三自由度蛇形机器人控制策略

合集下载

三自由度机器人设计毕业设计

三自由度机器人设计毕业设计一、前言随着工业自动化水平的不断提高，机器人技术在生产制造领域中发挥着越来越重要的作用。

作为机器人技术的一个重要组成部分，三自由度机器人因其结构简单、控制方便等特点，被广泛应用于装配、焊接、喷涂等工业领域。

本文以三自由度机器人设计与控制为主题，围绕机械结构设计、运动学建模、控制算法设计等方面展开研究与分析，旨在为相关领域的研究提供一定的参考和借鉴。

二、机械结构设计三自由度机器人通常包括基座、臂部和末端执行器等部件，其机械结构设计直接关系到机器人的稳定性、精度和工作空间。

在本课题中，我们将采用柔性连接的直角坐标系结构设计，通过在关节处加装弹簧和减震器以减小振动，提高定位精度。

三、运动学建模运动学建模是机器人设计中的关键环节，它描述了机器人在工作空间内的姿态和位置。

本文将采用DH参数法建立机器人的坐标系变换矩阵，通过正运动学和逆运动学方程描述机器人的工作空间关系，并利用数值模拟软件对其进行验证和分析。

四、控制算法设计在机器人工作中，控制算法起着至关重要的作用。

为了保证机器人在工作过程中能够实现高效、精准地运动，我们将设计基于PID控制的位置控制算法，结合轨迹规划和避障算法，实现机器人的自动抓取和装配功能。

五、仿真与实验在设计完成后，我们将通过仿真软件对机器人进行工作空间分析和运动学验证，同时搭建实验平台，验证控制算法的有效性和稳定性。

通过比对仿真和实验结果，不断优化和改进机器人设计和控制算法，使其更加贴近实际工程应用需求。

六、结论与展望通过本课题的研究与分析，我们得出了一系列关于三自由度机器人设计与控制的结论和成果。

未来，我们将进一步深入研究机器人的感知技术、智能控制算法等方面，为实现更加智能化、高效化的工业机器人应用提供更多的技术支持和解决方案。

七、参考文献[1] 张强. 机器人技术及应用. 北京：机械工业出版社，2015.[2] 王勇. 机器人控制理论与应用. 上海：上海科学技术出版社，2019.[3] 李明，陈华. 工业机器人技术与应用. 北京：中国机械出版社，2018.通过以上对三自由度机器人设计与控制的研究和分析，我们可以更好地把握机器人技术的发展趋势，为相关领域的研究和实践提供更有价值的参考和借鉴。

蛇形机器人的机构设计及运动分析

机
电
工
程
Vol. 29 No.5 May 2012
蛇形机器人的机构设计及运动分析
（中国船舶重工集团公司第七一三研究所，河南郑州 450015）
摘要：蛇形机器人以其独特的身体结构和运动形式能够适应各种复杂环境。为了验证蛇形机器人的运动能力，设计了一种前进中可做周期性运动的蛇形机器人，重点讨论了其关节机构的设计和运动原理；通过建立蛇形机器人运动的数学模型，并结合其运动的周期性，详细分析了三连杆模型的运动步态特性。研究结果表明，三连杆运动步态提高了蛇形机器人的运动能力。关键词：蛇形机器人；周期性运动；关节设计；三连杆；运动步态中图分类号：TH122； TH112； TP242 文献标志码： A 文章编号： 1001-4551 （2012） 05-0512-04
不同的运动方式，本研究设计的模块单元的连接方式如图 3 所示，是主动驱动的连接方式，电机固定在电机
· 514 ·
机
电
工
程
第 29 卷
蛇形机器人三连杆组合的运动步态和多连杆组合的运动步态 2.1
［6-12］
2.2
。
把机器人简化为 6 段固定长度的连杆系统。假设蛇形角度范围是±60°。由蛇尾向蛇头方向运动，三连杆的程，运动波的传递过程如图 4 所示。
ZHANG Ling-ling， QU Ze-chao
பைடு நூலகம்
0
引
言
本研究所述的蛇形机器人。该蛇形机器人可以在复杂环境中起伏前进，并能够实现侧移、翻转、平面蜿蜒等多种运动形式。通过对蛇形机器人模型的运动分析，笔者研究出了一种蛇形机器人的运动方式，并在其实体上得到了有效的验证。

关于蛇形机器人结构运动及控制的研究

关于蛇形机器人结构运动及控制的研究蛇形机器人是一种模仿蛇形动态运动特性的机器人。

由于蛇形机器人的结构与运动方式与传统的机器人有所不同，因此对于蛇形机器人的结构、运动以及控制的研究具有重要意义。

首先，蛇形机器人的结构设计是研究的关键。

蛇形机器人通常由多个连续关节组成，每个关节都可以相对于前一个关节弯曲并展开。

通过控制关节的弯曲和展开，蛇形机器人可以模拟蛇身的曲线形状。

为了实现这种结构，研究人员通常采用柔性材料制作机器人的关节，以实现关节的变形。

此外，关节之间的连杆也需要适应关节变形的能力，这需要考虑到关节与连杆之间的连接方式及材料选择。

然后，蛇形机器人的运动特性也是研究的重点之一、蛇形机器人的运动是通过关节的协调运动实现的。

研究人员通过研究蛇类的运动方式，探索了不同的运动模式。

其中，波浪式运动是常见的一种模式，即蛇形机器人从头部到尾部依次弯曲并展开，形成像蛇一样的波浪形状。

此外，还有一些其他的运动模式，如直线运动、旋转运动等。

研究人员通过研究这些运动模式，探索了不同的运动方法和策略，以实现蛇形机器人的高效运动。

最后，蛇形机器人的控制方法也是蛇形机器人研究的重要内容。

蛇形机器人的控制需要实时控制各个关节的弯曲角度以及关节之间的协作运动。

常用的控制方法包括开环控制和闭环控制。

开环控制是在事先确定好运动序列的情况下，通过一定的控制输入来驱动机器人完成运动。

闭环控制则是在运动过程中通过传感器检测实际运动状态，并与目标运动状态进行比较，通过调整控制输入来实现机器人的运动控制。

研究人员通过模拟和实验，比较不同的控制方法的优缺点，并提出了一些新的控制策略，以提高蛇形机器人的运动性能和控制精度。

综上所述，关于蛇形机器人的结构、运动及控制的研究是一项具有重要意义的研究工作。

通过对蛇形机器人的结构、运动及控制的研究，可以为机器人的设计和应用提供一定的理论基础和实践经验，推动机器人技术的发展和应用。

同时，蛇形机器人的研究还可以为生物学、医学等领域提供一定的借鉴和启示，促进不同学科之间的跨界合作。

一种新型蛇形机器人的机构研究与设计

一种新型蛇形机器人的机构研究与设计摘要：蛇形机器人是一种新型的机器人，它的机构结构具有良好的灵活性和适应性，可以用于各种环境下的探测、搜救、拍摄等任务。

本文通过分析蛇形机器人的机构结构、运动原理以及控制方法，对其进行详细研究和设计，并进行了仿真验证和实验验证。

结果表明，所设计的蛇形机器人机构具有较高的运动精度和稳定性，可以在各种复杂环境下有效地完成任务。

关键词：蛇形机器人、机构结构、运动原理、控制方法、仿真验证、实验验证1.引言蛇形机器人是一种仿生机器人，它的外形和运动特点都来源于蛇类动物。

蛇形机器人的机构结构类似于蛇体，可以实现蛇般的爬行、盘踞、攀爬等运动，具有很强的适应性和灵活性，可以用于各种环境下的探测、搜救、拍摄等任务。

蛇形机器人的机构设计是实现其运动特点的基础，因此本文分别从机构结构、运动原理、控制方法等方面进行研究和设计。

2.蛇形机器人的机构结构蛇形机器人的机构结构是其实现运动的基础，一般由三部分组成：蛇头、蛇身和蛇尾。

其中蛇头负责控制运动方向，蛇身由多个连续的节段组成，每个节段可以自由弯曲，蛇尾负责平衡和保持身体稳定。

蛇形机器人的机构结构主要涉及两个方面，一个是机构设计，另一个是材料选择。

机构设计包括蛇体的长度、直径、关节间距、关节的自由度、驱动方式等；材料选择主要包括各种材料的力学性能、刚度、强度、重量等特性。

在机构设计中，要注意蛇体的灵活性和韧性，以保证其在复杂环境中的适应性和稳定性；在材料选择中，则要根据实际应用的需要进行选择，比如在高温、腐蚀等极端环境中要选择具有耐高温、耐腐蚀性能的材料。

