基于阻抗控制的四足机器人足力控制研究
四足机器人运动控制技术研究与实现
四足机器人运动控制技术研究与实现一、本文概述随着科技的不断进步与创新,机器人技术已成为现代科学研究的前沿领域之一。
其中,四足机器人作为机器人技术的一个重要分支,因其在复杂地形和未知环境下的出色运动能力,引起了广泛的关注。
四足机器人的运动控制技术研究与实现,不仅关乎机器人技术的未来发展,更是对、控制理论等多个学科领域的一次深刻探索与实践。
本文旨在全面系统地研究四足机器人的运动控制技术,分析其原理、方法及应用,并探索其在不同场景下的实现方式。
通过本文的研究,期望能够为四足机器人的运动控制提供理论基础和技术支持,推动其在实际应用中的广泛发展和深入应用。
二、四足机器人运动学建模四足机器人的运动学建模是实现其高效、稳定运动控制的关键步骤。
运动学建模主要关注机器人各关节和整体的运动关系,而不涉及力和力矩等动力学因素。
通过运动学建模,我们可以预测和规划机器人的运动轨迹,为后续的轨迹跟踪和动态调整提供基础。
在运动学建模中,我们首先需要定义四足机器人的基本结构参数和运动变量。
通常,四足机器人由四条腿、躯干和头部组成,每条腿包含多个关节,如髋关节、膝关节和踝关节。
每个关节都有其旋转范围和运动速度,这些变量构成了机器人运动状态的基本参数。
基于这些参数,我们可以建立四足机器人的运动学方程。
运动学方程描述了机器人各关节之间的几何关系和运动约束。
例如,通过定义关节角度和长度,我们可以计算出机器人腿部的末端位置和方向。
通过组合各腿的运动,我们可以预测机器人的整体运动轨迹和姿态。
在运动学建模过程中,还需要考虑机器人的稳定性和动态性能。
稳定性是指机器人在运动过程中保持平衡的能力,而动态性能则涉及机器人的响应速度和加速度等指标。
为了确保四足机器人在各种环境下都能稳定、高效地运动,我们需要在运动学建模中充分考虑这些因素,并采取相应的优化措施。
四足机器人的运动学建模是实现其运动控制的重要基础。
通过建立准确的运动学方程和优化机器人的稳定性和动态性能,我们可以为四足机器人的实际应用提供有力支持。
液压四足机器人足端的力预测控制与运动平稳性
第32卷第5期中国机械工程V o l .32㊀N o .52021年3月C H I N A M E C HA N I C A LE N G I N E E R I N Gp p.523G532液压四足机器人足端的力预测控制与运动平稳性李㊀冰1㊀张永德1㊀袁立鹏2㊀朱光强3㊀代雪松1㊀苏文海31.哈尔滨理工大学机械动力工程学院,哈尔滨,1500802.哈尔滨工业大学机电工程学院,哈尔滨,1500013.东北农业大学工程学院,哈尔滨,150030摘要:针对液压四足机器人在坚硬路面行走时,足端位置易受刚性冲击,导致运动姿态平稳性差的问题,提出一种液压四足机器人足端力预测控制方法.在分析液压四足机器人结构的基础上,根据运动学与力学模型构建了液压伺服系统的力控制模型;采用改进自适应布谷鸟优化B P 神经网络算法建立足端力预测控制模型,通过仿真对比分析验证了该算法的可行性.最后通过液压四足机器人K L 样机进行足端力及刚性地面行走测试,结果表明该方法能有效增强液压四足机器人腿部的力柔顺性,提高运动姿态平稳性.关键词:液压四足机器人;预测控制;布谷鸟算法;B P 神经网络中图分类号:T P 242.6D O I :10.3969/j .i s s n .1004 132X.2021.05.003开放科学(资源服务)标识码(O S I D ):P r e d i c t i v eC o n t r o l o fP l a n t a rF o r c e a n dM o t i o nS t a b i l i t y o fH yd r a u l i c Q u a d r u pe dR o b o t L IB i n g 1㊀Z H A N G Y o n g d e 1㊀Y U A N L i p e n g 2㊀Z HU G u a n g q i a n g 3㊀D A