CN114625129B - 位控腿足机器人的运动控制方法及系统 - Google Patents
位控腿足机器人的运动控制方法及系统 Download PDFInfo
- Publication number
- CN114625129B CN114625129B CN202210161690.3A CN202210161690A CN114625129B CN 114625129 B CN114625129 B CN 114625129B CN 202210161690 A CN202210161690 A CN 202210161690A CN 114625129 B CN114625129 B CN 114625129B
- Authority
- CN
- China
- Prior art keywords
- leg
- robot
- state
- current
- foot
- 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
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000005021 gait Effects 0.000 claims abstract description 53
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000009897 systematic effect Effects 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- 206010034701 Peroneal nerve palsy Diseases 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims 4
- 238000006243 chemical reaction Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 101100186920 Campylobacter jejuni subsp. jejuni serotype O:2 (strain ATCC 700819 / NCTC 11168) legI gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Acoustics & Sound (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种位控腿足机器人的运动控制方法及系统,该方法包括基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;以所述状态演变轨迹为优化目标,所述腿足机器人的当前足底位置、系统误差变量和所述当前系统状态为求解初值和系统动力学模型工作点,并根据所述当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得所述腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;基于支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力;通过导纳变换将支撑腿期望足底位置和支撑腿目标末端支撑力,转换为支撑腿目标足底位置。该方法可提升运动稳定性。
Description
技术领域
本发明涉及机器人控制技术领域,尤其涉及一种位控腿足机器人的运动控制方法及系统。
背景技术
随着深度学习算法的精进以及语音识别、图像识别等人工智能技术的发展,机器人的相关产品越来越多的出现在我们身边,从娱乐、效率等多个方面给人类带来了便利。
轮式、履带式机器人在行动方面对于地面的要求严格,限制了应用场景的拓宽,腿足机器人在运动的灵活性以及环境的适应性上比轮式、履带式机器人拥有更为显著的优势,广泛应用于物质的运输、野外的勘测、灾祸的救援以及一些高危险环境作业等应用领域。
目前,腿足机器人实现稳定行走的控制技术主要分为两类:一、.基于动力学模型,针对腿足机器人的驱动关节的驱动位置和力矩输出进行跟踪控制,该类技术需要使用输出力矩准确度高力矩电机,力矩电机难以部署在高负载或小尺寸的机器人上,限制了该类技术的应用;二、基于简化的动力学模型,针对腿足机器人的驱动关节的驱动位置进行跟踪控制,该类技术由于使用了简化的运动学模型,难以实现灵活复杂的运动控制。
发明内容
本发明提供一种位控腿足机器人的运动控制方法及系统,用以解决现有技术中控制腿足机器人稳定行走的技术所存在的缺陷。
本发明提供一种位控腿足机器人的运动控制方法,包括:
基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
以所述状态演变轨迹为优化目标,所述腿足机器人的当前足底位置、系统误差变量和所述当前系统状态为求解初值和系统动力学模型工作点,并根据所述当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得所述腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
基于所述支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,所述支撑腿补偿末端支撑力基于所述系统误差变量确定;
通过导纳变换将所述支撑腿期望足底位置和所述支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
根据本发明提供的一种位控腿足机器人的运动控制方法,所述系统误差变量通过如下步骤确定:
基于所述当前系统状态、所述演化系统状态、所述当前足底位置以及所述支撑腿期望末端支撑力,通过比较所述腿足机器人的实际状态反馈和计算状态反馈的误差,确定所述系统误差变量。
根据本发明提供的一种位控腿足机器人的运动控制方法,所述方法还包括:
基于所述腿足机器人的关节角角度、机身姿态角、机身角速度、机身加速度和足底接触指示变量,确定所述当前足底位置、所述当前系统状态和所述行走地面参数。
根据本发明提供的一种位控腿足机器人的运动控制方法,在所述基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位之后,所述方法还包括:
基于所述状态演变轨迹、所述当前系统状态和所述行走地面参数,确定所述腿足机器人的腾空腿运动轨迹。
本发明还提供一种位控腿足机器人的运动控制系统,包括:
步态运动指令生成器,所述步态运动指令生成器用于基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
