CN116719335A - 一种考虑随机腿部故障的六足机器人容错步态规划方法 - Google Patents

Abstract

本发明属于足式机器人运动控制技术领域。本发明公开了一种考虑随机腿部故障的六足机器人容错步态规划方法，解决了六足机器人发生腿部故障后，运动效率及运动稳定性下降的问题，具体方法为：建立离线的六足机器人备选步态集及整机可容错腿部故障状态集，在此基础上以机器人实时腿部运动状态及故障状态为输入，通过设定腿部运动状态转换约束条件并建立对应评价函数，为六足机器人在备选步态集中在线搜索迈下一步时满足约束条件的最优容错腿部运动状态。本发明使六足机器人可根据随机腿部故障，自发地生成具备良好运动稳定性及行进效率的容错迈腿序列，提高了六足机器人在崎岖地形下的容错运动能力以及现实应用性。

Description

一种考虑随机腿部故障的六足机器人容错步态规划方法

技术领域

本发明涉及足式机器人运动控制技术领域，具体而言，涉及一种考虑随机腿部故障的六足机器人容错步态规划方法。

背景技术

当六足机器人出现腿部故障时，目前的步态规划方法普遍停留在六足机器人腿部故障自诊断后采用预制周期性容错步态序列的单一规划阶段。一方面受到处理器存储空间的限制，很难将所有可行的容错方案预制在六足机器人有限的存储空间内，另一方面在崎岖地形下六足机器人发生腿部故障后，由于机器人外部环境和内部自身运动稳定性都有可能发生突变，仅依靠离线的周期性步态规划方法很难保证预制容错方案与随机故障场景之间的匹配性。

发明内容

本发明解决的问题是使六足机器人能够根据随机的腿部实时故障，自发地生成具有良好运动稳定性及行进效率的容错步态序列，提高六足机器人在崎岖地形下的容错运动能力。

为解决上述问题，本发明提供了一种考虑随机腿部故障的六足机器人容错步态规划方法，所述方法包括如下步骤：

步骤一：建立六足机器人离线备选步态集。

由六足机器人腿部只有支撑和摆动两种运动状态这一规律，且六足机器人运动时至少需要三条腿作支撑，则遍历六条腿后机器人共有种腿部运动状态，在此基础上删去不满足机器人静态稳定状态的6种腿部运动状态，将机器人剩余36种腿部运动状态根据支撑腿个数的不同划分为三腿、四腿、五腿以及六腿离线备选步态集。

步骤二：建立六足机器人故障腿与备选步态集之间的在线映射。

在满足六足机器人静态稳定运动时最少需要三条腿支撑，一条腿摆动的基础上，遍历六足机器人所有可能的腿部故障状态组合，通过分析能否在离线备选步态集中找到一组使机器人始终处于静态稳定状态的腿部运动状态，来判断在所遍历腿部故障状态组合下，机器人是否具有可容错性，若具备可容错性，则可建立机器人故障腿个数及位置分布与备选步态集的在线映射关系，使机器人在某种腿部故障状态下仍具备较好的运动稳定性及行进效率，否则，机器人应停止运动。

步骤三：建立六足机器人腿部运动状态转换间的约束条件及最优容错腿部运动状态在线搜索的评价函数。

从稳定性角度和运动学角度出发，规定六足机器人腿部状态转换过程中必须始终处于静态稳定状态并且所有非故障腿的位置必须始终在其对应的腿部工作空间内，以确保机器人进行容错运动时始终具有较好的稳定性及机动性，据此建立六足机器人腿部运动状态转换的两个约束条件，分别以ZMP稳定裕度和运动学裕度作为二者的评价指标，通过为约束条件的评价指标构造权重赋值函数，最终建立最优容错腿部运动状态在线搜索的评价函数，以评分的形式结合机器人当前运动时刻的腿部运动状态，在实时备选步态集中筛选出满足约束条件的最优容错腿部运动状态，作为机器人迈下一步时的腿部运动状态，通过最优容错腿部运动状态的在线实时循环选择，形成具备良好运动稳定性与行进效率的最优容错迈腿序列。