3.蛇形机器人的运动原理蛇形机器人运动的机理来源于蛇类动物的生物学特性，主要包括以下几个方面。

（1）鳞片滑跳：蛇类动物的身体表面被覆盖着很多光滑的鳞片，在运动时可以充当滑行的媒介。

这种滑行方式可以使蛇形机器人在各种环境下灵活运动，如在水中游动、在陡峭的斜面上攀爬等。

（2）节段结构：蛇类动物的身体由多个节段构成，每个节段可以自由弯曲，因此蛇形机器人可以实现蛇般的摆动和弯曲。

面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型

第39卷第10期自动化学报Vol.39,No.10 2013年10月ACTA AUTOMATICA SINICA October,2013面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型杨贵志1,2马书根1,3李斌1王明辉1摘要提高蛇形机器人的三维运动控制能力是提高蛇形机器人环境适应能力的关键之一.虽然联结中枢模式生成器(Connectionist central pattern generator,CCPG)模型具有复杂度小、适合硬件实现等优点,但是目前的CCPG模型难以生成相位协调的多自由度运动的控制信号,从而限制了它的三维步态控制能力.本文根据生物CPG机制的分层结构和运动神经元的功能,提出一个有层次化结构的CCPG(Hierarchical CCPG,HCCPG)模型.HCCPG模型由基本节律信号生成层、模式形成层、运动信号调整层这三个部分组成.运动信号调整层的运动神经元能够独立地对模式形成层的输出信号的幅值、相位等进行调整,从而较好地解决了CCPG模型难以生成相位协调的多自由度运动控制信号的问题.HCCPG模型具有步态控制能力强、复杂度小、有良好的扩展性等优点,从而适合用于控制三维步态.在HCCPG模型的基础上提出一个三维步态控制方法.仿真验证了这个控制方法的有效性.关键词蛇形机器人,联结中枢模式生成器模型,运动神经元,循环抑制CPG模型,三维步态引用格式杨贵志,马书根,李斌,王明辉.面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型.自动化学报, 2013,39(10):1611−1622DOI10.3724/SP.J.1004.2013.01611A Hierarchical Connectionist Central Pattern Generator Model forControlling Three-dimensional Gaits of Snake-like RobotsYANG Gui-Zhi1,2MA Shu-Gen1,3LI Bin1WANG Ming-Hui1Abstract A key to promoting the snake-like robot s adaptability is improving its3-D locomotion ability.Although the connectionist central pattern generator models(CCPG)have merits such as low complexity,appropriate for the hardware implementation,the current CCPG models have diﬃculties in generating the phase-coordinated control signals for the multi-degrees-of-freedom motions.Consequently,the CCPG s ability to generate the3-D gaits of snake-like robots are seriously restricted.According to the layered structure of the biological CPG mechanism and the functions of the motoneuron,a hierarchical CCPG(HCCPG)model is proposed.The HCCPG is composed of three layers,namely the basic rhythm generation(RG)layer,the pattern formation(PF)layer,and the motion modulation(MM)layer.The motoneurons of the MM layer can independently modulate the amplitude and phase of the PF layer s output so it overcomes the diﬃculty faced by the current CCPG models.The HCCPG model has merits such as strong gaits adjustment ability, small complexity,and good expendability,which make it appropriate for generating the3-D gaits.Based on the HCCPG model,a3-D gait control method is proposed.Simulations have validated this gait control method.Key words Snake-like robot,connectionist central pattern generator model,motoneuron,cyclic inhibition CPG,three-dimensional gaitsCitation Yang Gui-Zhi,Ma Shu-Gen,Li Bin,Wang Ming-Hui.A hierarchical connectionist central pattern generator model for controlling three-dimensional gaits of snake-like robots.Acta Automatica Sinica,2013,39(10):1611−1622收稿日期2012-05-29录用日期2012-11-30Manuscript received May29,2012;accepted November30,2012国家自然科学基金(61075103)资助Supported by National Natural Science Foundation of China (61075103)本文责任编委谭民Recommended by Associate Editor TAN Min1.中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳1100 16,中国2.中国科学院大学北京100049,中国3.立命馆大学草津525-8577,日本1.State Key Laboratory of Robotics,Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang110016, China2.University of Chinese Academy of Sciences,Beijing 100049,China3.Ritsumeikan University,Kusatsu-Shi525-8577,Japan经过长期进化,蛇具有很强的环境适应能力.为此,人们根据蛇的结构特点设计了各种蛇形机器人,期望使其具有与蛇同样强的运动能力.蛇具有强大的环境适应能力,主要是由于它具有灵活的三维运动能力.它能够根据环境状态的变化调整或者选择不同的三维运动步态,比如在沙漠中用侧向蜿蜒步态(Sidewinding)[1]、在光滑地面上用手风琴式步态(Concertina)[2]等.因此有必要在蛇形机器人上实现各种三维步态.蛇形机器人的三维步态是由符合特定规律的不同自由度的运动组合而成的,比如偏航(Yaw)、俯仰(Pitch)自由度运动的组合.比如侧1612自动化学报39卷向翻滚步态(Lateral rolling)要求偏航、俯仰运动各自的相邻关节之间的相位差为0◦,以使身体成弧形[3].蛇形机器人的步态基本上都是节律运动,而研究表明脊椎动物中存在一种称为中枢模式生成器(Central pattern generator,CPG)的神经机制控制着它们的一些节律运动[4],所以可以构造CPG模型来控制蛇形机器人的三维步态.与基于Hirose 等[5]提出的蛇形曲线(Serpenoid curve)的控制方法相比,基于CPG模型的步态控制方法具有抗扰动、模型调整时输出依然连续、适合融合传感器信息、适合实现分布式控制等优点[6].根据CPG模型的基本组成单元的类型,可以将它分为三种[6]:1)振荡器模型(Oscillator models)[7].这种模型由非线性振荡器模型组成,比如Hopf振荡器[8]、Van der Pol振荡器[9]等.这种模型的形式简单,模型参数有直接的物理意义,如模型参数直接对应输出的幅值、相位等.这种模型便于分析和控制[10].2)详细的生物物理模型(Detailed biophysical models).这种模型由能准确地体现神经元特性的神经元模型组成,比如Hodgkin-Huxley模型[11].这种模型复杂度大,不便于分析、控制,所以应用较少.3)联结模型(Connectionist models)[12].这种模型由较为简单但又能体现神经元主要特性的神经元模型组成,比如Leaky integrator神经元模型[13]、时变型神经元模型[14].联结中枢模式生成器(Connectionist CPG, CCPG)模型有助于了解CPG神经机制,同时复杂度比详细的生物物理模型低,便于对机器人进行控制.此外,相比于前面两种模型,联结模型更适合用模拟电路硬件来实现,而不是在处理器上通过软件程序来实现.Yang等[15]利用模拟电路实现了一个由时变型神经元模型组成的CCPG模型,以生成竹节虫的腿上各个关节的控制信号;Okazaki等[16]用CMOS电路来实现一个由时变型神经元模型组成的CCPG模型,用于控制一个六足机器人.与用软件实现相比较,用硬件实现CCPG具有便于实现分布式控制、功耗小、控制器体积小等优点[17−19],所以本文提出一个CCPG模型来控制蛇形机器人的三维步态.目前,CCPG模型主要用来生成二维运动步态[20−22].虽然卢振利等[23]用循环抑制CPG (Cyclic inhibition CPG,CICPG)模型来生成三维步态,但是CICPG的三维步态控制能力差,存在无法调整偏航与俯仰自由度运动之间的相位关系、调整步态时CPG的输出不连续等问题.