模型预测控制控制器,所述模型预测控制控制器连接所述步态运动指令生成器,所述模型预测控制控制器用于以所述状态演变轨迹为优化目标,所述腿足机器人的当前足底位置、系统误差变量和所述当前系统状态为求解初值和系统动力学模型工作点,并根据所述当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得所述腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
次级平衡控制模块,所述次级平衡控制模块用于基于所述支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,所述支撑腿补偿末端支撑力基于所述系统误差变量确定;
导纳变换模块,所述导纳变换模块连接所述次级平衡控制模块和所述模型预测控制控制器,所述导纳变换模块用于通过导纳变换将所述支撑腿期望足底位置和所述支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
根据本发明提供的一种位控腿足机器人的运动控制系统,还包括:
系统误差观测器,所述系统误差观测器连接所述模型预测控制控制器,所述系统误差观测器用于基于所述当前系统状态、所述演化系统状态、所述当前足底位置以及所述支撑腿期望末端支撑力,通过比较所述腿足机器人的实际状态反馈和计算状态反馈的误差,确定所述系统误差变量。
根据本发明提供的一种位控腿足机器人的运动控制系统,还包括:
状态观测器,所述状态观测器连接所述系统误差观测器,所述状态观测器用于基于所述腿足机器人的关节角角度、机身姿态角、机身角速度、机身加速度和足底接触指示变量,确定所述当前足底位置、所述当前系统状态和所述行走地面参数。
根据本发明提供的一种位控腿足机器人的运动控制系统,还包括:
落脚点控制模块,所述落脚点控制模块连接所述导纳变换模块,所述落脚点控制模块用于基于所述状态演变轨迹、所述当前系统状态和所述行走地面参数,确定所述腿足机器人的腾空腿运动轨迹。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述位控腿足机器人的运动控制方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述位控腿足机器人的运动控制方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述位控腿足机器人的运动控制方法。
本发明提供的位控腿足机器人的运动控制方法及系统,通过在线优化确定出腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力,进而通过导纳变换得到支撑腿目标足底位置,控制腿足机器人实现稳定行走,可以应用于高负载或小体积的腿足机器人中,且可以在不增加运动系统的硬件成本的前提下,提升了腿足机器人的运动灵活性与稳定性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的位控腿足机器人的运动控制方法的流程示意图;
图2是本发明提供的位控腿足机器人的运动控制系统的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,控制机器人实现运动平衡、稳定行走的运动控制技术根据驱动器的功能分为两类。
一、力矩控制模式。
基于动力学模型,针对腿足机器人的驱动关节的驱动位置和力矩输出进行跟踪控制,根据包含质心速度、位置以及躯干姿态角的目标的运动指令,以腿足机器人的动力学模型为约束进行优化,实现最小目标偏差的驱动关节的输出扭矩和位置,将扭矩和位置的计算结果下发至各个驱动关节,实现机器人的稳定行走。
该类控制方法可以实现灵活且稳定的机器人控制,但是对于驱动关节的性能,尤其是对输出力矩准确度的要求较高,限制了该类方法的应用场景。
该类控制方法的驱动关节的力矩可控电机主要使用低减速比的无刷外转子电机或串联弹性驱动关节,无刷外转子电机输出扭矩的提高往往伴随着电机尺寸与重量的急剧增长,难以部署在高负载或小尺寸的机器人系统之中,而串联弹性驱动关节则较为复杂,进一步限制了该类控制方法的适用性。
二、位置控制模式。
基于简化运动学模型的前馈加反馈控制,针对腿足机器人的驱动关节的驱动位置进行跟踪控制,先离线规划得到各个驱动关节在稳定行走状态下运动位置轨迹,然后在实时运行时重复该轨迹,同时根据实时的状态反馈偏差调整各个驱动关节的位置输出,最终实现机器人的稳定运动。
该类控制方法所使用的运动学模型为如倒立摆、桌子小车模型等固定的简化模型,对机器人复杂运动的近似抽象与简化,根据简化模型中驱动关节的转动位置、速度变化即可直接得到躯干位置、速度和姿态角等变量的变化情况。
由于简化模型往往基于某些预设条件才能实现相关的近似与简化,因此不能全面且精确地描述腿足机器人的运动规律,运动控制效果较为一般,其运动模式也往往较为机械,且不能实现较为复杂和灵活的运动模式。
针对上述两类控制方法所存在的缺陷,本发明提出一种腿足机器人的控制方法及系统,提升腿足机器人位置控制的运动灵活性与稳定性。
下面结合图1描述本发明的位控腿足机器人的运动控制方法,该方法的执行主体可以为腿足机器人的控制器,或者云端,或者边缘服务器。
在本发明实施例中,腿足机器人可以为单足机器人、双足机器人和多足机器人,腿足机器人的运动系统为位控关节组成的运动系统,也即无需安装力矩可控电机的运动系统。
如图1所述,本发明提供的位控腿足机器人的运动控制方法包括步骤110至步骤140。
步骤110、基于目标运动指令和腿足机器人的当前系统状态x,获得状态演变轨迹xd和当前步态相位φ。
其中,目标运动指令指用户或腿足机器人的上层向腿足机器人下发的运动指令,目标运动指令包括控制腿足机器人运动的目标质心位置、目标速度和目标偏航角等信息。
在该步骤中,根据目标运动指令,针对腿足机器人的当前系统状态x进行进一步的插值平滑,得到关于腿足机器人的各个系统状态状态演变轨迹xd。
根据腿足机器人的当前系统状态x可以输出腿足机器人在当前步态的当前步态相位φ,根据当前步态相位φ确定腿足机器人的各腿足处于腾空状态或触地状态,也即根据当前步态相位φ判断腿足机器人在当前步态下的腾空腿和支撑腿。
步骤120、以状态演变轨迹xd为优化目标,腿足机器人的当前足底位置pi、系统误差变量和当前系统状态x为求解初值和系统动力学模型工作点,并根据当前步态相位φ和行走地面参数s确定的腿足约束条件,通过在线优化获得腿足机器人的在下个步长的演化系统状态支撑腿期望足底位置和支撑腿期望末端支撑力fc_i。
在该实施例中,可以基于模型预测控制方法接收腿足机器人系统状态的状态演变轨迹xd为优化目标,以当前足底位置pi、系统误差变量和当前系统状态x为求解初值和系统动力学模型工作点,并根据当前步态相位φ和行走地面参数s确定腿足机器人的腾空腿和支撑腿的约束条件,进行在线优化,得到腿足机器人在下个步长的演化系统状态支撑腿期望足底位置和支撑腿期望末端支撑力fc_i。
