩点的跟踪。
示范性地，在得到当前时刻的超前控制输入量Δxc后，通过对已规划的质心位置进行修正，则可以得到当前时刻最终的质心位置，具体地：
xc＝xplan+Δxc；
其中，xc为带超前输入且经过修正后的质心位置，xplan为预先规划的质心位置。可以理解，以xc作为最终的质心期望位置对机器人的关节电机进行相应控制，使得机器人能按照生成的ZMP期望轨迹运动，实现稳定行走。
本申请实施例中，先通过基于CP控制实时生成ZMP的期望轨迹，并在计算出期望ZMP的同时对机器人的质心位置进行修正，而后进一步利用构建的弹簧-质量-阻尼-加速度模型来计算质心位置修正量的超前输入量，以此实现对质心轨迹的前馈输入，而这一前馈输入提高了机器人控制的实时性，有效地解决了机器人实际的运动轨迹与期望运动轨迹的相位偏差问题。如图11所示，从基于弹簧-质量-阻尼-加速度模型的机器人ZMP跟踪曲线中可以看出，该机器人实现了ZMP的快速跟踪。此外，由于机器人可以实现快速跟踪，这也进一步增强了机器人的抗冲击能力等。
请参照图12，基于上述实施例的机器人稳定控制方法，本申请实施例还提出一种机器人稳定控制装置100，下面对本申请实施例提供的机器人稳定控制装置100的具体组成进行相应描述。
示范性地，该机器人稳定控制装置100包括：
零力矩点获取模块110，用于获取当前时刻机器人的期望零力矩点和反馈的实际零力矩点。
质心状态获取模块120，用于基于零力矩点跟踪控制模型、期望零力矩点和实际零力矩点，计算当前时刻机器人的质心运动状态的期望值，质心运动状态包括质心位置修正量。
超前输入量计算模块130，用于基于弹簧-质量-阻尼-加速度模型和质心运动状态的期望值，计算当前时刻质心位置修正量的超前控制输入量。
跟踪控制模块140，用于根据当前时刻超前控制输入量和质心位置的规划值控制机器人运动，以实现机器人对期望零力矩点的跟踪。
作为一种可选的方案，该机器人稳定控制装置100还可包括模型构建模块150，用于构建上述的弹簧-质量-阻尼-加速度模型。如图13所示，该模型构建模块150包括模型搭建子模块151和受力分析子模块152。当然，上述的弹簧-质量-阻尼-加速度模型也可以是预先构建得到并存储在超前输入量计算模块130中以便直接调用，这里不作限定。
具体地，模型搭建子模块151用于在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块以得到弹簧-质量-阻尼-加速度模型；其中，第二质量块和期望加速度用于对第一质量块产生作用力。
受力分析子模块152用于对第一质量块进行受力平衡分析，得到弹簧-质量-阻尼-加速度模型的动力学方程；弹簧-质量-阻尼-加速度模型的动力学方程用于求解目标对象的位置超前输入量。可以理解，在本实施例中，该弹簧-质量-阻尼-加速度模型的动力学方程用于计算机器人进行零力矩点跟踪时的质心位置修正量的超前控制输入量。
可以理解，本实施例的机器人稳定控制装置对应于上述实施例的机器人稳定控制方法，上述实施例中的方法的可选项同样适用于本实施例，故在此不再重复描述。
可选地，本申请还提供了一种终端设备，如计算机等，示范性地，该终端设备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，从而使终端设备执行上述的弹簧-质量-阻尼-加速度模型构建方法。
本申请还提供了一种可读存储介质，用于储存上述机器人或上述终端设备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 (11)