实际上,由于CCPG模型不能像有些基于振荡器的CPG模型[24]那样直接定义、调整相位,所以难以用CCPG 模型来生成实现三维步态所需的相位协调的多自由度运动控制信号.虽然Huang等[25]提出一个反馈机制来实现CCPG之间的相位协调,但是该方法存在复杂度大(需要用两个CCPG来分别生成两自由度信号和额外的反馈机制来调整二者之间的相位)、不可靠(调整相位的同时会不可预料的改变幅值)等问题.因此需要寻找更有效的方法来解决CCPG生成相位协调的多自由度运动控制信号问题.实际上,神经生理学的研究表明生物CPG由三部分组成:1)由感知神经元组成的感知输入部分;2)由中间神经元(Interneuron,IN)组成的节律信号生成部分;3)由运动神经元(Motoneuron, MN)组成的运动信号调整部分(Motion modula-tion,MM)[26].节律信号生成部分还可以进一步分为基本节律生成器(Rhythm generator,RG)、模式生成器(Pattern formation,PF).RG生成基本的节律信号,而PF根据RG的输出激发运动神经元.这种功能结构使动物具有较高的运动能力,而CICPG模型只相当于实现了RG部分的功能.因此可以构造合适的多层的CCPG模型来提高步态控制能力.Wang等[27]用Hopﬁeld连续神经元模型[28]等构造了一个2层结构的CCPG模型来控制双足跳跃机器人的腿部运动,Noble等[29]用Hodgkin-Huxley神经元模型构造了一个有2层结构的CCPG模型来控制单自由度关节的运动.但是目前的多层CCPG模型都只能生成单自由度运动控制信号,依然没有解决生成相位协调的多自由度运动控制信号的问题,所以难以生成蛇形机器人的三维步态.实际上,生物研究表明运动神经元能够对它的输入信号的波形、相位等进行调整[30],而现有的多层CCPG模型都没有实现、利用这种特性,所以步态控制性能受到较大限制.本文根据生物CPG的研究成果,提出一个有3层结构的层次化的CCPG(Hierarchical CCPG, HCCPG)模型:1)基本节律信号生成层(RG).它由基于持续型神经元模型[14]的CICPG模型[31]组成,用于生成基本节律信号,并实现HCCPG之间的相位协调.2)模式生成层(PF).它由简化后的持续型神经元模型组成.它对RG的输出进行滤波,生成运动神经元所需的外部激励信号.3)运动信号调整层(MM).它也是由简化后的持续型神经元模型组成,用于生成三维步态所需的两自由度运动的参考控制信号,比如参考角位置控制信号.关节伺服电机的控制器根据这个参考信号和实际的角位置信号等来确定电机的最终控制信号.因为HCCPG模型以较小复杂度解决了生成相位协调的多自由度运动控制信号的问题,所以适合用于控制三维步态.因此本文以HCCPG模型为基础提出一个三维步态控制方法.仿真验证了该方法的有效性.10期杨贵志等:面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型16131层次化联结CPG 模型基于CPG 模型的控制器来源于对脊椎动物的CPG 神经机制的研究.因此更深入地了解、更好地实现这个机制,有助于设计更好的CPG 控制器,提高机器人的运动控制能力.根据这种思想,本文提出一个HCCPG 模型以控制蛇形机器人的三维步态.1.1CPG 神经机制研究表明,CPG 作为脊椎动物控制节律运动的一种重要的神经机制,具有复杂的结构,但是根据功能的不同大体可以将CPG 分为几个主要部分.McCrea 等[26]提出了如图1所示的由Hodgkin-Huxley 神经元模型[11]组成的2层结构的CPG 模型.图中,下标E 、F 分别表示与伸肌(Extensor)、屈肌(Flexor)的控制相关;以黑色实心圆为端点的线代表抑制连接,而以黑色空心圆为端点的线代表激励连接.信号流向为从无头端到有头端.每个神经元只有1个输出,但是该输出可以同时作为多个别的神经元的外部激励或者抑制输入.RG 是由中间神经元群组成的基本的节律信号生成器,主要负责生成基本的节律信号;PF 是由中间神经元群组成的模式生成器,主要负责根据RG 的输出激发运动神经元;MM 是运动神经元群,主要负责激活肌肉效应器,从而控制肌肉的运动;IN S 是带有感知输入的中间神经元群(Interneuron with sensory input),起到辅助激活运动神经元的作用.在该模型中,RG 、PF 部分各算为1层;各个神经元群内部包含的神经元数在20∼50之间.这种分层结构能够较好的解释一些生物现象,比如感知输入对运动的作用.已经有一些列基于这个模型的CCPG 模型被提出来以控制不同的机器人[18,27,29,32].图12层CPG 模型的结构Fig.1Structure of the two-level CPG model1.2HCCPG 模型McCrea 等的模型可以提高CCPG 模型的控制能力,但是却只能输出一个自由度运动的控制信号,而蛇形机器人的三维步态的实现需要有相位协调的两自由度运动控制信号.如果用2个CCPG 来分别生成这两个信号,则因为CCPG 模型不能像基于振荡器模型的CPG 模型那样直接定义、调整输出信号的相位,所以难以实现两个信号的相位协调.虽然Huang 等[25]提出了一个复杂机制来实现相位协调,但是调整相位的同时可能会不可预料地改变幅值,所以应用受到限制.实际上,由于大部分情况下这两个信号的周期一致,只是幅值、相位不同,而生物研究[30]表明运动神经元能够对它的外部激励输入信号的波形、相位等进行调整,所以本文据此提出一个HCCPG 模型来控制蛇形机器人的三维步态,如图2所示.HCCPG 的两个运动神经元分别生成所需的2个信号.图2HCCPG 模型的结构Fig.2Structure of the HCCPG modelHCCPG 主要分为3层:1)RG 层,即图中的中间神经元I 1、I 2、I 3组成的部分.由于RG 只需生成有期望周期的信号,而对其幅值等没有要求,所以为了减小HCCPG 模型的整体复杂度,本文将由3个持续型神经元模型组成的CICPG 模型[23]作为RG.Lu 等[31]证明CICPG 模型在由持续型或者时变型神经元模型通过抑制连接构成的可产生节律输出的CCPG 模型中是复杂度最小的(微分方程数最少).式(1)是单个持续型神经元模型.其中,τ是膜电势的时间常量;u 、y 分别是神经元的膜电势、输出;s 、w 是神经元的外部1614自动化学报39卷输入及其连接系数.τ·˙u=−u+w·sy=max(0,u)(1)2)PF层,即图中的中间神经元I4组成的部分.本文的PF主要是对RG的输出进行过滤(低通滤波),为MM层的运动神经元提供共同的外部激励输入.由于持续型神经元模型的输出有阈值限制,即输出只取非负值,所以为了实现过滤功能、同时也降低模型复杂度,本文对持续型神经元模型进行了简化,即不再对输出进行阈值限制.简化后的模型如式(2)所示.其中,u、y分别是神经元的膜电势、输出;k 是相位调整系数;s、g是神经元的外部输入及其幅值调整系数.将简化后的模型作为I4的模型.˙u=−k·u+g·sy=u(2)3)MM层,即图中的运动神经元M1、M2组成的部分.M1、M2能够独立地对I4的输出进行调整.M1、M2的输出分别作为生成三维步态所需的两个自由度运动的控制信号.为了降低模型复杂度, M1、M2也都采用式(2)所示的模型.假设蛇形机器人有n个关节,并且每个关节有两个运动自由度,即偏航、俯仰自由度.每个关节都由一个HCCPG来控制.HCCPG之间只通过它们的RG部分的连接来实现各个关节运动的协调.Wu 等[33]的研究表明通过引入如图3所示的局部闭环连接结构,即将第q个RG(RG q(q=1,···,n))的各个神经元的输出回馈给第一个RG(RG1)的对应神经元,可以改善RG的输出,比如使得各个RG的输出的幅值更一致等.为此,本文也采用这种闭环结构,从而得到如图4所示的各个HCCPG的RG之间的连接拓扑结构.为了更好地说明这种闭环结构,图中在RG1前面多画了一个RG q,以表示RG1有来自RG q的回馈连接,但是实际上这个RG q与图中的另一个RG q指的是同一个RG,而非两个不同的RG.综上所述,得到第i个HCCPG的模型,如式(3)所示.图3连接RG的局部闭环拓扑结构Fig.3The local closed-loop structureused to connect RGss图4采用局部闭环结构时,RG的各个神经元间的连接形式Fig.4The connections among the RGs neurons when the local closed-loop structure is adoptedτ·˙u i,j=−u i,j−w·y i,k+w o·y s,j+S i˙u P Fi=−k P Fi·u P Fi+g P Fi·y i˙u MNi,r=−k MNi,r·u MNi,r+g MNi,r·y P Fi y i,j=max(0,u i,j)y i=y i,m−y i,1y P Fi=u P Fiy MNi,r=u MNi,ri=1,···,n;j=1,···,m;r=1,2s=q,若i=1i−1,否则k=m,若j=1j−1,否则(3)其中,n是HCCPG的总节数、机器人的总关节数; m是1个RG内部包含的中间神经元总数.在本文中m=3;s,q是RG的序号,q表示RG q的输出回馈给RG1,s,q=1,···,n;j,k是神经元在RG内部的序号;u i,j,y i,j分别是第j个神经元的膜电势、输出;y i是R i的输出;τ是膜电势的时间常量;w是RG内部各个神经元之间的连接系数;w o是不同的RG的神经元之间的连接系数;S i是神经元的外部激励输入.令S i=S(i=1,···,n);r(r=1,2)是运动神经元的序号;u P Fi,u MNi,1,u MNi,2分别是I4, M1,M2的膜电势;y P Fi,y MNi,1,y MNi,2分别是I4, M1,M2的输出;k P Fi,k MNi,1,k MNi,2分别是I4,M1, M2的相位调节系数.令k P Fi=k P F,k MNi,1=k y, k MNi,2=k p(i=1,···,n);g P Fi,g MNi,1,g MNi,2分别是I4,M1,M2的幅值调节系数.令g P Fi=g P F, g MNi,1=g y,g MNi,2=g p(i=1,···,n).综上所述,蛇形机器人的基于HCCPG模型的完整控制系统如图5所示.图5将图4中的RG1前面的虚拟RG q省略.图中底部的粗线圆圈(Y i)、方块(P i)分别表示第i个关节的偏航、俯仰自由度.