IX u e s o n g 1㊀SU W e n h a i 31.S c h o o l o fM e c h a n i c a l a n dP o w e rE n g i n e e r i n g ,H a r b i nU n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y ,H a r b i n ,1500802.S c h o o l o fM e c h a t r o n i c sE n g i n e e r i n g ,H a r b i n I n s t i t u t e o fT e c h n o l o g y,H a r b i n ,1500013.C o l l e g e o fE n g i n e e r i n g ,N o r t h e a s tA g r i c u l t u r a lU n i v e r s i t y,H a r b i n ,150030A b s t r a c t :A i m i n g a t t h e p r o b l e mt h a t p l a n t a r p o s i t i o no f h y d r a u l i c q u a d r u p e d r o b o t i s s u s c e pt i b l e t o r i g i d i m p a c t sw h e n w a l k i n g o nh a r dr o a d s ,w h i c hi sr e s u l t e d i n p o o rm o t i o n p o s t u r es t a b i l i t y,a m e t h o d f o r p r e d i c t i n g p l a n t a r f o r c e o f t h e h y d r a u l i c q u a d r u p e d r o b o tw a s p r o po s e d .O n t h e b a s i s o f a n Ga l y z i n g s t r u c t u r e o f t h e h y d r a u l i c q u a d r u p e d r o b o t ,a f o r c e c o n t r o lm o d e l o f h y d r a u l i c s e r v o s ys t e ma c Gc o r d i n g t o k i n e m a t i c s a n dm e c h a n i c sm o d e l w a s c o n s t r u c t e d .T h e n ,a n i m p r o v e d a d a p t i v e c u c k o o o pt i Gm i z e dB Pn e u r a l n e t w o r k a l go r i t h m w a s u s e d t o e s t a b l i s h p l a n t a r f o r c e p r e d i c t i v e c o n t r o lm o d e l ,f e a s i Gb i l i t y o f t h e a l g o r i t h m w a s v e r i f i e dw i t h s i m u l a t i o n a n d c o m p a r a t i v e a n a l y s i s .F i n a l l y ,aK L p r o t o t y pe of t h eh y d r a u l i c q u a d r u p e d r o b o tw a su s e d t o t e s t f o r t h e p l a n t a r f o