1.一种机器人稳定控制方法，其特征在于，包括：
获取当前时刻所述机器人的期望零力矩点和反馈的实际零力矩点；
基于零力矩点跟踪控制模型、所述期望零力矩点和所述实际零力矩点，计算当前时刻所述机器人的质心运动状态的期望值，所述质心运动状态的期望值包括质心位置修正量；
基于弹簧-质量-阻尼-加速度模型和所述质心运动状态的期望值，计算当前时刻所述质心位置修正量的超前控制输入量；
根据当前时刻所述超前控制输入量和所述质心位置的规划值控制所述机器人运动，以实现所述机器人对所述期望零力矩点的跟踪；
所述弹簧-质量-阻尼-加速度模型通过预先构建得到，包括：
在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块以得到弹簧-质量-阻尼-加速度模型；其中，所述第二质量块和期望加速度用于对所述第一质量块产生作用力；
对所述第一质量块进行受力平衡分析，得到所述弹簧-质量-阻尼-加速度模型的动力学方程，所述弹簧-质量-阻尼-加速度模型的动力学方程用于计算所述机器人进行零力矩点跟踪时的质心位置修正量的超前控制输入量。
2.根据权利要求1所述的机器人稳定控制方法，其特征在于，所述质心运动状态的期望值包括所述质心位置修正量、期望质心速度和期望质心加速度；所述基于弹簧-质量-阻尼-加速度模型和所述质心运动状态的期望值，计算当前时刻所述质心位置修正量的超前控制输入量，包括：
根据当前时刻的所述质心位置修正量、所述期望质心速度和所述期望质心加速度利用所述弹簧-质量-阻尼-加速度模型的离散状态方程，计算当前时刻所述机器人质心受到的作用力；其中，所述离散状态方程通过对所述弹簧-质量-阻尼-加速度模型的动力学方程进行离散化处理得到；
根据当前时刻所述机器人质心受到的作用力和上一时刻所述质心位置修正量的超前控制输入量，得到当前时刻所述质心位置修正量的超前控制输入量。
3.根据权利要求1或2所述的机器人稳定控制方法，其特征在于，所述弹簧-质量-阻尼-加速度模型的动力学方程进行离散化处理，得到如下离散状态方程：
其中，Fk表示k时刻所述机器人质心受到的作用力，ks、kd、M和m分别表示弹簧的刚度系数、阻尼器的阻尼系数、所述第一质量块的质量和所述第二质量块的质量，和/>分别表示k时刻所述质心的期望位置、期望速度和期望加速度，Δxck和Δxck-1分别表示k时刻和k-1时刻的质心位置的超前控制输入量，Δt表示k时刻和k-1时刻之间的间隔时间。
4.根据权利要求1至2中任一项所述的机器人稳定控制方法，其特征在于，所述获取当前时刻所述机器人的期望零力矩点，包括：
将所述机器人简化为线性倒立摆模型，根据所述机器人的质心位置和质心速度的规划值，计算当前时刻所述机器人的规划捕获点；
根据获取的所述质心位置和所述质心速度的测量值，计算当前时刻所述机器人的测量捕获点；
根据所述规划捕获点和所述测量捕获点基于所述机器人的捕获点与零力矩点之间的位置关系，计算当前时刻所述机器人的期望零力矩点；其中，所述机器人的捕获点与零力矩点之间的位置关系根据所述机器人的捕获点与质心位置之间的预设关系和所述线性倒立摆模型的动力学方程确定。
5.根据权利要求2所述的机器人稳定控制方法，其特征在于，所述基于零力矩点跟踪控制模型、所述期望零力矩点和所述实际零力矩点，计算当前时刻所述机器人的质心运动状态的期望值，包括：
根据所述期望零力矩点和所述实际零力矩点之间的偏差利用所述零力矩点跟踪控制模型，计算所述期望质心加速度；
对所述期望质心加速度进行一次积分，得到所述期望质心速度；
对所述期望质心加速度进行二次积分，得到所述质心位置修正量。
6.一种弹簧-质量-阻尼-加速度模型构建方法，其特征在于，包括：
在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块以得到弹簧-质量-阻尼-加速度模型；其中，所述第二质量块和期望加速度用于对所述第一质量块产生作用力；