本发明的一种考虑随机腿部故障的六足机器人容错步态规划方法的有益效果是：相对于离线步态规划时需考虑的多种单一容错预制方案，基于腿部运动状态在线搜索的步态规划方式使六足机器人在运动时可根据随机腿部故障，自发地生成满足运动学约束和稳定性约束的最优容错步态序列，极大地减轻了步态程序的冗余性与处理器的存储负担，提高了六足机器人在复杂地形下的容错运动能力。

附图说明

图1为本发明实施例的一种考虑随机腿部故障的六足机器人容错步态规划方法的流程示意图；

图2为本发明实施例的ZMP稳定裕度示意图；

图3为本发明实施例的运动学裕度示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

如图1所示，本发明实施例提供的一种考虑随机腿部故障的六足机器人容错步态规划方法，所示方法包括如下步骤：

步骤001，建立六足机器人离线备选步态集。

由于六足机器人每一条腿都只有摆动或者支撑两种运动状态，且六足机器人稳定运动时最少需要三条支撑腿，则遍历所有腿后一共得到种腿部运动状态，在此基础上删去6种不满足六足机器人静态稳定的腿部运动状态，并根据支撑腿个数的不同，将剩余36种腿部运动状态划分为三腿、四腿、五腿以及六腿步态集。

本发明实施例所述的六足机器人静态稳定是指，六足机器人重心在水平面上的投影点与机器人支撑足所构成多边形在水平面上投影多边形之间的位置关系，当机器人重心投影在支撑腿投影多边形内部，则认为六足机器人处于静态稳定状态。

依次对六足机器人的六条腿进行排序，支撑状态用数字1表示，摆动状态用数字0表示，则六足机器人36种腿部运动状态如表一所示：

表一腿部运动状态表

表一中腿部运动状态显示了该状态下的各条腿的状态，状态示意图中的多边形即为机器人腿部支撑多边形，状态1～14为三腿步态集，状态15～29为四腿步态集，状态30～35为五腿步态集，状态36为六腿步态集。

步骤002，建立六足机器人故障腿与备选步态集之间的在线映射。

本发明实施例所述的腿部故障指的是机器人腿部整体故障，完全丧失运动能力，但仍固定在机身上，不起支撑作用，不与地面产生摩擦的状态。

六足机器人故障腿的数量以及位置分布会影响机器人的容错能力，因此，首先应遍历所有可能出现的腿部故障组合，再判断出现该故障状态后机器人的整机可容错性，六足机器人所有可能出现的故障状态数量如式(1)所示：

式中，p为六足机器人所有腿数目，q为故障腿个数。

当故障腿个数为1时，由式(1)可得机器人共有6种腿部故障状态，此时无论机器人每迈一步时有一条或两条摆动腿，都能在所建立离线备选步态集中找到一组满足机器人静态稳定的腿部运动状态，即机器人可容错，此时可通过合理的容错步态规划，使机器人在发生单腿故障后仍能保证较好的运动稳定性及行进效率。

当故障腿个数为2时，由式(1)可得机器人共有15种故障状态，此时机器人两条故障腿之间的位置关系呈相邻、相间及相对分布，六足机器人每迈一步只有一条摆动腿时，只有当两条故障腿位置呈相对分布时，才能在离线备选步态集中找到一组满足机器人静态稳定的腿部运动状态，即只有当两条故障腿之间呈相对分布时，机器人才可容错。

利用传感器获取六足机器人运动时的实时腿部故障状态，用数字1表示腿部发生故障，用数字0表示腿部未发生故障，则六足机器人整机可容错的腿部故障状态如下表二所示：

表二六足机器人整机可容错腿部故障状态示意图

表二中整机可容错状态显示了六足机器人各条腿的故障情况，状态示意图中多边形外部的线段表示机器人故障腿，状态1～6为单腿故障后六足机器人可容错的状态，状态7～9为双腿故障后六足机器人可容错的状态。

当六足机器人在某种腿部故障状态下可容错时，可根据机器人实时腿部故障状态建立与步骤001中离线备选步态集的在线映射关系，为保证六足机器人行进效率，规定实时故障腿个数为0时，机器人将在三腿步态集中选择迈下一步时的腿部运动状态，当实时故障腿个数为1时，机器人将在四腿步态集中选择迈下一步时的腿部运动状态，实时故障腿个数为2时，机器人将在五腿步态集中选择迈下一步时的腿部运动状态。