运动神经元的输出作为对应自由度运动的参考角位置控制信号.10期杨贵志等:面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型1615图5蛇形机器人的控制系统Fig.5Snake-like robot s control system2HCCPG 模型的参数特性为了更好地用HCCPG 模型进行控制,需要对它的参数的特性进行分析.由于HCCPG 模型由RG 、PF 、MM 三部分组成,而PF 、MM 都是基于简化后的持续型神经元模型,所以以下分别介绍RG 及简化后的持续型神经元模型的参数特性.2.1RG 的参数特性由于RG 的作用主要是生成有期望周期的基本节律信号、实现HCCPG 之间的相位协调,而对幅值等没有要求,所以通过仿真确定了RG 的一组基本参数,即τ=0.8218,w =2.4,w o =0.05,S =1,q =6.此时,RG 输出信号的周期为3s 、幅值为0.7322.以后如无特别说明,保持RG 的参数不变.φ=2·πq(4)图6给出了开环结构时各个RG 的输出,即没有RG 的输出回馈给RG 1,RG 之间从头到尾呈单向串联结构时的输出.图7给出了有闭环结构,并且图6用开环结构时RG 的输出Fig.6The RG s outputs with open-loopstructure图7用闭环结构并且q =6时,RG 的输出Fig.7The RG s outputs with closed-loopstructure and q =6q =6时的结果.比较这两个结果可以发现有闭环结构时,各个RG 的输出的幅值更加一致、而且相邻RG 的输出之间的相位差(φ)一致.由图6可知此时的φ=π/3.由不同q 的结果可以发现当q =1,4,5,6,7时,φ与q 存在如式(4)所示的关系.当q =1,3时,φ=0.此外,改变q 不会对RG 的输出的幅值、周期有显著影响.因此可以通过改变闭环内的RG 的数量来改变φ,但是这种改变只限于有限几种情形,从而限制了它的应用范围.图8给出了RG 的参数(τ、S )与其输出的周期(T )、幅值(α)之间的关系.可见,T 、α可以分别由τ、S 来线性调整.此时,τ与T 的关系如式(5)所示.T =3.650694·τ−0.00012(5)2.2简化后的持续型神经元模型的参数特性由于RG 的输出近似正弦函数形式,所以假设在初始条件(t 0,y 0)下,给式(2)所示的简化后的持续型神经元模型施加如式(6)所示的正弦函数形式输入f (t ).f (t )=α0·sin(ω·t +β)(6)其中,α0、ω、β分别是幅值、角频率、初始相位.可以求得式(2)的解为式(7):y (t )=∆y (t )+h (t )(7)∆y (t )=∆y 0·e −k ·∆t =(y 0−h (t 0))·e −k ·∆t (8)h (t )=α·sin(ω·t +β+∆p )=α ·f (t +∆pω)(9)α=g ·α0√k 2+ω2(10)α =αα0=g √k 2+ω2(11)1616自动化学报39卷(a)τ对T、α的影响(a)τseﬀectonT andα(b)S对T、α的影响(b)S s eﬀect on T andα图8τ、S对RG输出的周期(T)、幅值(α)的影响Fig.8τand S s eﬀect on RGs s outputsperiod(T)and amplitude(α)∆p=arctankω−π2(12)其中,∆t是时间长度,∆t=t−t0;∆y0、∆y、h(t)分别是初始跟踪误差、瞬态跟踪误差、稳态解;α、α分别是h(t)的幅值、h(t)相对于f(t)的幅值调整量;∆p是h(t)相对于f(t)的相位调整量.由式(9)可知,简化后的持续型神经元模型可以对其外部输入信号的幅值、相位进行调整.因此,HCCPG模型的MM层中的M1、M2可以对PF层的I4的输出的幅值、相位进行独立调整,从而生成实现蛇形机器人的三维步态所需的两自由度运动的控制信号.此时不需要引入额外的复杂机制[25]就能够对这两个控制信号之间的相位关系进行调整.需要指出的是,虽然这里假设RG的输出为正弦信号,以此得到神经元模型的特性,但是实际模型中,PF层的外部激励输入信号仍然是RG的输出,而不是正弦函数.由式(8)可知,如果k很小,则指数衰减会很慢.当k=0时,最终解可能有恒定误差∆y0.而当k很大时,衰减会很快,导致参数切换时发生跳变现象,从而损坏电机.假设k的范围为k∈[k L,k U],则由式(12)可以得到此时的如式(13)所示的相位调整范围∆p∈[∆p L,∆p U].本文取[k L,k U]=[0.2,20]以避免衰减过快或者过慢.∆p L=arctank Lω−π2∆p U=arctank Uω−π2(13)综上所述,根据生物CPG机制提出的HCCPG模型具有如下优点:1)因为RG层的输出具有近似正弦函数的特点,从而可以得到运动神经元的模型参数与其外部激励输入信号的调整量之间的近似解析关系.这为提出一个复杂度小的步态控制方法提供了可能.2)因为不需要用两个CPG协同来生成三维步态所需的两个自由度运动控制信号,所以系统模型的维数小.另外又由于两个控制信号之间的相位关系的协调不需要借助额外的复杂机制,所以也使得模型复杂度较小.3)由于是通过模型参数来调整输出,而不是像卢振利等[23]那样直接对输出进行调整,所以可以保证模型调整时的输出连续性.4)由于一个运动神经元就对应一个自由度运动的控制信号,所以当关节的自由度数增多时,可以通过增加相应数量的运动神经元的方法来实现控制.比如有的机器人的关节有3个运动自由度[34],此时只需用3个运动神经元即能同时控制这3个自由度,而不是用3个CPG来分别控制.因此,HCCPG模型有良好的扩展性.因此HCCPG模型适合用于控制蛇形机器人的三维步态.3三维步态控制方法根据前面的分析可知,HCCPG模型能够生成多自由度运动的参考角位置控制信号,但是三维步态需要的是符合特定规律的控制信号,即对各个自由度控制信号的幅值、及其之间的相位关系等有特定的要求.因此本文以HCCPG模型为基础提出一个蛇形机器人的三维步态控制方法,即由期望的三维步态求对应的HCCPG模型参数的方法.因为三维步态是由偏航、俯仰自由度运动组合而成的,所以本文的步态控制方法主要是将期望的三维步态分解为偏航、俯仰自由度各自的期望运动,进而求出模型的各个参数.根据求得的参数,偏航、俯仰运动神经元生成各自自由度的运动.这两个运动就组合形成了期望的三维步态.因此,下面首先提出单自由度运动的控制方法,然后再以此提出三维步态的整体控制方法.3.1单自由度运动的控制方法由式(9)、(10)、(12)可知:可以通过调整运动神经元的参数(k、g)来调整f(t)的相位、幅值.单10期杨贵志等:面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型1617自由度运动的控制方法就是由期望的相位调整量(∆p ∗)、幅值(α∗)求k 、g 的方法.给定f (t )的参数ω、α0,则单自由度运动控制方法为:首先根据式(12),由ω、∆p ∗求得k ;然后根据式(10),由k 、α∗求得g .式(14)和式(15)分别给出了k 、g 的解.k =−ω·cot(∆p ∗)(14)g =α∗α0·√k 2+ω2(15)3.2三维步态的整体控制方法三维步态的整体控制方法就是由期望的三维步态求HCCPG 模型的参数的方法.期望的三维步态的参数包括:相邻关节的控制信号之间的相位差(φ∗),运动周期(T ∗),一个关节内的偏航与俯仰自由度运动之间的相位差(∆p ∗yp ),以及偏航、俯仰运动的幅值(α∗y 、α∗p ).需要根据这些参数求HCCPG 模型的各个参数.根据RG 、PF 、MM 层各自的功能与特性,模型参数的求解方法如下.3.2.1∗∗φ、T RG 的作用是生成指定周期的基本节律信号,并实现相邻关节的运动之间的相位协调,而对其幅值等无要求.因此根据式(4),由φ∗确定RG 的参数q .根据式(5),由T ∗确定RG 的参数τ.RG 的其他参数(w 、w 0、S )则设置为固定值.因为PF 的作用只是对RG 的输出进行滤波,而不需要对其幅值等进行调整,所以本文将它的参数设置为k PF =c k ·ω∗、g PF =c g ·ω∗.其中,c k 、c g为任意正常数;ω∗(=2·π/T ∗)是期望步态的运动角频率.根据式(10)可知此时PF 的输出的幅值与RG 的输出的幅值成固定比例.因为本文只调整RG 的输出周期,而不调整其幅值,即它的幅值固定,所以PF 输出的幅值也固定.测量到的RG 、PF 输出的实际幅值分别为αRG 、αPF .但是PF 的参数随着期望步态的周期的变化而变化,而不是固定值.3.2.2∆p ∗yp 、α∗y 、α∗p 偏航、俯仰运动神经元能够对PF 的输出的幅值、相位进行独立调整.它们的输出分别作为偏航、俯仰自由度运动的控制信号.它们的相位调整范围为∆p y 、∆p p ∈[∆p L ,∆p U ],则两信号之间的相位差(∆p yp =∆p p −∆p y )的调整范围为∆p yp ∈[∆p L −∆p U ,∆p U −∆p L ].因为最终控制的是两自由度运动之间的期望相位差∆p ∗yp ,所以需要由∆p ∗yp 求得两信号各自的期望相位调整量∆p ∗y 、∆p ∗p .它们应该满足式(16)所示关系:∆p ∗y ∈(∆p L −∆p ∗yp ,∆p U −∆p ∗yp )∩(∆p L ,∆p U )∆p ∗p ∈(∆p L +∆p ∗yp ,∆p U +∆p ∗yp)∩(∆p L ,∆p U )(16)当∆p ∗yp >0时,式(16)变为式(17):∆p ∗y ∈(∆p L ,∆p U −∆p ∗yp )∆p ∗p ∈(∆p L +∆p ∗yp,∆p U )(17)此时,∆p ∗y 和∆p ∗p 各自的可行域的中值为∆p ∗ym =∆p L +∆p U −∆p ∗yp 2∆p ∗pm=∆p L +∆p U +∆p ∗yp 2(18)当∆p ∗yp ≤0时,则式(16)变为式(19):∆p ∗y ∈(∆p L −∆p ∗yp ,∆p U )∆p ∗p ∈(∆p L ,∆p U +∆p ∗yp)(19)此时,∆p ∗y 和∆p ∗p 的可行域的中值同为式(18).综上所述,如果∆p ∗y 、∆p ∗p 分别取各自的中值,即∆p ∗ym 、∆p ∗pm ,则结果对∆p ∗yp >0和∆p ∗yp ≤0的情形都成立,并且可以尽量避免取边界值(取边界值则过渡过程会过快或过慢).根据式(14)和式(15),即可由ω∗、αPF 、(∆p ∗y ,α∗y )、(∆p ∗p ,α∗p )分别求得偏航、俯仰运动神经元的参数(k y ,g y )、(k p ,g p ).综合前面的分析,三维步态控制方法的流程图,如图9所示.图9三维步态控制方法的流程图Fig.9Flow chart of the 3-D gait control method4仿真为了验证提出的三维步态控制方法的有效性,本文利用开源的动力学仿真引擎(Open dynamic。