需要说明的是,状态演变轨迹xd是根据目标运动指令得到的平滑结果,实际的控制中不一定为可行的状态演变的轨迹,而演化系统状态是考虑动力学模型和各类约束条件后得到的理论可行的状态演变结果。
在实际执行中,只对支撑腿的演变轨迹进行求解,也即只获取支撑腿期望足底位置和支撑腿期望末端支撑力fc_i,不对腾空腿的演变轨迹进行求解,并将腾空腿的末端支撑力约束约束为0,腾空腿不与地面接触,可以直接使用位置控制模式的基于简化运动学模型进行控制。
在该实施例中,将模型预测控制方法引入到腿足机器人的位控系统中,相对于位控常用的基于倒立摆、ZMP、桌子小车模型等简化运动学模型的控制方法,通过动力学模型以及在线优化搜索方法,精确且全面地描述腿足机器人动力学特点,根据目标运动指令生成更为灵活的步态演化演变信息。
需要说明的是,可以通过其他在线规划控制方法得到腿足机器人在下个步长的演化系统状态支撑腿期望足底位置和支撑腿期望末端支撑力fc_i,不限于模型预测控制方法。
步骤130、基于支撑腿期望末端支撑力fc_i和支撑腿补偿末端支撑力fb_i,获得支撑腿目标末端支撑力fp_i。
在该实施例中,对于模型预测控制等在线优化方法得到的支撑腿期望末端支撑力fc_i进行补偿调节,针对系统误差变量采用便于参数调整的PID、虚拟模型控制等的具备显式控制规律的控制方法,得到支撑腿补偿末端支撑力fb_i。
将支撑腿期望末端支撑力fc_i和支撑腿补偿末端支撑力fb_i进行相加,获得最终的应用于导纳变换的支撑腿目标末端支撑力fp_i。
需要说明的是,模型预测控制等在线优化的运行周期一般较长,通过对支撑腿期望末端支撑力fc_i进行高频的补偿调节,可以有效应对突发干扰,以使当前系统状态x更好的跟踪演化系统状态
步骤130、通过导纳变换将支撑腿期望足底位置和支撑腿目标末端支撑力fp_i,转换为支撑腿目标足底位置
在该实施例中,将导纳变换方法引入腿足机器人,将支撑腿期望足底位置和支撑腿目标末端支撑力fp_i,转换为新的支撑腿目标足底位置
支撑腿目标足底位置是实现位控机器人的支撑腿迁移的位置信息,基于支撑腿目标足底位置对应支撑腿的驱动关节可以驱动腿足机器人实现稳定行走。
在单关节中,导纳变换方法原理可以如下式所示:
其中,α表示该关节最终的角度设定值,α0表示由力矩控制模式下力控关节控制算法得到的期望关节角度值,k和b为可调参数,s为拉普拉斯变换算子,τ表示由力控关节控制算法得到的期望关节扭矩。
相关技术中,导纳变换的力位转换应用于机械臂的控制,根据机械臂末端力传感器的接触力反馈来调整机械臂的位控系统的角度控制。
腿足机器人存在机身稳定性和运动问题需要协同考虑,而机械臂由于安装在固定基座上不存在稳定和运动问题。
在本发明实施例中,结合支撑腿期望足底位置和支撑腿目标末端支撑力fp_i进行导纳变换的力位转换和系统误差变量的误差估计,将力矩控制模式的控制方法中的在线规划引入位控系统的腿足机器人,使得腿足机器人的位控系统可以在不需要接触力测量单元的前提下使用基于复杂动力学模型的运动控制方法,同时系统误差变量解决了系统误差的补偿问题。
在本发明实施例中,提供了一种将力控机器人系统控制方法迁移到位控机器人系统上的有效途径,通过将力矩控制模式的控制方法中的在线规划引入位控系统的腿足机器人,降低力矩控制模式的算法对于驱动关节输出扭矩准确度的要求,使其得到的支撑腿目标足底位置等位控结果可以应用到高负载或小体积的腿足机器人,提升了位控机器人系统的运动稳定性和灵活性。
同时,针对位置控制模式的控制方法,由于引入了基于动力学模型的在线优化控制算法和导纳变换,摆脱了基于简化运动学模型进行控制的控制思路,有效避免对于离线规划步态的依赖,也无需人为设计步态切换过程,无需更改驱动器,也无需增加力传感器,在不增加腿足机器人的运动系统的硬件成本的前提下,提升了腿足机器人的运动系统的运动灵活性与稳定性。
根据本发明提供的位控腿足机器人的运动控制方法,通过在线优化确定出腿足机器人的在下个步长的演化系统状态支撑腿期望足底位置和支撑腿目标末端支撑力fp_i,进而通过导纳变换得到支撑腿目标足底位置控制腿足机器人实现稳定行走,可以应用于高负载或小体积的腿足机器人中,且可以在不增加运动系统的硬件成本的前提下,提升了腿足机器人的运动灵活性与稳定性。在一些实施例中,系统误差变量通过如下步骤确定:
基于当前系统状态x、演化系统状态当前足底位置pi以及支撑腿期望末端支撑力fc_i,通过比较腿足机器人的实际状态反馈和计算状态反馈的误差,确定系统误差变量
在该实施例中,通过结合当前系统状态x、演化系统状态当前足底位置pi以及支撑腿期望末端支撑力fc_i对于系统误差变量进行估计。
在理想状态下,模型预测控制方法中的建模完全准确,实际的机身演变状态应该与期望演变状态的相符,也即应有当前系统状态x=演化系统状态
在实际执行中,由于存在建模误差,且腿足机器人的位控系统使用的为位控电机,无法控制腿足支撑力,将模型预测控制方法中的建模中加入系统误差变量
通过比较当前系统状态x和演化系统状态的差异确定系统误差变量的大小,通过比较系统实际状态反馈与模型计算得到的状态反馈的误差来计算最优的系统误差变量估计,不断地在线纠正模型误差,修正模型预测控制方法中的建模模型的输出,避免系统误差对状态跟踪的影响,进而实现更加精确的运动控制。
在一些实施例中,基于腿足机器人的关节角角度αi、机身姿态角θ、机身角速度机身加速度和足底接触指示变量TDi,确定当前足底位置pi、当前系统状态x和行走地面参数s。
在该实施例中,机身姿态角θ机身角速度机身加速度可以通过腿足机器人的机载航姿测量系统AHRS反馈得到,腿足机器人的脚底接触开关反馈足底接触指示变量TDi。
根据关节角角度αi、机身姿态角θ、机身角速度机身加速度和足底接触指示变量TDi,对当前足底位置pi、当前系统状态x和行走地面参数s进行估计。
其中,行走地面参数s描述腿足机器人的行走地面在当前坐标系下的数学表达,根据行走地面参数s可以确定当前行走地面的倾斜度,进而对腿足机器人的平稳行走进行合理的后续控制。
在一些实施例中,对于腿足机器人的腾空腿,在基于目标运动指令和腿足机器人的当前系统状态x,获得状态演变轨迹xd和当前步态相位φ之后,位控腿足机器人的运动控制方法还包括:
基于状态演变轨迹xd、当前系统状态x和行走地面参数s,确定腿足机器人的腾空腿运动轨迹
由于模型预测控制等在线优化方法只计算了支撑腿期望末端支撑力fc_i和支撑腿期望足底位置需要考虑腾空腿的运行轨迹和下一步态的落脚点。
在该实施例中,可以采用多项式曲线构造,生成一条从原脚底位置到新落脚点的一条光滑轨迹,腾空腿的下一步态的落脚点的位置由状态演变轨迹xd和当前系统状态x共同确定,同时需要保证腾空腿的落脚点处于行走地面参数s所描述的行走地面上,保证腿足机器人的下一步落脚点位置不会冲击地面,避免落脚点位置过远对机身造成较大反冲影响行进速度及落脚点位置过近破坏机身维持导致机身翻倒。
下面对本发明提供的位控腿足机器人的运动控制系统进行描述,下文描述的位控腿足机器人的运动控制系统与上文描述的位控腿足机器人的运动控制方法可相互对应参照。