r c eo f r ig i d g r o u n dw a l k i n g .Th e r e s u l t s s h o wt h a t t h em e t h o dm a y e f f e c ti v e l y e n h a n c e l e g f l e x i b i l i t y o f t h eh y d r a u l i c q u a d r u p e d r o b o t a n d i m p r o v e s t a b i l i t y ofm o t i o n p o s t u r e .K e y wo r d s :h y d r a u l i c q u a d r u p e d r o b o t ;p r e d i c t i v e c o n t r o l ;c u c k o o a l g o r i t h m ;B Pn e u r a l n e t w o r k 收稿日期:20200205基金项目:国家自然科学基金(51675142);国家科技支撑计划(2013B A H 57F 01);黑龙江省自然科学基金(Z D 2018013)0㊀引言液压四足机器人以液压伺服系统为驱动原件,具有反应快㊁重量轻㊁尺寸小㊁结构紧凑及承受负载能力强等优点,在工业㊁农业运输等大负载场合广泛应用[1G2].液压四足机器人足端与外界环境间的约束关系影响机身运动姿态的稳定性[3G4].目前,影响液压四足机器人运动姿态平稳性的足端力控制主要基于阻抗的控制策略.李鑫[5]㊁张国腾[6]采用基于惯性刚度阻尼模型的阻抗控制策略,通过调节阻抗模型参数使腿部的力柔顺,该液压伺服系统具有系统非线性及参数时变性等特点,足端位置力跟踪存在稳态误差.丁庆鹏[7]提出的自适应阻抗控制策略可对环境刚度及环境位置进行辨识,有效减小了足端位置力跟踪稳态误差,但存在响应延迟.苏文海等[8]提出一种基于复合粒子群自适应液压伺服系统力跟踪的阻抗控制策略,使液压伺服系统末端位置力跟踪的动态性能得到明显提高,能适应复杂的作业环境.此外,俞滨等[9]提出了基于液压驱动单元位置控制环的变刚度和变阻尼负载特性模拟方325法,柯贤锋等[10]研究了基于力反馈的位置型主动柔顺控制方法,邵璇等[11]提出了基于动力学模型的机器人内力自适应抑制策略,柴汇[12]提出一种足端力柔顺控制方法.这些控制策略是根据液压四足机器人和液压伺服系统的动力学理论建立的,可以有效改善液压四足机器人腿部柔顺性和机身运动姿态的平稳性能.上述学者对液压四足机器人腿部力控制与运动姿态平稳性的研究主要从力阻抗控制模型㊁动力学模型及模型的参数优化等方面展开.然而,液压四足机器人在坚硬路面行走时,足端位置受到的力是随时间不断变化的,且足端在接触地面瞬间存在刚性冲击,容易引起机身运动姿态的不平稳,故需要对液压四足机器人在坚硬路面行走时的足端受力情况进行研究.为此,笔者提出一种液压四足机器人足端力预测控制方法.首先,根据液压四足机器人的结构进行运动学分析,得到足端位置相对于各腿关节转角的变换方程,求出雅可比矩阵,建立足端受到的地面作用力与关节力矩的关系式,采用基于复合粒子群自适应阻抗模型建立液压伺服系统末端位置的力闭环控制框架.然后,通过位置控制试验,得出大腿㊁小腿的液压缸位移曲线与足端力的变化曲线,采用改进自适应布谷鸟优化B P神经网络算法构建足端力预测控制模型.最后,结合液压四足机器人试验样机进行相关试验,验证液压四足机器人足端力预测控制方法的有效性.1㊀液压四足机器人结构液压四足机器人的模型如图1所示,其整体结构可表示为一种具有时变性特点的混联结构:当其单腿运动处于摆动相时,可被看作是串联机构;当其多腿支撑时,可视为具有冗余运动的并联机构[13].1.机身㊀2.机节㊀3.大腿㊀4.液压伺服系统5.小腿㊀6.弹性元件图1㊀液压四足机器人结构图F i g.1㊀H y d r a u l i c q u a d r u p e d r o b o t s t r u c t u r e d i a g r a m液压四足机器人主要由机身和4条相同结构的腿(安装方式为前肘后膝式[14G15])组成.