步骤003，建立六足机器人腿部运动状态转换间的约束条件及最优容错腿部运动状态在线搜索的评价函数。

通过步骤002所建立的在线映射关系，确定六足机器人迈下一步时的实时备选步态集后，还需在该步态集中选择具体的腿部运动状态，作为六足机器人迈下一步时的腿部运动状态。从稳定性和运动学角度出发，建立六足机器人腿部运动转换间的稳定性约束和运动学约束，并以ZMP稳定裕度和运动学裕度作为稳定性约束和运动学约束的评价指标。

本发明实施例的ZMP稳定裕度如图2所示，其几何意义为，在世界坐标系∑_W(x_W,y_W,z_W)下，六足机器人的ZMP点与其支撑多边形在水平面上投影之间的最短距离，如式(2)所示：

S＝min(S₁,S₂,...,S_n) (2)

其中，S_i为六足机器人ZMP点距离第i个支撑边线在水平面上投影的距离。

本发明实施例的运动学裕度如图3所示，其几何意义为，在机体坐标系∑_C(x_C,y_C,z_C)下，六足机器人第i条支撑腿在腿部运动状态转换时的足端距离其后极限位置的距离，如式(3)所示：

K_i＝^CP_i-^CP_{i_PEP} (3)

式中，K_i为六足机器人第i支撑腿在腿部运动状态转换时的足端^CP_i距离其后极限位置^CP_{i_PEP}的水平距离。

本发明实施例的腿部运动状态在线搜索的稳定性约束条件评价指标如式(4)所示：

其中，表示六足机器人处于表一中腿部运动状态n的稳定性约束评分，ΔS_n表示处于腿部运动状态n时的ZMP稳定裕度变化量，Δt_n表示处于腿部运动状态n时的时长。

本发明实施例的腿部运动状态在线搜索的运动学约束条件评价指标如式(5)所示：

式中，表示六足机器人处于表一中腿部运动状态n的运动学约束评分，/>表示六足机器人第i条腿处于表一中腿部运动状态n时的运动学裕度，N为六足机器人的非故障腿个数。

以六足机器人实时ZMP稳定裕度为自变量，引入种群竞争模型，为稳定性约束和运动学约束构造变权重赋值函数，并据此建立完整的六足机器人腿部运动状态在线搜索评价函数。

所述六足机器人腿部运动状态在线搜索评价函数如式(6)所示：

其中，F(n)为所述最优容错腿部运动状态评价函数，ω₁和ω₂为稳定性约束评价指标和运动学约束评价指标/>的变权重系数。

所述变权重赋值函数如式(7)所示：

其中，a与b分别为二者权重的初始值，r₁、m₁、r₂、m₂为ω₁与ω₂两种群的种群竞争因子。

根据以上三个步骤，六足机器人可在保持一定行进效率的情况下，根据随机腿部故障，自发地生成满足六足机器人稳定性约束和运动学约束的最优容错迈腿序列，相较于传统的六足机器人周期性容错步态，极大地提升了六足机器人在崎岖地形下的容错运动能力。

Claims (4)

1.一种考虑随机腿部故障的六足机器人容错步态规划方法，其特征在于，将该方法包括以下步骤：

步骤1：建立六足机器人离线备选步态集：遍历六足机器人所有可能的腿部运动状态，并根据支撑腿个数的不同，建立满足六足机器人静态稳定状态的三腿、四腿、五腿以及六腿离线备选步态集；

步骤2：建立六足机器人故障腿与备选步态集之间的在线映射：遍历六足机器人所有可能的腿部故障状态，根据六足机器人腿部故障后，是否能在离线备选步态集中找到一组使机器人始终处于静态稳定状态的腿部运动状态，来遍历并筛选出六足机器人可容错的腿部故障状态集，若在某种腿部故障状态下机器人可容错，则可建立机器人故障腿个数及位置分布与备选步态集的在线映射关系，当实时故障腿个数为0且可容错时，机器人迈下一步时的腿部运动状态将在三腿备选步态集中选择，当实时故障腿个数为1且可容错时，机器人迈下一步时的腿部运动状态将在四腿备选步态集中选择，当实时故障腿个数为2且可容错时，机器人迈下一步时的腿部运动状态将在五腿备选步态集中选择；