我的毕业设计--蛇形机器人(图片、视频)

我的毕业设计-------蛇形机器人（图片、视频）
我的毕业设计是自己定的课题，很早就有想法设计一种运动能力比较强的机器人，最终选择了蛇形机器人。

整个设计制作花了一个多月的时间，设计用途主要是想用于搜救、侦察、探测等，但现阶段还只是一个模型，有很多地方不足，不可能完成这些任务。

存在的问题主要有：
1.航模改装的舵机扭矩不够，希望大家能推荐一款性价比高的机器人舵机，查到春天的一款SR-402P的价格比较便宜，大家有没有用过，效果怎么样？
2.自主控制难以实现，采用遥控方式进行控制，采用的游戏手柄改的遥控器，但问题是只在头部安装了无线摄像头，不在人的视线范围内，就不能看到周围的地形情况，就不能很好控制其运动，多加几个无线摄像头感觉又不现实，查阅了很多资料，各国的蛇形机器人都只使用了一个摄像头，不知他们怎么解决的这一问题？另使用的无线摄像头传输距离只有几米，不知是什么原因。

在此发帖想请教一下大家，希望能提宝贵意见。

视频中的导线是电源线，实际工作是无线的。

用CATIA画的三维设计图，画得不好，见笑
航模舵机改装的机器人舵机，增加了一根支撑轴，加了小轴承
三自由度关节
遥控用的无线数据收发模块
游戏手柄改装的遥控器，没有用里面的电路，自己用单片机做的
背面的平衡充接口
要两个人配合遥控的
16路舵机控制板，拆了一些元件减轻重量，改了部分电路
直流电机控制芯片L298N
5V电源转换电路，LM2596-5.0，电流3A
控制部分整合在一起
无线摄像头，距离不够远
用旧电容改成外壳的LED灯。

叶片轮式蛇形机器人

项目简介叶片轮式蛇形机器人采用叶片轮驱动，比一般的蛇形机器人具有更好的翻越和攀爬能力，能够适应各种复杂的地面环境，同时具有结构简单、操作方便、速度快、成本低的特点。

该机器人由控制者通过无线摄像头传回的图像进行遥控控制，能够脱离视线范围工作，根据环境的不同可搭载不同的传感器完成各种任务。

主要可用于地震废墟下搜救伤员，在军事上侦察敌情，公安部门反恐，核工厂、危险化学药品生产工厂危险区域检测等。

详细介绍叶片轮式蛇形机器人由姿态控制系统、移动系统、遥控控制系统、无线视频系统、电源系统五个部分组成。

姿态控制系统：本叶片轮式蛇形机器人设计为5节，约半米长，共有4个关节，每个关节有三个自由度，两个可控制自由度，一个自平衡旋转自由度，通过控制关节处的舵机实现蛇形机器人姿态的改变。

移动系统：通过10个直流减速电机驱动10个叶片轮前进，比轮式驱动更容易越过障碍物。

每个叶片轮由三片弹簧片成两两120度固定于轮轴上而成，每片都略微向后弯曲，以防止前进时将杂物卷起卡住叶片轮。

遥控控制系统：包括无线遥控发射器和无线遥控接收器。

控制者通过无线摄像头传回的图像了解蛇形机器人周围地形情况，使用无线遥控发射器将控制信号传送给无线遥控接收器。

无线视频系统：通过无线摄像头将蛇形机器人周围图像传送到控制者的显示设备上，实现超视距控制。

电源系统：采用两块3.7V的锂聚合物电池串联供电。

本蛇形机器人头部安装有无线摄像头和高亮LED灯（在黑暗环境下使用），由控制者通过无线摄像头传回的图像对其进行遥控控制，能够脱离视线范围执行任务。

其采用的叶片轮式驱动能够比常规的驱动方式（如轮式驱动、履带式驱动）提供更佳的驱动能力和越障能力，每个关节有三个自由度（一般只有两个），能够取得更好的运动效果。

在不改变机身的情况下，可以通过更换不同的驱动机构来适应不同的运动环境，实现运动效率的高效化。

本蛇形机器人可搭载各种传感器，用于地震废墟下搜救伤员，在军事上用于侦察敌情，公安部门用于反恐，核工厂、危险化学药品生产工厂用于进入危险区域检测，外星探测等。

蛇形机器人研究

1.蛇形机器人研究背景仿生学的范围很广，譬如雷达是对蝙蝠超声测距能力的模仿，而机翼使用的防震措施则借鉴了蜻蜓翅膀的结构。

仿生机器人运动学是仿生学的一个很重要的发展。

人类在智慧上超出动物很多，但在特定环境的适应上就要比动物差很多。

虽然人发明了很多的技术弥补了这一不足，但明显可以看到，舰船的灵活性比不上鱼类，飞机的灵活性比不上鸟类甚至昆虫，车辆的地形适应性比不上四条腿的动物。

仿生运动的研究可以弥补我们这方面的不足，对社会产生大的经济效益。

蛇形机器人的研究可以满足一些行业的需求。

蛇形机器人由于其天生的多关节、多自由度，多冗余自由度，可以有多种运动模式，可以满足在复杂环境中搜救、侦查、排除爆炸物等反恐任务；航空航天领域可用其作为行星表面探测器，轨道卫星的柔性手臂；工业上则可应用于多冗余度柔性机械手臂，管道机器人等方面。

2.国内外研究情况分析1）目前国内外对蛇形机器人研究综述近几年来，特别是2000年以来，蛇形仿生机器人正在成为全世界新的研究热点。

其理由有二：首先，仿生机器人学正在机器人领域占有越来越重要的位置，而由于其自身的典型性，蛇形机器人是仿生领域的热点研究方向；其次，运动机理特殊的蛇形机器人有广阔的应用情景，例如战场上的扫雷，爆破，空间站的柔性机械手臂，通过能力很强的行星地表探测器等；且其模块化结构和高冗余度非常适应于条件非常恶劣而又要求高可靠性的战场、外层空间等环境。

国内也已经有单位开展这方面的研究，例如国防科大与中科院沈阳自动化所。

2）国内外研究概况a) 美国宇航局(NASA)的SnakeBotNASA于1999年开始研究多关节的蛇形机器人，计划在其太空计划中用于行星地表探测以及空间站维护工作。

其第一代蛇形机器人如图所示。

它采用相邻正交的串联机构，由中央计算机集中控制。

该机器人能完成蠕动前进，游动前进，翻越简单障碍物等功能。

该蛇形机器人结构简单合理，对目前的蛇形机器人结构产生了很大的影响。

b) 德国Gavin.H S1-S5德国人Gavin.H从约1997年开始从事蛇形机器人的研究工作，到目前为止共设计并制作了S1,S2,S3,S4,S5五代蛇形机器人，图3为S5。