每条腿由机节㊁大腿和小腿的3个液压缸驱动,其中,机节控制侧摆位移,大腿和小腿控制前进距离及抬腿高度.在足底部位安装弹性元件,减小液压四足机器人行走过程中落地时足端对腿部关节的强烈刚性冲击[16].2㊀数学模型的建立2.1㊀运动学模型建立液压四足机器人的单腿运动学模型是实现腿部关节转角与足端位置之间相互变换的常用分析方法,因此,采用DGH法㊁齐次变换来描述相邻连杆之间的运动学关系[17].以左前腿为例,建立图2所示的连杆坐标系,图中,O b X b Y b Z b为机身坐标系,基坐标系O0X0Y0Z0建立在侧摆关节上,侧摆关节坐标系O1X1Y1Z1建立在基坐标上,大腿㊁小腿以及足端的坐标系O2X2Y2Z2㊁O3X3Y3Z3㊁O4X4Y4Z4分别建立在前一个连杆的末端上.关节坐标系的Z i(i=1,2,3,4)轴沿关节轴方向,X i轴沿连杆方向,且足端坐标轴与小腿坐标轴的方向一致,各连杆变换参数如表1所示.图2㊀液压四足机器人DGH坐标图F i g.2㊀DGHc o o r d i n a t e d i a g r a mo f h y d r a u l i cq u a d r u p e d r o b o t表1㊀液压四足机器人左前腿的DGH坐标参数T a b.1㊀DGHc o o r d i n a t e p a r a m e t e r s f o r l e f t f r o n t l e g o fh y d r a u l i c q u a d r u p e d r o b o ti连杆长度l i-1(mm)关节扭角αi-1(ʎ)关节距离d i(mm)关节角θi(ʎ)1000-90~90242-900-90~90323000-90~904190000㊀㊀根据图2建立的运动学坐标及表1定义的参数,采用P a u l变换法[18]得到液压四足机器人单425中国机械工程第32卷第5期2021年3月上半月腿运动学正解表达式:0T 4=0T 11T 22T 33T 4(1)0T 4=a 1c 23-a 1s 23-s 1c 1(a 1+a 2c 2+a 3c 23)s 1c 23-s 1c 23c 1s 1(a 1+a 2c 2+a 3c 23)-s 23-c 230-a 2s 2-a 3s 230001éëêêêêêùûúúúúú(2)s 1=s i n θ1㊀s 2=s i n θ2㊀c 1=c o s θ1㊀c 2=co s θ2s 23=s i n (θ2+θ3)㊀㊀c 23=co s (θ2+θ3)式中,0T 1为连杆1相对于基坐标的齐次变换矩阵;1T 2为连杆2相对于连杆1坐标的齐次变换矩阵;2T 3为连杆3相对于连杆2坐标的齐次变换矩阵;3T 4为足底相对于连杆3坐标的齐次变换矩阵;0T 4为足底相对于基坐标的齐次变换矩阵;a 1为侧摆连杆长度;a 2为大腿连杆长度;a 3为小腿连杆长度.由于液压四足机器人的每条腿有3个自由度,所以在对其正运动学方程求逆解时会存在多解,因而采用齐次矩阵的反变换法来求解液压四足机器人各腿的逆解.足端位置相对于侧摆关节角θ1㊁大腿关节角θ2㊁小腿关节角θ3的变换方程为θ1=a r c t a np yp xθ2=a r c t a n k 2k 1-a r c t a n k 3k 21+k 22-k 23θ3=ʃa r c t a n s 3c 3üþýïïïïïï(3)k 1=p y s 1+p x c 1-a 1㊀㊀k 2=-p z ㊀㊀k 3=a 3s 3c 3=k 21+k 22-a 22-a 232a 2a 3㊀㊀s 3=1-c 23式中,p x ㊁p y ㊁p z 分别为设定的足末端位置相对于基坐标系的侧摆位移㊁抬腿高度和前进距离.2.2㊀力控制模型的建立从控制角度来看,液压四足机器人的腿部机构是一个多变量㊁冗余㊁非线性的复杂力学系统,通过分析其足端位置力与关节力矩的对应关系,可建立图3所示的液压四足机器人足端力与关节力矩关系.