对所述第一质量块进行受力平衡分析，得到所述弹簧-质量-阻尼-加速度模型的动力学方程；所述弹簧-质量-阻尼-加速度模型的动力学方程用于求解目标对象的位置超前输入量。
7.根据权利要求6所述的弹簧-质量-阻尼-加速度模型构建方法，其特征在于，还包括：
对所述弹簧-质量-阻尼-加速度模型的动力学方程进行离散化处理，得到所述弹簧-质量-阻尼-加速度模型的离散状态方程，所述离散状态方程用于求解所述目标对象在对应时刻的位置超前输入量。
8.根据权利要求7所述的弹簧-质量-阻尼-加速度模型构建方法，其特征在于，所述弹簧-质量-阻尼-加速度模型的离散状态方程为：
其中，Fk表示k时刻所述目标对象受到的作用力，ks、kd、M和m分别表示弹簧的刚度系数、阻尼器的阻尼系数、所述第一质量块的质量和所述第二质量块的质量，和分别表示k时刻所述目标对象的期望位置、期望速度和期望加速度，Δxck和Δxck-1分别表示k时刻和k-1时刻的位置超前输入量，Δt表示k时刻和k-1时刻之间的间隔时间。
9.一种机器人稳定控制装置，其特征在于，包括：
零力矩点获取模块，用于获取当前时刻所述机器人的期望零力矩点和反馈的实际零力矩点；
质心状态获取模块，用于基于零力矩点跟踪控制模型、所述期望零力矩点和所述实际零力矩点，计算当前时刻所述机器人的质心运动状态的期望值，所述质心运动状态包括质心位置修正量；
超前输入量计算模块，用于基于弹簧-质量-阻尼-加速度模型和所述质心运动状态的期望值，计算当前时刻所述质心位置修正量的超前控制输入量；跟踪控制模块，用于根据当前时刻所述超前控制输入量和所述质心位置的规划值控制所述机器人运动，以实现所述机器人对所述期望零力矩点的跟踪；
所述机器人稳定控制装置包括：弹簧-质量-阻尼-加速度模型构建装置，所述弹簧-质量-阻尼-加速度模型构建装置包括：
模型搭建模块，用于在包含第一质量块的弹簧-质量-阻尼模型的基础上，增加第二质量块以得到弹簧-质量-阻尼-加速度模型；其中，所述第二质量块和目标对象的期望加速度用于对所述第一质量块产生作用力；受力分析模块，用于对所述第一质量块进行受力平衡分析，得到所述弹簧-质量-阻尼-加速度模型的动力学方程；所述弹簧-质量-阻尼-加速度模型的动力学方程用于求解所述目标对象的位置超前输入量。
10.一种机器人，其特征在于，所述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1-5中任一项所述的机器人稳定控制方法。
11.一种可读存储介质，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1-5中任一项所述的机器人稳定控制方法或权利要求6-8中任一项所述的弹簧-质量-阻尼-加速度模型构建方法。
CN202111552534.1A 2021-12-17 2021-12-17 机器人稳定控制方法、模型构建方法、装置和机器人 Active CN114161402B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111552534.1A CN114161402B (zh) 2021-12-17 2021-12-17 机器人稳定控制方法、模型构建方法、装置和机器人
US18/071,462 US20230191604A1 (en) 2021-12-17 2022-11-29 Robot stability control method, robot and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111552534.1A CN114161402B (zh) 2021-12-17 2021-12-17 机器人稳定控制方法、模型构建方法、装置和机器人