三自由度平台

三自由度平台
三自由度平台是一种机械系统，具有三个独立的自由度，即可以在三个方向上进行运动。

它通常由三个旋转关节或转动轴组成，每个关节或轴可以使平台在一个方向上旋转或转动。

通过控制这些关节或轴的运动，可以实现平台在三个方向上的运动和定位。

三自由度平台广泛应用于机器人、模拟器、虚拟现实等领域。

在机器人领域，它可以用作机器人的底座或平台，用于控制机器人的运动和姿态。

在模拟器和虚拟现实领域，它可以用于模拟运动的平台，使用户能够在虚拟环境中感受到真实的运动和体验。

三自由度平台的动力学和控制是研究的重点之一。

通过分析平台的几何结构和运动学关系，可以建立平台的动力学模型。

然后，根据需要的运动和控制要求，设计合适的控制算法和策略，实现平台的运动和定位控制。

总而言之，三自由度平台是一种具有三个独立自由度的机械系统，通过控制其旋转关节或转动轴的运动，可以实现平台在三个方向上的运动和定位。

它在机器人、模拟器和虚拟现实等领域有广泛的应用。

蛇形机器人的原理

蛇形机器人的原理蛇形机器人的原理是通过模仿和模拟蛇的运动方式来实现机器人的移动。

蛇能够在不同的环境下灵活地爬行，并且能够通过扭动身体的方式来改变方向和前进。

蛇形机器人就是通过类似的方式来实现机械结构和运动控制。

蛇形机器人通常由多个关节和环节组成，这些关节和环节通过某种机械连接方式相互连接。

每个关节都有能够自由运动的自由度，可以通过这些自由度的组合来实现蛇形机器人的运动。

在机械设计上，通常使用连杆、铰链、舵机等来实现关节的运动。

蛇形机器人的运动方式主要是通过扭曲和扭转自身的身体来实现。

具体来说，当蛇形机器人需要向前运动时，它会将身体前面的一部分向前扭动，同时将身体后面的一部分向后扭动。

这样一来，机器人整体的前进方向就会与身体的扭动方向相反，从而向前移动。

蛇形机器人的身体通常由一系列类似链环的环节组成。

这些环节具有一定的柔软性和可变形性，可以通过变形来实现机器人的运动。

每个环节通常由一个关节和一个连接环组成。

关节用于控制环节的运动，连接环用于实现环节之间的连接和运动传递。

在控制方面，蛇形机器人通常使用传感器和控制算法来实现运动的识别和控制。

传感器主要用于感知机器人周围的环境，例如通过摄像头来感知周围障碍物的位置和距离。

控制算法则负责根据传感器的数据来计算机器人的运动轨迹和关节的运动方式。

在运动控制方面，蛇形机器人的目标是通过对每个关节的运动控制来实现机器人整体的运动。

通常，每个关节都由一个电机或舵机驱动，通过改变电机或舵机的转动角度来实现关节的运动。

控制算法根据机器人的运动目标和当前环境的信息，计算每个关节应该运动的角度和方向，然后发送控制信号给相应的电机或舵机。

总结起来，蛇形机器人的原理是通过模仿和模拟蛇的运动方式来实现机器人的移动。

它由多个关节和环节组成，通过某种机械连接方式相互连接，并且通过扭曲和扭转身体来实现运动。

蛇形机器人通过传感器和控制算法来感知环境和控制运动，以实现机器人整体的运动和导航。

一种仿生蛇形机器人的结构设计

一种仿生蛇形机器人的结构设计近年来，随着机器人技术的不断发展，仿生机器人的设计也越来越受到关注。

其中，仿生蛇形机器人作为一种新型机器人，具有较高的柔性和自适应性，受到了广泛关注。

本文将介绍一种仿生蛇形机器人的结构设计。

一、机器人结构概述仿生蛇形机器人的结构主要分为三个部分：头部、身体和尾部。

其中头部通常是由一个带有摄像头的模块组成，用于判断移动方向和障碍物识别。

身体部分采用分段的设计，每一段都能够实现自主运动，可以通过控制运动的角度和频率来实现机器人的移动。

尾部部分通常采用与身体部分相同的结构，主要起到稳定机器人的作用。

整个机器人结构灵活、可塑，可适应各种环境下的移动。

二、身体部分结构设计身体部分是仿生蛇形机器人最重要的部分，它决定了机器人的运动能力。

每一段身体都由一个转轴、一个驱动器和一个连接器组成。

转轴通常采用伺服电机或步进电机，可以控制其运动角度和速度，用于驱动身体运动。

驱动器通常采用弹性体或金属刚体，用于传输能量和控制运动轨迹。

连接器通常采用柔性材料，如橡胶或硅胶，能够实现身体的伸缩和弯曲，用于实现蛇形机器人的运动。

三、控制系统设计仿生蛇形机器人的控制系统包括硬件和软件两部分。

硬件方面，需要运用传感器、电机控制器、信号处理器等设备。

具体来说，需要安装陀螺仪、加速器、振动器等传感器，用于检测机器人的角度、速度和加速度。

电机控制器负责驱动电机，控制机器人的运动。

信号处理器用于处理控制指令和传感器数据，控制机器人的移动。

在软件方面，主要有机器人控制程序和运动学算法两部分。

控制程序负责接收用户指令，解析传感器数据，并将控制命令转换成电机控制信号。

运动学算法主要用于定位机器人的位置、速度和运动轨迹。

四、应用场景仿生蛇形机器人可应用于海底探测、医疗器械、安防巡逻、排爆等领域。

例如，用于水下探测可以采用防水材料，实现机器人在水中的自由运动。

医疗器械方面，仿生蛇形机器人可以用于手术，实现微创手术、准确治疗等。

蛇形机器人的运动规划方法研究

蛇形机器人的运动规划方法研究蛇形机器人是一种仿生机器人，其运动方式灵感来源于蛇类动物。

以其独特的外形和灵活的运动方式而备受关注。

然而，由于其多自由度、非线性和高度耦合的特点，蛇形机器人的运动规划一直是一个具有挑战性的问题。

蛇形机器人的运动规划主要涉及到路径生成和轨迹跟踪两个方面。

路径生成是指为机器人规划一条合适的路径，使其能够到达目标位置。

轨迹跟踪则是指机器人在运动过程中如何实时调整自身姿态，以保持机器人的稳定性和准确性。

在路径生成方面，一种常用的方法是基于虚拟结点的方法。

通过将机器人的身体划分为多个虚拟结点，并定义结点之间的连接关系，可以生成一条连续的路径。

另一种方法是基于采样的方法，即通过在环境中进行采样，找到一组符合要求的路径点，然后通过插值方法将这些路径点连接起来。

此外，还有一些基于图搜索和优化算法的路径生成方法，如A*算法和遗传算法，可以用于解决复杂环境下的路径规划问题。

在轨迹跟踪方面，蛇形机器人的非线性和高度耦合性质使得传统的控制方法难以适用。

一种常用的方法是基于模型预测控制的方法。

通过建立机器人的运动模型，并进行预测和优化，可以实现对机器人运动的精确控制。

另一种方法是基于反馈线性化的控制方法，通过将非线性系统线性化，并设计线性控制器来实现对机器人的控制。

除了上述方法，还有一些新颖的方法被提出用于蛇形机器人的运动规划。

例如，基于深度学习的方法可以通过训练神经网络来实现对机器人的运动规划。

此外，还有一些机器学习方法，如强化学习和遗传算法，可以用于解决蛇形机器人的运动规划问题。

综上所述，蛇形机器人的运动规划是一个具有挑战性的问题，需要采用多种方法来解决。

路径生成和轨迹跟踪是蛇形机器人运动规划的关键问题，而虚拟结点、采样、图搜索和优化算法、模型预测控制、反馈线性化以及深度学习等方法都可以用于解决这些问题。

随着技术的不断发展，相信蛇形机器人的运动规划方法将进一步完善，并在各个领域得到广泛应用。

2.2、蛇形机器人结构简介

生物蛇的侧向运动
蛇形机器人运动示意图
平面蜿蜒运动平面蜿蜒运动是通过控制关节模块水平轴的关节保持直线，而垂直轴的关节呈正弦变化产生；采用的算法公式为：
(b)侧向运动侧向运动是控制关节模块的垂直轴（yaw轴）的关节和水平轴（pitch轴）的关节都呈正弦变化，两个曲线之间有一个相位差；采用的算法公式为：
定义
发展趋势仿生多样应用
日本京都大学研制的蛇形搜救机器人“莫伊拉”
仿生机构
日本东京工业大学研制的废墟搜索机器人
(1) 蛇形机器人机构研究
生物蛇研究
蛇的肌肉骨骼简化模型
蛇的肌肉骨骼结构
生物蛇
蛇形机器人单自由度关节模块
关节模块设计
相邻关节模块连接示意图
（3）分布式控制系统和微型嵌入式控制器的研究
蛇形机器人原理样机控制系系统结构
主控单元
执行单元
CAN总线
执行单元
执行单元
执行单元
执行单元
执行单元
监控系统
机器人控制系统
(b)分布式控制系统结构
已应用在: 拟人机器人星球探测机器人
蛇形机器人机构的构成
（2）蛇形机器人运动控制方法研究蛇可以做多种动作来适应它所处的环境，但大体上可分为四种步态：蜿蜒运动直线运动伸缩运动侧向运动
蜿蜒运动
生物蛇的蜿蜒运动
直线运动
生物蛇的直线运动
伸缩运动
生物蛇的伸缩运动
侧向运动
(c)微型嵌入式控制器的研究
特点：模块化体积小功能全功耗低现场可编程
（4）地面特征识别技术的研究
传感器
压杆
传感装置
关节模块