图3㊀足端力与关节力矩关系图F i g .3㊀R e l a t i o nd i a gr a mo f f o o tb o t t o mf o r c e a n d j o i n t t o r qu e 研究足端位置力与腿部关节力矩之间的变换关系是进行液压四足机器人腿部力控制㊁保持机身行走平稳性的前提和基础.若令足端位置的原点矢量p =(p x ,p y ,p z )T,关节转角θ=(θ1,θ2,θ3)T,则根据2.1节推出的运动学模型可知足端的运动轨迹与其关节转角之间的变换关系:d p d t =J (θ)d θd t(4)其中,J (θ)为3阶的雅可比矩阵,其列向量是足端位置对各关节转角的偏导.结合式(2)可得雅可比矩阵:J (θ)=∂p ∂θ1∂p ∂θ2∂p ∂θ3[](5)对单腿而言,我们假定液压四足机器人在模拟运行时,足端只受地面的支持力㊁摩擦力和机架水平反向的弹力,则根据虚功原理ðF i δr i =0(F i 为足端受到地面对它的合力,δr i 为虚位移)得到足端受到的地面作用力与关节力矩的关系[19]:τ=J T (θ)F(6)式中,τ为腿部关节力矩,τ=(τ1,τ2,τ3)T;τ1㊁τ2㊁τ3分别为侧摆关节㊁大腿关节㊁小腿关节受到的力矩;F 为作用在足端的地面反力(足端位置力),F =(F x ,F y ,F z )T;F x ㊁F y ㊁F z 分别为足端位置受到相对于基坐标的三个方向反力.液压四足机器人足端落地时,需要液压伺服系统末端位置受到的力准确跟踪期望力F r ,保持行走稳定性,故需要得到准确的足端位置力F 的变化曲线,进而通过式(6)换成关节力矩,并根据余弦定理求出液压杆末端位置期望力F r 的变化曲线.为保证液压伺服系统末端位置能够完成对期望力F r 的跟踪,采用基于位置的阻抗控制策略构成力闭环.该策略的力学公式为F r -F e =M d Δx ㊆m +B d Δxm +K d Δx m(7)式中,M d ㊁B d ㊁K d 分别为液压伺服系统基于位置阻抗控制的期望惯性㊁期望阻尼和期望刚度的参数矩阵;F e 为液压伺服系统末端位置变化力;Δx m 为期望位置偏差,Δx m =x -x r ;x 为当前位置;x r 为期望位置.因此,可得基于位置的液压伺服系统末端位置力跟踪阻抗控制框图(图4).为保持液压伺服系统末端位置力跟踪的动态性能,本文采用苏文海等[8]提出的方法,研究基于位置的液压伺服系统力跟踪阻抗控制策略.3㊀足端力预测控制模型的设计方法足端力预测控制方法基于阻抗控制策略,并结合运动学模型与力学模型,将原有的跟踪固定期望力方式改为按步态周期跟踪实时变化的期望525 液压四足机器人足端的力预测控制与运动平稳性李㊀冰㊀张永德㊀袁立鹏等图4㊀位置力跟踪阻抗控制框图F i g .4㊀P o s i t i o n f o r c e t r a c k i n g i m pe d a n c e c o n t r o l b l o c kd i a gr a m 力方式来对足端力进行预测跟踪控制.这使得液压四足机器人在坚硬路面行走时,保证每条腿都能够始终处于合适的柔顺状态,有效减小液压四足机器人在坚硬路面行走时足端与地面的刚性冲击,提高液压四足机器人机身运动姿态的平稳性.足端力预测控制模型的设计方法如下:首先,采用液压四足机器人进行位置控制行走试验,得到液压伺服系统液压杆的位移与足端力的变化关系;然后,以液压四足机器人前进行走时的左前腿为例,根据改进自适应布谷鸟优化B P 神经网络算法建立大腿㊁小腿的液压伺服系统位移变化量与足端力之间的关系函数.3.1㊀试验方法3.1.1㊀试验样机简介图5所示的液压四足机器人K L 为试验对象.K L 腿中的每个液压伺服系统包含位移传感器与力传感器,足端位置有六维力传感器,用来测试当前步态下的力/位关系.图5㊀液压四足机器人K LF i g .5㊀H y d r a u l i c q u a d r u pe d r o b o tK L 3.1.2㊀控制系统设计K L 的控制系统包括监控计算机和上下位机.