如图2所示,位控腿足机器人的运动控制系统包括:步态运动指令生成器210、模型预测控制控制器220、次级平衡控制模块260和导纳变换模块230。
步态运动指令生成器210用于基于目标运动指令和腿足机器人的当前系统状态x,获得状态演变轨迹xd和当前步态相位φ;
模型预测控制控制器220连接步态运动指令生成器210,模型预测控制控制器220用于以状态演变轨迹xd为优化目标,腿足机器人的当前足底位置pi、系统误差变量和当前系统状态x为求解初值和系统动力学模型工作点,并根据当前步态相位φ和行走地面参数s确定的腿足约束条件,通过在线优化获得腿足机器人的在下个步长的演化系统状态支撑腿期望足底位置和支撑腿期望末端支撑力fc_i;
次级平衡控制模块260,次级平衡控制模块260连接导纳变换模块230,次级平衡控制模块260用于基于支撑腿期望末端支撑力fc_i和支撑腿补偿末端支撑力fb_i,获得支撑腿目标末端支撑力fp_i;
导纳变换模块230连接模型预测控制控制器220和次级平衡控制模块260,用于通过导纳变换将支撑腿期望足底位置和支撑腿目标末端支撑力fp_i,转换为支撑腿目标足底位置
步态运动指令生成器210和模型预测控制控制器220位于腿足机器人系统的低频运作区块,运作频率低、运行周期长。
可以理解的是,模型预测控制控制器220的运行周期一般较长,难以应对突发干扰,为此在高频运作区域增加一个次级平衡控制模块260,以调节当前系统状态x更好地跟踪演化系统状态
在实际执行中,为提高次级平衡控制模块260的运行速度,次级平衡控制模块260不采用基于优化的控制算法,不采用基于优化的控制算法,便于进行参数调整。
导纳变换模块230位于腿足机器人系统的高频运作区块,运作频率高,可以及时确定支撑腿目标足底位置输出至位控模块280,以供位控模块280控制腿足机器人的各个腿足动作。
根据本发明提供的位控腿足机器人的运动控制系统,通过在线优化确定出腿足机器人的在下个步长的演化系统状态支撑腿期望足底位置和支撑腿期望末端支撑力fc_i,进而通过导纳变换得到支撑腿目标足底位置控制腿足机器人实现稳定行走,可以应用于高负载或小体积的腿足机器人中,且可以在不增加运动系统的硬件成本的前提下,提升了腿足机器人的运动灵活性与稳定性。
在一些实施例中,位控腿足机器人的运动控制系统还包括:
系统误差观测器240,系统误差观测器240连接模型预测控制控制器220,系统误差观测器240用于基于当前系统状态x、演化系统状态当前足底位置pi以及支撑腿期望末端支撑力fc_i,通过比较腿足机器人的实际状态反馈和计算状态反馈的误差,确定系统误差变量
在一些实施例中,位控腿足机器人的运动控制系统还包括:
状态观测器250,状态观测器250连接系统误差观测器240,状态观测器250用于基于腿足机器人的关节角角度αi、机身姿态角θ、机身角速度机身加速度和足底接触指示变量TDi,确定当前足底位置pi、当前系统状态x和行走地面参数s。
在一些实施例中,位控腿足机器人的运动控制系统还包括:
落脚点控制模块270,落脚点控制模块270连接导纳变换模块230,落脚点控制模块270用于基于状态演变轨迹xd、当前系统状态x和行走地面参数s,确定腿足机器人的腾空腿运动轨迹
导纳变换模块230输出给位控模块280的足底位置包括支撑腿目标足底位置和腾空腿运动轨迹
下面以腿足机器人为四足机器人为例进行运动控制的具体算法说明。
四足机器人的当前系统状态x为其中,r表示质心的三维位置,θ表示躯干的姿态角(包括俯仰、翻滚和偏航),表示质心的三维线速度,ω表示躯干角速度,g表示重力加速度。
在该实施例中,四足机器人的模型预测控制控制器220基于典型的自适应模型预测控制框架,对模型预测控制控制器220配置的动力学模型、约束条件和优化目标函数进行描述。
一、动力学模型。
模型预测控制控制器220采用单刚体模型为系统的动力学模型:
其中,m表示机身质量,r表示机器人躯干质心的三维坐标,fi表示足底接触力,下标i表示四足机器人的第i个腿足,g表示重力加速度,I表示机器人躯干的转动惯量,ω表示躯干旋转的角速度,pi表示机器人足底位置。
该单刚体模型忽略了腿部质量对于机身运动状态的影响,这对于四足机器人尤为适用,由于四足机器人主要采用了电机上移至躯干的结构方案,进而使得腿部质量低于总体质量的10%,工程应用上可以忽略其运动对于机身的影响。此外由于机器人旋转速度较小,也一般忽略ω×Iω项。
将上述单刚体模型为系统的动力学模型的方程表示为状态空间形式:
其中,A表示状态矩阵,B表示输入矩阵,0表示元素均为0的矩阵,1表示对角元素为1的单位矩阵,Tω为将世界坐标系下的角速度转化为欧拉姿态角角速度的变换矩阵。
将上述状态空间形式在计算机中使用时,使用零阶保持器对上述状态空间形式进行离散化:
其中,Ad表示A的离散化结果,Bd表示B的离散化结果,ts为离散时间,即低频运作区块的工作周期,e表示自然对数的底数。
在单刚体模型为系统的动力学模型中加入系统误差变量 表示实数集,系统误差变量用于应对可能的建模误差,得到新的动力学模型为:
其中,为引入系统误差变量后的增广状态矩阵、为引入系统误差后的增广输入矩阵。
根据得到的最终的系统离散动力学模型为:
u=[fc_1,fc_2,fc_3,fc_4]T
其中,上标T表示矩阵转置,N表示第N个控制周期、u为系统输入,即为各腿脚底支撑力的集合向量、y表示系统输出、fc_1、fc_2、fc_3、fc_4表示各腿的足底三维支撑力。
二、约束条件。
在该实施例中,约束条件是针对腾空腿和支撑腿进行有关步态、摩擦力及负载平衡的约束条件,如下式所示:
Eu+Fy≤G
其中,E表示针对输入的约束矩阵、F表示针对输出的约束矩阵、G表示一个常数向量。
上述约束条件是基于腿足机器人的各腿足接触地面的法向量vN、机身头部方向在地面上的投影向量vH和机身侧向在地面上的投影向量vL,这三个向量均为单位向量且包含于行走地面参数s中,或者可以根据行走地面参数s推导得出。
针对步态的约束条件,对于当前应当处于支撑相的足底,约束其关于行走地面的法向接触力不小于一个设定下限且不大于一个设定上限
对于当前应当处于腾空相的足底,也即腾空腿,约束其足底法向接触力为0。
即依次对于四条腿,假如第i条腿其处于腾空状态,那么对其足底支撑力的约束如下:
假如其处于支撑状态,则有:
针对摩擦力的约束条件,为加快优化的计算速度,采用摩擦金字塔进行摩擦约束。
假如地面与足底的摩擦力系数为μ,且有第i条腿为支撑腿,那么该摩擦力约束表示为:
针对负载平衡的约束条件,该约束条件约束支撑腿之间的关于平面法向支撑力的差值在设定数值范围内。
针对负载平衡的约束条件可以减小由于支撑力不平衡引起的机身姿态倾斜。
以四足机器人的对角步态为例,该步态由两组对角腿交替切换形成行走模式,假设两组支撑腿的编号分别为1,4与2,3,那么负载平衡约束具体表示为:
三、优化目标函数。
在该实施例中,目标函数为实现对于腿足机器人的系统状态设定值的跟踪,如下式所示:
其中,wi为针对不同输出变量的权重,为不同输出变量的设定值,yi为不同的输出变量,J表示优化的目标函数。
四足机器人的系统误差观测器240利用模型预测控制控制器220中的模型、来自状态观测器250的机身状态观测以及足底控制指令构建卡尔曼滤波器,进而估计系统误差变量
该卡尔曼滤波器的系统模型如下:
u=[fp_1,fp_2,fp_3,fp_4]T
其中,w和v为白噪声,观测量y为从状态观测器250得到系统状态估计,u为经过导纳转换之前的最终足底支撑力控制输入。
四足机器人的状态观测器250利用各关节的关节角角度αi和机载航姿参考系统(AHRS)反馈的线加速度a、角速度ω和机身姿态角θ来构建卡尔曼滤波器,从而对机身的在世界坐标系中的位置r、速度姿态角和角速度进行最优估计,即对当前系统状态x进行最优估计。
在实际执行中,考虑到目前的AHRS系统已经可以较准确地输出姿态角和角速度,故此处实际上只对机身位置和速度进行估计。
根据各关节的关节角反馈计算质心位置和速度,根据足底接触开关的检测,对于真实触底的足底的脚底坐标认为其固定在地面不动,那么即可根据关节角的变化利用正运动学算法反向求解得到机体的位移和速度。
此外考虑AHRS系统会给出较为准确的机身姿态,那么此处即可直接利用AHRS给出的姿态角将关节角反馈得到的机身速度和位置转化至世界坐标系中:
其中,rα为根据正运动学反馈得到的质心位置、为根据正运动学反馈得到的质心速度、Rzyx为根据姿态角得到的旋转矩阵。
卡尔曼滤波器使用的基于单质点运动模型:
其中,为额外增加的加速度零偏变量,用以消除加速度零点漂移,y即采用运动学估计得到的w和v为白噪声。
得到对于的估计后,再联合从AHRS中反馈得到的机身姿态角θ和角速度ω,最终即构成对于前系统状态x的估计。
四足机器人的次级平衡控制模块260主要为了弥补模型预测控制模块运行周期慢响应时间长的不足,进而采用控制规律较为简单的虚拟模型控制方法,进而对机身状态进行进一步纠正。
首先,由机身状态误差计算需要对躯干施加的虚拟力:
其中,kp、kd和ki为对应比例、微分和积分作用的可调参数,表示针对偏航角的旋转矩阵、为期望的质心位置、表示期望的姿态角、为对躯干施加的虚拟力和力矩。
在该实施例中,加入Rz(θz)的目的是将状态误差转移到本体坐标系中,从而保证前述可调参数不受机身旋转的影响。
然后,利用足底位置和接触开关的反馈构建从足底力到躯干虚拟力的雅克比矩阵M:
其中,TD1-TD4表示第一腿到第四腿的接触开关的反馈足底接触指示变量,该腿触地的话则此值为1,否则为0,pi表示足底位置,r表示质心位置,×为叉乘运算转换符,即将该运算符前面的向量转化为矩阵形式,从而实现将向量叉乘运算转化为普通的矩阵向量乘法运算。
最后,利用下式即可得到足底的支撑力的控制输出为:
式中ub=[fb_1,fb_2,fb_3,fb_4]对应图2中的支撑腿补偿末端支撑力fb_i。
四足机器人的落脚点控制模块270,由于模型预测控制控制模块和次级平衡控制模块260均通过足底支撑力对支撑腿进行控制,因此还需要落脚点控制模块270对于腾空腿进行控制,以合理控制腾空腿的落脚点,满足前进速度和平衡控制方面的要求。
对于四足机器人此处考虑每一步有两条腿支撑的对角步态,该步态下两组对角腿交替作为支撑腿进行运动,即保证每个时刻有且仅有两条腿支撑机体。
假设两条支撑腿在世界坐标系下的足底位置分别为ps1和ps2。那么在方向上由于有两条腿支撑,因此为全驱动方向,落脚点在此方向上无需考虑机体的平衡问题,只需考虑前进速度控制问题。
而在的垂直方向上,由于四足的足底一般为点足没有脚掌,因此构成了一个欠驱动的倒立摆模型,在此方向上的落脚点位置不仅需要考虑前进速度控制问题,还需要考虑机体的平衡问题。
具体算法如下,首先得到支撑腿的全驱动与欠驱动平面的方向向量:
n⊥=vN×n
其中vN为接触地面的法向量,n表示连接两个支撑腿足底的单位向量、n⊥为与之垂直的且在地面内的垂直向量。
对于全驱动方向:
其中,tgait为一个步态周期的时间,kac为0到1之间的可调参数,pfp_a表示全驱动方向上的落脚点位置、表示实际质心速度、表示期望质心速度。
根据倒立摆模型,对于欠驱动方向:
其中,pfp_ua表示欠驱动方向上的落脚点位置、kuac1为与当前质心速度有关项的可调参数、kuac2为与当前质心速度与期望质心速度差值有关项的可调参数。
综上,两者相加即为最后的落脚点位置pfp:
pfp=pfp_a+pfp_ua+pshd
其中,pshd表示每条腿肩部的实时位置,由于肩部与机身固连,因此可由机身状态求解得到。
四足机器人的导纳变换模块230根据支撑腿期望足底位置和支撑腿目标末端支撑力fp_i,利用导纳变换规律将其转换为新的期望位置支撑腿目标足底位置发送至各关节,对于腾空腿则直接下发接收到的期望位置为腾空腿运动轨迹
其中,fp_i由次级平衡模块的输出fb_i和模型预测控制模块的输出fc_i相加得到。即对第i条腿有:
fp_i=fb_i+fc_i
由于fp_i没有考虑摩擦约束和法向力约束等情况,因此在进行导纳变换时需要对fp_i进行一次强化约束,具体算法如下:
min(u*-u)
s.t.diag([-μvN+vH,…,-μvN+vH])u*≤0
diag([-μvN-vH,…,-μvN-vH])u*≤0
diag([-μvN+vL,…,-μvN+vL])u*≤0
diag([-μvN-vL,…,-μvN-vL])u*≤0
上式中u=[fp_1,fp_2,fp_3,fp_4],为结果输出。
导纳变换规律将每个驱动关节认为是一个弹簧阻尼模型,对于第i条腿,考虑其由三个关节构成,那么转化规律如下:
其中,Δαi_n为第i条腿第n个关节在支撑力作用下应该增加的角度,αd_i为脚底位置对应的关节角,s为拉普拉斯变换算子,J(αi)为从关节角速度至末端速度的雅克比矩阵,也即上标T表示矩阵转置。即为前述fp_i强化约束后的结果。
综上,得到包括支撑腿目标足底位置和腾空腿运动轨迹的足底位置
其中,ffk(·)为从关节角计算足底位置的正运动学函数。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行位控腿足机器人的运动控制方法,该方法包括:基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
以状态演变轨迹为优化目标,腿足机器人的当前足底位置、系统误差变量和当前系统状态为求解初值和系统动力学模型工作点,并根据当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
基于支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,支撑腿补偿末端支撑力基于系统误差变量确定;