Publications (2)

Publication Number Publication Date
CN114161402A CN114161402A (zh) 2022-03-11
CN114161402B true CN114161402B (zh) 2023-11-10

Family

ID=80487262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111552534.1A Active CN114161402B (zh) 2021-12-17 2021-12-17 机器人稳定控制方法、模型构建方法、装置和机器人

Country Status (2)

Country Link
US (1) US20230191604A1 (zh)
CN (1) CN114161402B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116442240B (zh) * 2023-05-26 2023-11-14 中山大学 一种基于高通滤波解耦的机器人零力控制方法及装置

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05305585A (ja) * 1992-04-30 1993-11-19 Honda Motor Co Ltd 脚式移動ロボットの歩行制御装置
JPH05305586A (ja) * 1992-04-30 1993-11-19 Honda Motor Co Ltd 脚式移動ロボットの歩行制御装置
JPH06262583A (ja) * 1991-08-02 1994-09-20 Agency Of Ind Science & Technol マニピュレータ用振動防止装置
JP2007007796A (ja) * 2005-07-01 2007-01-18 Toyota Motor Corp 歩行ロボット
CN1914009A (zh) * 2004-01-28 2007-02-14 丰田自动车株式会社 腿式机器人以及腿式机器人的行走控制方法
AT504536A1 (de) * 2006-10-30 2008-06-15 Ehrenleitner Franz Verfahren zur bewegung von lasten, werkzeugen und dergleichen
JP2009107033A (ja) * 2007-10-26 2009-05-21 Toyota Motor Corp 脚式移動ロボット及びその制御方法
JP2012040644A (ja) * 2010-08-19 2012-03-01 National Institute Of Advanced Industrial Science & Technology 歩行ロボットのｚｍｐ制御装置
KR20130019922A (ko) * 2011-08-18 2013-02-27 현대자동차주식회사 착용로봇 제어방법
KR20130019921A (ko) * 2011-08-18 2013-02-27 현대자동차주식회사 로봇의 동적보행 제어방법 및 시스템
KR20130061786A (ko) * 2011-12-02 2013-06-12 현대자동차주식회사 착용식 로봇의 제어방법
CN106707744A (zh) * 2016-10-31 2017-05-24 江苏华航威泰机器人科技有限公司 一种5连杆外骨骼机器人起蹲过程稳定性控制方法
CN108237532A (zh) * 2016-12-23 2018-07-03 深圳光启合众科技有限公司 多足机器人的步态控制方法、装置和机器人
CN110202580A (zh) * 2019-06-28 2019-09-06 北京理工大学 一种扰动恢复的仿人机器人空间柔顺控制模型构建方法
CN110244791A (zh) * 2019-07-11 2019-09-17 北京理工大学 一种双足机器人足部力和力矩跟随控制方法
CN110405761A (zh) * 2019-07-22 2019-11-05 北京理工大学 一种机器人关节的仿生粘弹性控制方法
CN111098300A (zh) * 2019-12-13 2020-05-05 深圳市优必选科技股份有限公司 一种机器人平衡控制方法、装置、可读存储介质及机器人
CN112536796A (zh) * 2020-11-23 2021-03-23 深圳市优必选科技股份有限公司 机器人控制方法、装置、计算机可读存储介质及机器人
CN113400313A (zh) * 2021-07-02 2021-09-17 西北工业大学 基于Zener模型的机器人-环境柔顺接触过程的阻抗控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI592779B (zh) * 2010-04-21 2017-07-21 三角設計公司 加速一裝置之系統及方法
CN110210074B (zh) * 2019-05-13 2022-08-16 中国第一汽车股份有限公司 一种利用液阻悬置的整车平顺性优化方法
WO2020233050A1 (zh) * 2019-11-26 2020-11-26 浙江大学 一种双足机器人不平整路面动态跑步步态实现方法
CN112936291B (zh) * 2021-03-26 2022-11-15 中国科学院宁波材料技术与工程研究所 一种基于阻抗控制的力控末端执行器振动抑制方法
CN113427483A (zh) * 2021-05-19 2021-09-24 广州中国科学院先进技术研究所 一种基于强化学习的双机器人力/位多元数据驱动方法
CN113721459A (zh) * 2021-07-12 2021-11-30 洛阳尚奇机器人科技有限公司 一种两质量-弹簧-阻尼系统位置控制方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06262583A (ja) * 1991-08-02 1994-09-20 Agency Of Ind Science & Technol マニピュレータ用振動防止装置
JPH05305585A (ja) * 1992-04-30 1993-11-19 Honda Motor Co Ltd 脚式移動ロボットの歩行制御装置
JPH05305586A (ja) * 1992-04-30 1993-11-19 Honda Motor Co Ltd 脚式移動ロボットの歩行制御装置
CN1914009A (zh) * 2004-01-28 2007-02-14 丰田自动车株式会社 腿式机器人以及腿式机器人的行走控制方法
JP2007007796A (ja) * 2005-07-01 2007-01-18 Toyota Motor Corp 歩行ロボット
AT504536A1 (de) * 2006-10-30 2008-06-15 Ehrenleitner Franz Verfahren zur bewegung von lasten, werkzeugen und dergleichen
EP2089780A1 (de) * 2006-10-30 2009-08-19 Franz Ehrenleitner Verfahren zur beseitigung des schleppfehlers des arbeitspunktes einer vorrichtung
JP2009107033A (ja) * 2007-10-26 2009-05-21 Toyota Motor Corp 脚式移動ロボット及びその制御方法
JP2012040644A (ja) * 2010-08-19 2012-03-01 National Institute Of Advanced Industrial Science & Technology 歩行ロボットのｚｍｐ制御装置
KR20130019921A (ko) * 2011-08-18 2013-02-27 현대자동차주식회사 로봇의 동적보행 제어방법 및 시스템
KR20130019922A (ko) * 2011-08-18 2013-02-27 현대자동차주식회사 착용로봇 제어방법
KR20130061786A (ko) * 2011-12-02 2013-06-12 현대자동차주식회사 착용식 로봇의 제어방법
CN106707744A (zh) * 2016-10-31 2017-05-24 江苏华航威泰机器人科技有限公司 一种5连杆外骨骼机器人起蹲过程稳定性控制方法
CN108237532A (zh) * 2016-12-23 2018-07-03 深圳光启合众科技有限公司 多足机器人的步态控制方法、装置和机器人
CN110202580A (zh) * 2019-06-28 2019-09-06 北京理工大学 一种扰动恢复的仿人机器人空间柔顺控制模型构建方法
CN110244791A (zh) * 2019-07-11 2019-09-17 北京理工大学 一种双足机器人足部力和力矩跟随控制方法
CN110405761A (zh) * 2019-07-22 2019-11-05 北京理工大学 一种机器人关节的仿生粘弹性控制方法
CN111098300A (zh) * 2019-12-13 2020-05-05 深圳市优必选科技股份有限公司 一种机器人平衡控制方法、装置、可读存储介质及机器人
CN112536796A (zh) * 2020-11-23 2021-03-23 深圳市优必选科技股份有限公司 机器人控制方法、装置、计算机可读存储介质及机器人
CN113400313A (zh) * 2021-07-02 2021-09-17 西北工业大学 基于Zener模型的机器人-环境柔顺接触过程的阻抗控制方法