计算机作为监控计算机,用于数据的存储㊁监测与采集.上位机将研华P C 104作为主控制器,主要负责处理数据㊁控制运算和启停逻辑的控制;通过连接外置网卡与监控计算机通信;采用外置H C M G3680GC A N 总线实现上位机与下位机的信号传递和数据接收.4个下位机均以研华P C 104为主控制器.下位机控制器的H I T GP C 104GH X L GP 515板卡用于采集每个关节的力/位置传感器信号,并进行A /D 转换;H I T GP C 104GH X L GP 520板卡用于D /A 转换,产生液压阀控制信号;各板卡的驱动模块均为基于MA T L A B G2016a 软件和嵌入式C ++语言编写的MA T L A B /S i m u l i n kS GF u n c t i o n 模块.此外,上下位机主控制器均将X P C 系统作为实时操作控制系统.同时,整套控制程序的开发及控制算法的更改均在的MA T L A B /S i m u l i n k框架下完成,一旦控制器确定程序,即可生成㊁固化㊁定型.3.1.3㊀试验过程通过K L 进行位置控制行走试验,试验场地为硬混凝土地面,试验步态为T r o t 步态,步态周期为2s ,控制器的采样时间为1m s .以K L 的左前腿为例,通过位移传感器㊁力传感器记录K L 在一个步态运动周期内的驱动大腿㊁小腿液压缸的位移与足端力的变化数据,结果如图6所示.图6中,K L 足端在处于摆动相时,足端力为0;处于支撑相时,足端力存在规律性的变化,最大值约为2130N .图6㊀左前腿液压缸位移与足端力的变化曲线F i g .6㊀C u r v e s o f h y d r a u l i c c y l i n d e r s d i s pl a c e m e n t f o r l e f t f r o n t l e g an d f o o t e n d f o r c e 根据图6所示的试验结果,采用改进自适应布谷鸟优化B P 神经网络算法对位置控制行走试验记录的数据进行网络训练,建立以大腿㊁小腿位移变化量为输入信号㊁足端力为输出信号的足端受力预测控制模型.3.2㊀改进自适应布谷鸟优化B P 神经网络算法的建立3.2.1㊀B P 神经网络根据文献[20G22]的研究可知,一个单隐含层的B P 网络能够逼近任意一个闭区间内的连续函数,故采用B P 神经网络对大腿㊁小腿液压缸位移与足端力的变化数据进行函数的构建.625 中国机械工程第32卷第5期2021年3月上半月本文构建的B P 神经网络如图7所示,输入层节点数为2,隐含层节点数为3,输出层节点数为1;x 1㊁x 2为大腿液压缸位移变化的输入信号,F r为足端处于支撑相时的预测力.图7㊀B P 神经网络结构图F i g .7㊀S t r u c t u r e d i a gr a mo fB Pn e u r a l n e t w o r k 图7所示B P 神经网络算法的各层的输入㊁输出如下:㊀㊀隐含层输入Z j =w 1j x 1+w 2j x 2+b j(8)㊀㊀隐含层输出o j =f1(Z j )(9)㊀㊀输出层输入s =v 1f 1(o 1)+v 2f 1(o 2)+v 3f 1(o 3)+a (10)㊀㊀输出层输出F r =f 2(s )(11)式中,f 1㊁f 2为神经元活化函数,取正负对称的S i g m o i d 函数;w i j (i =1,2;j =1,2,3)为输入层到隐含层的连接权值;b j 为隐含层节点的阈值;v j 为隐含层到输出层的连接权值;a 为输出层节点的阈值.3.2.2㊀布谷鸟算法B P 神经网络在实际应用中容易陷入局部极值,学习㊁收敛慢,误差过大,每次训练时随机初始化的权值与阈值导致训练结果不一致.因此,本文采用布谷鸟搜索(c u c k o os e a r c h ,C S)算法(简称布谷鸟算法或C S 算法)[23G25]优化B P 神经网络阈值和权值[26G29].