通过导纳变换将支撑腿期望足底位置和支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元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,本发明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(可以是个人计算机,服务器,或者网络设备等)执行本发明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。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的位控腿足机器人的运动控制方法,该方法包括:基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
以状态演变轨迹为优化目标,腿足机器人的当前足底位置、系统误差变量和当前系统状态为求解初值和系统动力学模型工作点,并根据当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
基于支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,支撑腿补偿末端支撑力基于系统误差变量确定;
通过导纳变换将支撑腿期望足底位置和支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的位控腿足机器人的运动控制方法,该方法包括:基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
以状态演变轨迹为优化目标,腿足机器人的当前足底位置、系统误差变量和当前系统状态为求解初值和系统动力学模型工作点,并根据当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
基于支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,支撑腿补偿末端支撑力基于系统误差变量确定;
通过导纳变换将支撑腿期望足底位置和支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种位控腿足机器人的运动控制方法,其特征在于,包括:
基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
以所述状态演变轨迹为优化目标,所述腿足机器人的当前足底位置、系统误差变量和所述当前系统状态为求解初值和系统动力学模型工作点,并根据所述当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得所述腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
所述系统动力学模型为单刚体模型,所述单刚体模型通过下式表示:
其中,m表示机身质量,r表示机器人躯干质心的三维坐标,为机身加速度,fi表示足底接触力,下标i表示四足机器人的第i个腿足,g表示重力加速度,I表示机器人躯干的转动惯量,ω表示躯干旋转的角速度,pi表示机器人足底位置;
所述腿足约束条件为针对腾空腿和支撑腿进行有关步态、摩擦力及负载平衡的约束条件,所述腿足约束条件通过下式表示:
Eu+Fy≤G
其中,E表示针对输入的约束矩阵、F表示针对输出的约束矩阵、G表示一个常数向量,u为系统输入,y为系统输出;
针对步态的约束条件包括:约束支撑腿的足底关于行走地面的法向接触力不小于一个设定下限且不大于一个设定上限约束腾空腿的足底法向接触力为0;
针对摩擦力的约束条件包括:假如地面与足底的摩擦力系数为μ,且有第i条腿为支撑腿,摩擦力约束表示为:
其中,fc_i为支撑腿期望末端支撑力;
针对负载平衡的约束条件包括:约束支撑腿之间的关于平面法向支撑力的差值在设定数值范围内;
基于所述支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,所述支撑腿补偿末端支撑力基于所述系统误差变量确定;
通过导纳变换将所述支撑腿期望足底位置和所述支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
2.根据权利要求1所述的位控腿足机器人的运动控制方法,其特征在于,所述系统误差变量通过如下步骤确定:
基于所述当前系统状态、所述演化系统状态、所述当前足底位置以及所述支撑腿期望末端支撑力,通过比较所述腿足机器人的实际状态反馈和计算状态反馈的误差,确定所述系统误差变量。
3.根据权利要求1所述的位控腿足机器人的运动控制方法,其特征在于,所述方法还包括:
基于所述腿足机器人的关节角角度、机身姿态角、机身角速度、机身加速度和足底接触指示变量,确定所述当前足底位置、所述当前系统状态和所述行走地面参数。
4.根据权利要求1-3任一项所述的位控腿足机器人的运动控制方法,其特征在于,在所述基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位之后,所述方法还包括:
基于所述状态演变轨迹、所述当前系统状态和所述行走地面参数,确定所述腿足机器人的腾空腿运动轨迹。
5.一种位控腿足机器人的运动控制系统,其特征在于,包括:
步态运动指令生成器,所述步态运动指令生成器用于基于目标运动指令和腿足机器人的当前系统状态,获得状态演变轨迹和当前步态相位;
模型预测控制控制器,所述模型预测控制控制器连接所述步态运动指令生成器,所述模型预测控制控制器用于以所述状态演变轨迹为优化目标,所述腿足机器人的当前足底位置、系统误差变量和所述当前系统状态为求解初值和系统动力学模型工作点,并根据所述当前步态相位和行走地面参数确定的腿足约束条件,通过在线优化获得所述腿足机器人的在下个步长的演化系统状态、支撑腿期望足底位置和支撑腿期望末端支撑力;
所述系统动力学模型为单刚体模型,所述单刚体模型通过下式表示:
其中,m表示机身质量,r表示机器人躯干质心的三维坐标,为机身加速度,fi表示足底接触力,下标i表示四足机器人的第i个腿足,g表示重力加速度,I表示机器人躯干的转动惯量,ω表示躯干旋转的角速度,pi表示机器人足底位置;
所述腿足约束条件为针对腾空腿和支撑腿进行有关步态、摩擦力及负载平衡的约束条件,所述腿足约束条件通过下式表示:
Eu+Fy≤G
其中,E表示针对输入的约束矩阵、F表示针对输出的约束矩阵、G表示一个常数向量,u为系统输入,y为系统输出;
针对步态的约束条件包括:约束支撑腿的足底关于行走地面的法向接触力不小于一个设定下限且不大于一个设定上限约束腾空腿的足底法向接触力为0;
针对摩擦力的约束条件包括:假如地面与足底的摩擦力系数为μ,且有第i条腿为支撑腿,摩擦力约束表示为:
其中,fc_i为支撑腿期望末端支撑力;
针对负载平衡的约束条件包括:约束支撑腿之间的关于平面法向支撑力的差值在设定数值范围内;
次级平衡控制模块,所述次级平衡控制模块用于基于所述支撑腿期望末端支撑力和支撑腿补偿末端支撑力,获得支撑腿目标末端支撑力,所述支撑腿补偿末端支撑力基于所述系统误差变量确定;