仿生蛇形机器人的设计及研究

浠跨敓铔囧舰鏈哄櫒浜虹殑璁捐鍙婄爺绌?鎽? 瑕侊細瀵硅泧鐨勮韩浣撶粨鏋勫拰杩愬姩褰㈡€佽繘琛屼簡鍒嗘瀽锛屾帉鎻′簡铔囩殑杩愬姩妯″瀷锛屽垎鏋愪簡铔囧湪铚胯湌杩愬姩杩囩▼涓殑鍙楀姏鎯呭喌銆傞€氳繃瀵硅泧琛岃繍鍔ㄧ殑鐮旂┒锛岀粨鍚堢粨鏋勮璁°€佹帶鍒剁郴缁熻璁＄瓑锛岃璁′竴鏉?3鍏宠妭鐨勪豢鐢熸満鍣ㄨ泧锛屽疄鐜拌溈铚掑墠杩涖€佽浆寮€佽湻缂┿€佹姮澶寸瓑鍔ㄤ綔銆傚苟瀵逛豢鐢熻泧鐨勮璁℃彁鍑轰竴浜涚湅娉曪紝缁撳悎瀹為檯锛屽鍏舵湭鏉ュ彂灞曟彁鍑哄缓璁€傚叧閿瘝锛?铔囧舰鏈哄櫒浜猴紱缁撴瀯璁捐锛涜溈铚掕繍鍔?闅忕潃浠跨敓瀛︾殑鍙戝睍锛屼汉浠妸鐩厜瀵瑰噯浜嗙敓鐗╃晫锛屾帰绱㈡柊鐨勮繍鍔ㄦā寮忔湁浜嗘柊鐨勮繘灞曘€傝泧鏄棤鍥涜偄鍔ㄧ墿涓渶搴炲ぇ鐨勪竴绫伙紝鍦ㄥ嚑鍗冨勾鐨勮繘鍖栧巻鍙蹭腑锛屽畠鑳借繘琛屽绉嶈繍鍔ㄤ互閫傚簲涓嶅悓鐨勭敓娲荤幆澧冿紙濡傛矙婕犮€佹按姹犮€侀檰鍦般€佹爲鏋楃瓑锛夈€備豢铔囧舰鏈哄櫒浜哄氨鍦ㄨ繖绉嶈儗鏅笅璇炵敓浜嗐€傝泧褰㈡満鍣ㄤ汉鍙€傚簲鍚勭澶嶆潅鍦板舰鐨勮璧帮紝濡傚湪鎴樺満鎵浄銆佷睛娴嬨€佺垎鐮淬€佺熆浜曞拰搴熷涓帰娴嬭惀鏁戙€佺閬撶淮淇互鍙婂琛屾槦鍦拌〃鎺㈡祴绛塠1]锛屽叾鎬ц兘浼樹簬浼犵粺鐨勮璧版満鏋勶紝鍦ㄨ澶氶鍩熷叿鏈夐潪甯稿箍娉涚殑搴旂敤鍓嶆櫙銆傛湰鏂囬€氳繃瀵硅泧鐨勮繍鍔ㄦ柟寮忚繘琛屽垎鏋愬苟灏变豢鐢熻泧鐨勫叧鑺傜粨鏋勮繘琛岃璁★紝鎻愬嚭绯荤粺鎺у埗鏂规銆? 铔囩被杩愬姩鐮旂┒鍦ㄨ嚜鐒剁晫鐨勪笉鍚岀幆澧冧腑锛岀敓瀛樼潃涓嶅悓绉嶇被鐨勮泧锛屽畠浠殑杩愬姩鏂瑰紡涔熸湁鎵€涓嶅悓锛屽ぇ鑷村彲鍒嗕负浠ヤ笅鍑犵锛?1)铚胯湌杩愬姩锛氳泧浣撴憜鍔ㄨ繎浼间簬姝ｅ鸡娉㈢殑瑙勫緥锛屼緷闈犺吂閮ㄨ泧槌炰笌鍦伴潰鐨勬懇鎿︿綔鐢ㄤ骇鐢熸帹鍔ㄥ姏銆傝溈铚掕繍鍔ㄦ椂锛岃泧浣撲綔妯悜鐨勬尝鍔紝褰㈡垚鑻ュ共涓尝宄板拰娉㈣胺锛屽湪寮洸澶勭殑鍚庤竟鏂藉姏浜庡湴闈紝娌夸粠澶撮儴鍒板熬閮ㄦ柟鍚戜紶鎾紝鐢卞湴闈㈢殑鍙嶄綔鐢ㄥ疄鐜拌繍鍔ㄣ€?2)浼哥缉杩愬姩锛氬湪铔囬€氳繃闀跨洿鐨勭嫮绐勯€氶亾鏃跺父閲囩敤杩欑杩愬姩鏂瑰紡銆傝杩愬姩鍙垎涓轰袱涓妭鎷嶏紝鍏堜互鍓嶉儴浣滄敮鎾戯紝鏀剁缉鑲岃倝鍚戝墠鎷夊悗閮紝鍐嶄互鍚庨儴浣滄敮鎾戯紝閫氳繃鑲岃倝鏀剁缉鍚戝墠鎺ㄥ姩鍓嶉儴銆傝繖绉嶈繍鍔ㄧ殑鏁堢巼姣旇緝浣庛€?3)渚у悜绉诲姩锛氳繖绉嶈繍鍔ㄥ父瑙佷簬鐢熷瓨鍦ㄦ矙婕犱腑鐨勮泧绫汇€傝繍鍔ㄤ腑铔囪吂濮嬬粓閮藉彧鏈夊緢灏忕殑閮ㄥ垎涓庡湴闈㈡帴瑙︼紝鑰岀浉閭绘帴瑙﹂儴鍒嗕箣闂寸殑韬綋鏄姮璧风殑锛屽垎椤哄簭鎺ヨЕ鍦伴潰锛岀劧鍚庢姮璧凤紝渚濇寰幆锛屼骇鐢熶竴涓晶鍚戠殑杩愬姩銆傝繖绉嶈繍鍔ㄧ殑鏁堢巼姣旇緝楂橈紝鑳借幏寰楄緝澶х殑鍔犻€熷害锛岄€傚悎鍦ㄦ煍杞殑娌欏湴杩愬姩銆? 鍦ㄤ互涓婅繍鍔ㄦ柟寮忎腑锛屾渶甯歌鐨勬槸杩愬姩鏁堢巼鏈€楂樼殑铚胯湌杩愬姩锛岀劧鍚庢槸浼哥缉杩愬姩锛屼晶鍚戣繍鍔ㄦ瘮杈冨皯瑙併€傞€氳繃瀵硅泧鐨勮繍鍔ㄥ垎鏋愬彲瑙侊紝鏃犺鍝竴绉嶈繍鍔ㄦ柟寮忥紝閮藉彲浠ョ湅鎴愭槸涓€绯诲垪鐨勬尝褰紶閫掞紝銆俌Z骞抽潰娌縔鏂瑰悜涓婁笅杩愬姩锛屽疄鐜颁几缂╄繍鍔紱XY骞抽潰娌縔鏂瑰悜宸﹀彸杩愬姩锛屽疄鐜拌溈铚掕繍鍔紱濡傛灉YZ骞抽潰鍜孹Y骞抽潰娌縔鏂瑰悜杩涜绌洪棿澶嶅悎杩愬姩锛屽氨浜х敓鎵€璋撶殑渚у悜绉诲姩[2]銆?鑰冭檻浠跨敓铔囪璁＄殑渚垮埄鎬э紝閫夋嫨铚胯湌鐨勮繍鍔ㄦ柟寮忥紝骞跺亣璁句互姝ｅ鸡娉紶閫掋€傚彲浠ョ煡閬撳湪娉㈠舰浼犻€掕繃绋嬩腑鍚勪釜鍏宠妭鐩稿鏃嬭浆瑙掑害鐨勫彉鍖栵紝浠庤€屾帶鍒舵尝褰㈢ǔ瀹氬湴鍚戝墠鎺ㄨ繘銆傝泧褰㈡満鍣ㄤ汉鏄竴涓杩炴潌绯荤粺锛岄€氳繃鍚勭浉閭昏繛鏉嗙殑鍗忚皟鍔ㄤ綔鍚戝墠鎺ㄨ繘銆係erpenoid[3]鏇茬嚎宸辩粡琚箍娉涘簲鐢ㄥ埌铔囧舰鏈哄櫒浜轰笂锛屼互Serpenoid鏇茬嚎涓轰緥瀵硅泧褰㈡満鍣ㄤ汉鐨勮繍鍔ㄦ鎬佽繘琛岃鍒掋€係erpenoid鏄寚涓€涓┛杩嘪-Y鍧愭爣绯诲師鐐圭殑鏇茬嚎锛屽鏋滄弧瓒充互涓嬫潯浠讹紝灏卞彲浠ヨ绉颁负铚胯湌鏇茬嚎锛氬叾涓璦銆乥銆乧涓変釜鍙傛暟灏嗗喅瀹氭洸绾跨殑褰㈢姸锛岄€氳繃鏀瑰彉Serpenoid鏇茬嚎鐨勮繖涓変釜鍙傛暟锛屾棦鍙互鏀瑰彉铚胯湌鏇茬嚎鐨勪紶鎾尝鍨嬨€佷紶鎾箙搴︼紝涔熷彲浠ユ敼鍙樻洸绾跨殑浼犳挱鏂瑰悜銆傜敱Serpenoid鏇茬嚎鐨勫畾涔夊彲寰楀埌N鍏宠妭缁勬垚鐨勮繎浼糞erpenoid鏇茬嚎铔囧瀷鏈哄櫒浜鸿溈铚掕繍鍔ㄧ殑瑙掑害銆? 浠跨敓铔囧舰鏈哄櫒浜虹粨鏋勮璁? 璁捐浜嗕豢鐢熻泧褰㈡満鍣ㄤ汉涓変釜閮ㄥ垎鐨勫叧鑺傛ā鍨嬶紝鍒嗗埆鏄ご閮ㄥ叧鑺傘€侀┍鍔ㄥ叧鑺傚拰灏鹃儴鍏宠妭锛屽苟鐢ㄨ绠楁満杈呭姪璁捐杞欢UG NX7.0缁樺埗鍑轰簡鍚勪釜鍏宠妭鐨勬ā鍨嬨€傝泧褰㈡満鍣ㄤ汉鐨勫姞宸ユ潗鏂欐湁纭摑銆丳VC濉戞枡銆丄BS濉戞枡銆佹爲鑴傜瓑锛岃€冭檻鍒版満姊板姞宸ユ€ц兘銆佸鎬с€侀煣鎬с€佸己纭害绛夛紝鏈€缁堥€夊畾浜嗗厜鏁忔爲鑴傘€傚姞宸ユ柟娉曢€夋嫨蹇€熸垚鍨嬪姞宸ワ紝鍏舵牳蹇冩€濇兂鏄鏁ｅ爢绉垚鍨嬨€傝繍鐢ㄦ縺鍏夊揩閫熸垚鍨嬫妧鏈紝鍔犱笂鏈€閫傚悎璇ユ妧鏈殑鍏夋晱鏍戣剛鏉愭枡锛屽姞宸ョ悊鎯崇殑鍏宠妭瀹炵墿[4]銆?.1 浠跨敓铔囧舰鏈哄櫒浜洪┍鍔ㄥ叧鑺傝璁? 浠跨敓铔囩敱13涓叧鑺備覆鑱旇€屾垚锛屾瘡涓叧鑺傞兘鍏锋湁涓€涓嫭绔嬬殑鑷敱搴︼紝鍓?涓叧鑺?鑸垫満11銆?2銆?)璐熻矗铔囧舰鏈哄櫒浜烘姮澶村拰鎽囧ご鍔ㄤ綔锛屼粠绗?涓叧鑺傚紑濮嬩负椹卞姩鍏宠妭锛岄€氳繃鍏宠妭(鑸垫満)0銆?銆?銆?銆?銆?銆?銆?0鐩镐簰閰嶅悎瀹屾垚铚胯湌杩愬姩锛屾ā鎷熻泧褰㈡洸绾挎帹鍔ㄦ暣涓泧褰㈡満鍣ㄤ汉韬綋鐨勫墠杩涖€傚叧鑺?鑸垫満)2銆?瀹屾垚杞集锛岃湻缂╁姩浣溿€傚浘2鎵€绀哄嵆鏄繍鐢║G NX7.0杞欢缁樺埗鐨勪豢鐢熻泧褰㈡満鍣ㄤ汉椹卞姩鍏宠妭寤烘ā銆?2.2 浠跨敓铔囧舰鏈哄櫒浜哄熬閮ㄨ璁? 浠跨敓铔囧舰鏈哄櫒浜哄熬閮ㄨ璁′笉浠呰鑰冭檻澶栧瀷锛岃繕瑕佹妸瀹冭璁′负鏁翠釜绯荤粺鐨勫姩鍔涙潵婧愶紝鍥犳墍闇€鎺у埗鑸垫満杈冨锛岀數婧愰噰鐢ㄩ攤鑱氬悎鐗╃數姹犮€傜數姹犺緝閲嶏紝涓烘弧瓒宠繍鍔ㄨ姹傦紝闇€瀹夋斁鍦ㄨ泧鐨勫熬閮ㄣ€傚浘3鎵€绀哄嵆涓鸿繍鐢║G NX杞欢缁樺埗鐨勪豢鐢熻泧褰㈡満鍣ㄤ汉灏鹃儴鍏宠妭寤烘ā銆?2.3 浠跨敓铔囧舰鏈哄櫒浜哄ご閮ㄨ璁? 浠跨敓铔囧舰鏈哄櫒浜哄ご閮ㄨ璁℃槸妯′豢浜鸿剳鐨勫姛鑳斤紝瀹冮泦瓒呭０娉㈡祴璺濇ā鍧?浠跨敓铔囩溂)銆佸０鎺х數璺ā鍧?浠跨敓铔囪€?銆丮CU鎺у埗妯″潡(浠跨敓铔囧ぇ鑴?銆?2璺埖鏈烘帶鍒舵ā鍧?浠跨敓铔囧皬鑴?绛夐噸瑕佹帶鍒跺崟鍏冧负涓€浣擄紝銆傚叾涓璏CU鎺у埗妯″潡涓轰笂浣嶆満锛岃礋璐ｅ悇淇℃伅鐨勫鐞嗭紱鑸垫満鎺у埗妯″潡涓轰笅浣嶆満锛岃礋璐ｅ悇鑸垫満瑙掑害鐨勬帶鍒讹紝瀹屾垚鍩烘湰鍔ㄤ綔瑕佹眰銆傚洜鍚勬ā鍧楃粨鏋勫鏉備笖灏哄涓嶄竴锛屽洜姝ゆ棤娉曢€氳繃蹇€熸垚鍨嬪姞宸ュ緱鍒拌緝鍚堥€傜殑铔囧ご妯″瀷锛屽彧鑳介噰鍙栨墜宸ュ姞宸ュ畬鎴愬ご閮ㄧ殑璁捐锛屽啀鐢ㄧ數璺澘鐩存帴鎷艰鑰屾垚銆傚叾涓紝閲囩敤U褰㈤噾灞炴敮鏋惰繛鎺ヨ埖鏈哄拰澶撮儴锛屼娇铔囧舰鏈哄櫒浜哄彲浠ュ仛鍒版姮澶村拰浣庡ご鐨勫姩浣溿€備豢鐢熻泧褰㈡満鍣ㄤ汉鍏宠妭杩炴帴銆?3 浠跨敓铔囧舰鏈哄櫒浜烘帶鍒剁郴缁熻璁? 铔囧舰鏈哄櫒浜哄熀鏈殑璁捐鎬濇兂鏄€氳繃鏀瑰彉鍚勪釜鍏宠妭涔嬮棿鐩稿杩愬姩瑙掑害鏉ヤ娇铔囦綋杈惧埌鐩稿簲鐨勮繍鍔ㄥЭ鎬侊紝浠庤€屽疄鐜拌泧浣撶殑杩愬姩銆傞€氳繃瀵硅泧绫昏溈铚掕繍鍔ㄧ殑鐮旂┒锛岃绠楀嚭铔囧湪涓嶅悓杩愬姩褰㈡€佺殑鍚勪釜鍏宠妭涔嬮棿鐨勭浉瀵硅浆瑙掔殑鍏紡锛岄€氳繃鎺у埗姣忎釜鍏宠妭鐨勮浆瑙掞紝瀹炵幇铔囩殑杩炵画铚胯湌杩愬姩銆傛暣。