Also Published As

Publication number Publication date
CN114161402A (zh) 2022-03-11
US20230191604A1 (en) 2023-06-22

Similar Documents

Publication Publication Date Title
JP5232124B2 (ja) 脚式移動ロボットの制御装置
CN106094528B (zh) 一种空间柔性机械臂振动抑制算法
JP2011093025A (ja) 脚式移動ロボットの制御装置
JP6781101B2 (ja) 非線形システムの制御方法、二足歩行ロボットの制御装置、二足歩行ロボットの制御方法及びそのプログラム
CN109352656B (zh) 一种具有时变输出约束的多关节机械臂控制方法
Ariffin et al. Low cost MEMS gyroscope and accelerometer implementation without Kalman Filter for angle estimation
CN114161402B (zh) 机器人稳定控制方法、模型构建方法、装置和机器人
Leccadito et al. A kalman filter based attitude heading reference system using a low cost inertial measurement unit
Bazylev et al. Adaptive control system for quadrotor equiped with robotic arm
Han et al. Development of omnidirectional self-balancing robot
Castro-Toscano et al. A methodological use of inertial navigation systems for strapdown navigation task
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
CN114137840B (zh) 足式机器人全局平衡控制方法、装置和足式机器人
Farkhatdinov et al. On the benefits of head stabilization with a view to control balance and locomotion in humanoids
CN112975965A (zh) 仿人机器人的解耦控制方法、装置和仿人机器人
Božek et al. Reverse validation of a programmed robot trajectory based on INS
WO2024021767A1 (zh) 控制足式机器人的方法、装置、设备、足式机器人、计算机可读存储介质和计算机程序产品
Suprapto et al. Comparison of control methods PD, PI, and PID on two wheeled self balancing robot
Krishna et al. Epersist: A Self Balancing Robot Using PID Controller And Deep Reinforcement Learning
Vladimír et al. Application of INS to mechatronic systems control and regulation using virtual dynamic models
Surya et al. Robust adaptive proportional derivative-active force control for unmanned hexacopter
Rossi et al. Sensor Filtering and State Estimation of a Fast Simulated Planar Bipedal Robot
Campos-Macias et al. Stabilization method for dynamic gait in bipedal walking robots
Rossi et al. Sensor filtering and position tracking of a simulated planar bipedal robot
US20240227203A1 (en) State estimation for legged 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