导纳变换模块,所述导纳变换模块连接所述次级平衡控制模块和所述模型预测控制控制器,所述导纳变换模块用于通过导纳变换将所述支撑腿期望足底位置和所述支撑腿目标末端支撑力,转换为支撑腿目标足底位置。
6.根据权利要求5所述的位控腿足机器人的运动控制系统,其特征在于,还包括:
系统误差观测器,所述系统误差观测器连接所述模型预测控制控制器,所述系统误差观测器用于基于所述当前系统状态、所述演化系统状态、所述当前足底位置以及所述支撑腿期望末端支撑力,通过比较所述腿足机器人的实际状态反馈和计算状态反馈的误差,确定所述系统误差变量。
7.根据权利要求6所述的位控腿足机器人的运动控制系统,其特征在于,还包括:
状态观测器,所述状态观测器连接所述系统误差观测器,所述状态观测器用于基于所述腿足机器人的关节角角度、机身姿态角、机身角速度、机身加速度和足底接触指示变量,确定所述当前足底位置、所述当前系统状态和所述行走地面参数。
8.根据权利要求5-7任一项所述的位控腿足机器人的运动控制系统,其特征在于,还包括:
落脚点控制模块,所述落脚点控制模块连接所述导纳变换模块,所述落脚点控制模块用于基于所述状态演变轨迹、所述当前系统状态和所述行走地面参数,确定所述腿足机器人的腾空腿运动轨迹。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述位控腿足机器人的运动控制方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述位控腿足机器人的运动控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161690.3A CN114625129B (zh) | 2022-02-22 | 2022-02-22 | 位控腿足机器人的运动控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161690.3A CN114625129B (zh) | 2022-02-22 | 2022-02-22 | 位控腿足机器人的运动控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114625129A CN114625129A (zh) | 2022-06-14 |
CN114625129B true CN114625129B (zh) | 2023-09-12 |
Family
ID=81899458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210161690.3A Active CN114625129B (zh) | 2022-02-22 | 2022-02-22 | 位控腿足机器人的运动控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114625129B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115339542B (zh) * | 2022-07-08 | 2023-11-07 | 南方科技大学 | 一种足式机器人运动控制方法及足式机器人 |
CN115128960B (zh) * | 2022-08-30 | 2022-12-16 | 齐鲁工业大学 | 一种基于深度强化学习双足机器人运动控制方法及系统 |
CN115488893A (zh) * | 2022-10-17 | 2022-12-20 | 广州市优普计算机有限公司 | 一种基于mpc的四足机器人状态修正方法及系统 |
CN115933723B (zh) * | 2023-01-04 | 2023-08-25 | 之江实验室 | 一种应用于双足机器人快速行走的全身柔顺控制方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006013779A1 (ja) * | 2004-08-02 | 2006-02-09 | Honda Motor Co., Ltd. | 脚式移動ロボットの歩容生成装置および制御装置 |
CN106730629A (zh) * | 2016-12-15 | 2017-05-31 | 中国科学院自动化研究所 | 下肢机器人及利用该机器人进行主动运动的控制方法 |
CN110315543A (zh) * | 2019-07-29 | 2019-10-11 | 北京理工大学 | 一种双足机器人步态生成与优化方法 |
WO2020133288A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市优必选科技有限公司 | 一种双足机器人步态控制方法以及双足机器人 |
CN111506100A (zh) * | 2020-06-15 | 2020-08-07 | 深圳市优必选科技股份有限公司 | 多足机器人关节控制方法、装置和多足机器人 |
CN111766885A (zh) * | 2020-07-08 | 2020-10-13 | 清华大学深圳国际研究生院 | 一种四足机器人的静步态规划方法 |
CN111880544A (zh) * | 2020-08-07 | 2020-11-03 | 深圳市优必选科技股份有限公司 | 仿人机器人步态规划方法、装置和仿人机器人 |
WO2021004075A1 (zh) * | 2019-07-11 | 2021-01-14 | 北京理工大学 | 一种降低行走能耗的仿人机器人质心轨迹规划方法 |
CN113625735A (zh) * | 2021-08-09 | 2021-11-09 | 山东大学 | 基于腿臂复用六足机器人的控制方法和机器人 |
CN114021376A (zh) * | 2021-11-17 | 2022-02-08 | 中国北方车辆研究所 | 一种四足机器人地形坡度估计方法 |
CN114022824A (zh) * | 2021-12-03 | 2022-02-08 | 浙江大学 | 一种面向狭窄环境的四足机器人运动规划方法 |
CN114056452A (zh) * | 2021-12-23 | 2022-02-18 | 沈阳建筑大学 | 一种多形态四足机器人及其运动方式 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9044859B2 (en) * | 2013-10-31 | 2015-06-02 | Disney Enterprises, Inc. | Method for gait generation and tracking control for a bipedal walking robot |
-
2022