仿生蛇形机器人设计与应用

机器人搭载高清摄像头，可对侦察到的目标进行实时图像传输，为指挥部提供准确、及时的战场情报。
声纳与红外感应
仿生蛇形机器人还具备声纳和红外感应功能，能够感知周围生物和电子设备的存在，为侦察提供更多信息。
目标跟踪与打击
灵活跟踪
凭借其仿生的蛇形结构，机器人能够在复杂环境中实现对移动目标的跟踪，如车辆、人员等。
狭小空间救援
仿生蛇形机器人的灵活性和适应性使其能够在狭小的空间中进行救援，为受灾人员提供及时的援助。
灾害模拟演练
模拟灾害环境
仿生蛇形机器人可以模拟地震、洪水等灾害现场，为救援团队提供模拟演练的环境。
评估救援能力
通过模拟演练，救援团队可以评估自身的搜救能力和响应速度，为实际救援提供参考。
培训与教育
超声波传感器
用于测量机器人与周围环境之间的距离，实现机器人的导航功能。
IMU传感器
用于检测机器人的姿态，帮助机器人保持稳定的运动状态。
驱动器系统
电机驱动器
用于驱动电机转动，实现机器人的运动。
舵机驱动器
用于驱动舵机转动，控制机器人的姿态和运动方向。
电源系统
电池
为机器人提供电力，一般采用可充电电ቤተ መጻሕፍቲ ባይዱ。
感知系统架构
01
设计感知系统的整体架构，包括传感器数据的采集、处理和传
输。
触觉传感器
02
设计能够模拟蛇的触觉感知的触觉传感器，并开发相应的数据
处理算法。
视觉传感器
03
设计能够模拟蛇的视觉感知的视觉传感器，并开发相应的数据
处理算法。
导航软件设计
1 2
SLAM算法
使用SLAM（同时定位与地图构建）算法实现机器人的自主导航。

专利三自由度绳驱机器人关节控制算法

专利: 三自由度绳驱机器人关节控制算法一、概述近年来，机器人技术在工业生产、医疗保健、家庭服务等领域得到了广泛应用，机器人关节作为机器人的重要组成部分，对机器人的灵活性和精准性起着至关重要的作用。

然而，传统的机器人关节结构受到了传动精度和柔韧性的限制，制约了机器人的发展。

本文将介绍一种新型的机器人关节结构——三自由度绳驱机器人关节，并提出了相应的控制算法。

二、三自由度绳驱机器人关节的结构1. 三自由度结构三自由度机器人关节由三个独立的自由度组成，分别为旋转自由度、平移自由度和柔性自由度。

这种结构可以使机器人关节具有更大的灵活性和工作空间。

2. 绳驱动结构传统的机器人关节通常采用齿轮传动或直接驱动，而三自由度绳驱机器人关节采用绳索和滑轮来驱动，这种结构可以减小机器人的惯性负载，提高运动的精度和速度。

3. 结构设计优势三自由度绳驱机器人关节的结构设计具有以下优势：- 灵活性高：可以实现更多样的运动方式；- 轻负荷：绳驱动结构减小了机器人关节的负载；- 精准性：采用绳驱动结构可以提高运动的精度和速度；- 适用范围广：适用于各种机器人应用场景。

三、三自由度绳驱机器人关节的控制算法1. 动力学建模采用上线动力学建模的方法，建立了三自由度绳驱机器人关节的动力学模型，包括绳索和滑轮系统的动态特性。

2. 控制策略提出了一种基于模型预测控制的控制策略，通过对系统的动态特性进行建模和预测，实现了对机器人关节运动的精确控制。

3. 实验验证在实际的三自由度绳驱机器人关节评台上进行了控制算法的实验验证，结果表明，所提出的控制算法能够有效地实现机器人关节的精确控制。

四、结论三自由度绳驱机器人关节结构具有较高的灵活性和精准性，适用于各种机器人应用场景。

控制算法能够有效地实现对机器人关节的精确控制，为机器人技术的发展提供了新的思路和方法。

五、进一步研究未来的研究方向包括但不限于：- 进一步优化三自由度绳驱机器人关节的结构设计，提高其工作效率和可靠性；- 发展更加高效精确的控制算法，提高机器人关节的运动精度和速度； - 将三自由度绳驱机器人关节应用于不同领域，拓展其应用范围和潜在市场。

一种蛇形机器人及其控制方法[发明专利]

专利名称：一种蛇形机器人及其控制方法
专利类型：发明专利
发明人：韩开丞,黄宝福,徐婧文,葛丽丽,郑宇,贺晨刚,郝争平,周旭,杨春,赵钰霞
申请号：CN202210139719.8
申请日：20220216
公开号：CN114179066B
公开日：
20220614
专利内容由知识产权出版社提供
摘要：本发明公开了一种蛇形机器人及其控制方法，包括若干相互铰接的运动单元，运动单元包括支撑架，支撑架上设置有若干组动力相连的驱动环和驱动装置，各驱动环绕蛇形机器人的轴线做顺时针或逆时针旋转；至少一个驱动环上设置第一调向机构，至少一个驱动环上设置第二调向机构；使用时，通过改变驱动环的转速调节驱动力大小，第一调向机构将其所在驱动环的驱动力转向一侧，第二调向机构将其所在驱动环的驱动力转向另一侧，从而形成与蛇形机器人运动方向相同的合力作为蛇形机器人的驱动力；与现有技术相比，其不需要设置复杂的转向机构，不但简化了机器人的结构，有利于降低控制难度，同时也有利于缩小机器人的提及，满足狭小空间内的作业要求。

申请人：成都飞机工业(集团)有限责任公司
地址：610000 四川省成都市青羊区黄田坝纬一路88号
国籍：CN
代理机构：广州三环专利商标代理有限公司
代理人：王志
更多信息请下载全文后查看。

一种基于空间连杆机构的蛇形机器人

+ < co s a rcco s + < sin a rcco s +<
a a +c a a +c
2 2 2 2
+π +θ +π +θ ( 1)
2 2 2 a + b + c co s a rc tan
2 2 2 a + b + c sin a rc tan
和
xQ = yQ = zQ =
2 2 2 a + b + c co s a rc tan
心 , 从 O 点到 PO 和 QO 的几何尺寸为 O E = a =
221 5 mm , EF = b = 271 0 mm , FP0 = FQ 0 = c = 451 0 mm ,
O P0 = OQ 0 = a + b + c = 561 8 mm; 令 U 和 V 表示
2 2 2
个蛇身的运动 . 本文下面展示的样机有 9 个骨节 , 由
16 个微型伺服电机驱动 . 关节空间机构的三维实体
模型如图 1 所示 , 以骨节间水平和垂直最大转角为优化目标 , 以整体外形尺寸和电机外形尺寸为约束条件 ,通过实体运动仿真对该空间机构关节参数 (骨节长、宽、高、曲柄长和连杆长 ) 寻优得到的主要参数见表 1. 为了调整蛇形机器人纵横向运动的摩擦系数 ,每个骨节下面安装有两个被动轮 .
Fig . 3 Geometric parameters of joint spatial mechanis m
xP = yP = zP =
2 2 2 a + b + c co s a rc tan