步骤3：建立六足机器人腿部运动状态转换间的约束条件及最优容错腿部运动状态在线搜索的评价函数：当出现可容错的腿部故障后，六足机器人在容错运动下的腿部运动状态转换必须满足稳定性约束及运动学约束，以稳定性约束及运动学约束为目标构造最优容错腿部运动状态在线搜索评价函数，并以ZMP稳定裕度和运动学裕度作为稳定性约束和运动学约束的评价指标，前者倾向于在实时备选步态集中搜索运动稳定性最优的容错腿部运动状态，后者倾向于在实时备选步态集中搜索运动能力最优的容错腿部运动状态，以机器人实时ZMP稳定裕度为自变量，引入种群竞争模型，为稳定性约束和运动学约束的评价指标构造变权重赋值函数，并据此建立完整的六足机器人最优容错腿部运动状态在线搜索评价函数，根据评价函数的计算值为六足机器人选择迈下一步时的最优容错腿部运动状态，通过最优容错腿部运动状态的在线实时循环选择，形成具备良好运动稳定性与行进效率的最优容错迈腿序列。

2.根据权利要求1所述的一种考虑随机腿部故障的六足机器人容错步态规划方法，其特征在于，步骤1所述的遍历六足机器人所有可能的腿部运动状态为：六足机器人六条腿同一运动时刻下处于支撑或摆动状态的集合，由于六足机器人单腿仅有支撑和摆动两种运动状态，且六足机器人运动时最少需要三条支撑腿保证其静态稳定性，则机器人六条腿共有种腿部运动状态。

所述静态稳定状态为：利用六足机器人支撑腿足端所构成的多边形在水平面上的投影多边形与机器人重心在水平面上投影点之间的位置关系，来判断机器人是否处于静态稳定状态，若重心投影点在投影多边形内部，则认为机器人处于静态稳定状态；

所述离线备选步态集为：在六足机器人所有可能的腿部运动状态中删去不满足机器人静态稳定状态的6种腿部运动状态，将机器人剩余36种腿部运动状态根据支撑腿个数的不同划分为三腿、四腿、五腿以及六腿备选步态集。

3.根据权利要求1所述的一种考虑随机腿部故障的六足机器人容错步态规划方法，其特征在于，步骤2所述的腿部故障指的是机器人腿部整体故障，完全丧失运动能力，但仍固定在机身上，不起支撑作用，不与地面产生摩擦的状态；

所述遍历六足机器人所有可能的腿部故障状态为：六足机器人六条腿同一运动时刻下处于故障或正常状态的集合，在满足六足机器人静态稳定运动时需要三条腿支撑，至少一条腿摆动的前提下，六足机器人最多可容忍两条故障腿，即共有种可能的腿部故障状态，其中，删去不满足机器人可容错性的12种腿部故障状态，将剩余9种腿部故障状态建立可容错状态集。

4.根据权利要求1所述的一种考虑随机腿部故障的六足机器人容错步态规划方法，其特征在于，步骤3所述的稳定性约束为：六足机器人由当前腿部运动状态转换到下一步的腿部运动状态过程中，必须始终处于静态稳定状态；

所述运动学约束为：六足机器人由当前腿部运动状态转换到下一步的腿部运动状态过程中，所有非故障腿的位置必须始终在其对应的腿部工作空间内；

所述变权重腿部运动状态在线搜索评价函数如式(1)所示：

式中，F(n)为所述评价函数，和/>分别为六足机器人腿部运动状态转换过程中稳定性约束和运动学约束的评价指标函数，ω₁和ω₂分别为其对应的权重参数，考虑到约束条件的权重参数取值应与机器人的实时稳定状态有关，引入种群竞争模型作为权重参数赋值函数，如式(2)所示：

式中S为六足机器人当前运动时刻的ZMP稳定裕度，a与b分别为二者权重的初始值，r₁、m₁、r₂、m₂为ω₁与ω₂两种群的种群竞争因子。