- 2022-02-22 CN CN202210161690.3A patent/CN114625129B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006013779A1 (ja) * | 2004-08-02 | 2006-02-09 | Honda Motor Co., Ltd. | 脚式移動ロボットの歩容生成装置および制御装置 |
CN106730629A (zh) * | 2016-12-15 | 2017-05-31 | 中国科学院自动化研究所 | 下肢机器人及利用该机器人进行主动运动的控制方法 |
WO2020133288A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市优必选科技有限公司 | 一种双足机器人步态控制方法以及双足机器人 |
WO2021004075A1 (zh) * | 2019-07-11 | 2021-01-14 | 北京理工大学 | 一种降低行走能耗的仿人机器人质心轨迹规划方法 |
CN110315543A (zh) * | 2019-07-29 | 2019-10-11 | 北京理工大学 | 一种双足机器人步态生成与优化方法 |
CN111506100A (zh) * | 2020-06-15 | 2020-08-07 | 深圳市优必选科技股份有限公司 | 多足机器人关节控制方法、装置和多足机器人 |
CN111766885A (zh) * | 2020-07-08 | 2020-10-13 | 清华大学深圳国际研究生院 | 一种四足机器人的静步态规划方法 |
CN111880544A (zh) * | 2020-08-07 | 2020-11-03 | 深圳市优必选科技股份有限公司 | 仿人机器人步态规划方法、装置和仿人机器人 |
CN113625735A (zh) * | 2021-08-09 | 2021-11-09 | 山东大学 | 基于腿臂复用六足机器人的控制方法和机器人 |
CN114021376A (zh) * | 2021-11-17 | 2022-02-08 | 中国北方车辆研究所 | 一种四足机器人地形坡度估计方法 |
CN114022824A (zh) * | 2021-12-03 | 2022-02-08 | 浙江大学 | 一种面向狭窄环境的四足机器人运动规划方法 |
CN114056452A (zh) * | 2021-12-23 | 2022-02-18 | 沈阳建筑大学 | 一种多形态四足机器人及其运动方式 |
Non-Patent Citations (1)
Title |
---|
Terrain Adaptive Gait Transitioning for a Quadruped Robot using Model Predictive Control;Prathamesh Saraf,等;2021 26th International Conference on Automation and Computing (ICAC);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114625129A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114625129B (zh) | 位控腿足机器人的运动控制方法及系统 | |
JP5219956B2 (ja) | 移動体の制御装置 | |
JP5483997B2 (ja) | 脚式移動ロボットの制御装置 | |
KR100709556B1 (ko) | 인간형 로봇의 보행 제어 방법 | |
JP5232124B2 (ja) | 脚式移動ロボットの制御装置 | |
KR101131776B1 (ko) | 다리식 이동 로봇의 보용 생성장치 | |
KR101131775B1 (ko) | 다리식 이동 로봇의 제어장치 | |
US8428780B2 (en) | External force target generating device of legged mobile robot | |
WO2006013779A1 (ja) | 脚式移動ロボットの歩容生成装置および制御装置 | |
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 | |
JP2011255439A (ja) | 脚式移動ロボットの制御装置 | |
JP2011093024A (ja) | 脚式移動ロボットの制御装置 | |
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 | |
US8396593B2 (en) | Gait generating device of legged mobile robot | |
Xu et al. | Whole-body stability control with high contact redundancy for wheel-legged hexapod robot driving over rough terrain | |
CN114397810A (zh) | 基于自适应虚拟模型控制的四足机器人运动控制方法 | |
CN117260718B (zh) | 一种四足机器人的自适应载荷补偿控制方法及系统 | |
Yu et al. | Hierarchical jumping optimization for hydraulic biped wheel-legged robots | |
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 | |
Folgheraiter et al. | Computational efficient balance control for a lightweight biped robot with sensor based zmp estimation | |
CN116859969A (zh) | 一种足式机器人的扰动抑制与稳定控制方法及装置 | |
JP5440152B2 (ja) | 脚式ロボットとそのための歩容データ生成方法 | |
JP2011073119A (ja) | 移動体の制御装置 | |
CN118682750A (zh) | 基于在线质心轨迹优化的人形机器人高动态跳跃运动控制方法 | |
Sari et al. | Implementation and integration of fuzzy algorithms for descending stair of KMEI humanoid 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 |