布谷鸟算法原则如下:①种群中的每只布谷鸟每次产下一枚卵,并且随机选择一个其他鸟类的巢穴孵化卵;每个巢穴只接受一枚卵.②所有巢穴中,布谷鸟蛋质量最好的巢穴将被保留到下一代.③种群规模和鸟巢数量是一定的,宿主鸟发现布谷鸟卵的概率为P a (0ɤP a ɤ1).如果宿主鸟发现布谷鸟卵,则宿主鸟可以丢弃蛋或在新的地点建造一个新巢.根据布谷鸟算法的上述三条原则可知,若巢穴存在布谷鸟蛋,则该巢穴被视作一个解,因此,布谷鸟搜索巢穴的路径和位置更新方式为x t +1,i =x t ,i +α L (λ)(12)式中,x t ,i ㊁x t +1,i 分别为t 代㊁t +1代第i 个巢穴的位置;α为搜索步长控制因子,用于控制布谷鸟的随机搜索范围;⊕表示点对点乘法;L (λ)表示莱维随机搜索路径.布谷鸟进行莱维飞行的随机搜索路径与飞行时间t 的关系服从L év y 分布:L (λ)~u =t -λ(13)式中,u 服从正态分布;λ为幂次系数,1<λɤ3.通过莱维飞行进行位置更新并随机产生0到1的数r ,若r >P a ,则继续进行位置更新,否则保留上一代的最优解.3.2.3㊀改进自适应C S 算法在C S 算法的参数中,步长控制因子α和发现概率P a 能帮助算法找到局部最优解和全局最优解,并调整C S 算法的收敛速度[30].传统C S 算法将P a 和α设为定值,其主要缺点是迭代次数不确定,不能很好选择P a 和α.如果P a 较小㊁α较大,则算法性能较差,导致迭代次数大幅度增大;如果P a 较大㊁α较小,则收敛较快,但可能无法找到最佳解.为了提高C S 算法的性能并克服上述缺点,本文引入自适应改进C S 策略,动态调整P a 和α.在C S 算法前期,P a 和α的值足够大才能使算法增加解向量的多样性;当C S 算法进入到中后期,P a 和α逐渐减小,从而提高搜索精度并保留适应值更好的解.P a 和α随生成次数动态改变:P a (n +1)=P a _m a x -n N q -q m i nq a v g -q m i n (1n ðni =1P a (i )-P a _m i n )(14)α(n +1)=αm a xe x p (n N l n α(n )αm a x)(15)式中,N ㊁n 分别为总迭代次数和当前迭代次数;q m i n 为当前最小适应度值;q a v g 为当前平均适应度值.3.2.4㊀适应度函数采用B P 神经网络算法对数据的输入和输出进行网络训练的本质是通过调节权值和阈值,让B P 神经网络的实际输出值与期望输出值之间的误差达到最小.因此,本文采用改进C S 算法优化B P 神经网络,将改进C S 算法的适应度函数作为优化的目标函数对B P 神经网络的权重和阈值进行优化,从而提高足端受力预测控制模型的准确性.根据文献[27],本文选取改进布谷鸟算法的适应度函数为q (i )=ðki =1(y ᶄ(i )-y (i ))2(16)式中,k 为样本总数;y ᶄ(i )为第i 个样本的实际训练输出值;y (i )为第i 个样本的期望输出值.3.2.5㊀改进自适应布谷鸟优化B P 神经网络算法首先,根据样本数据维数确定B P 神经网络的结构以及权重和阈值的总数,进而确定改进自适应布谷鸟算法中搜索空间的维数.其次,构造布谷鸟的鸟巢坐标与神经网络权重和阈值的对应关系,将待确定的权重和阈值视为改进自适应布谷725 液压四足机器人足端的力预测控制与运动平稳性李㊀冰㊀张永德㊀袁立鹏等鸟算法中有待寻找的鸟巢坐标,故所有鸟巢单体可以看成是权重和阈值的一个组合体,且任意一个鸟巢的好坏都由适应度函数决定.改进自适应布谷鸟算法的目标就是找到一个最优的鸟巢坐标,使选取的适应度函数得到最小值.最后,将该鸟巢坐标分量赋予B P神经网络的权重与阈值,用以构建优化后的B P神经网络.具体流程如图8所示.图8㊀改进自适应布谷鸟优化B P神经网络算法流程图F i g.8㊀F l o wc h a r t o f i m p r o v e da d a p t i v e c u c k o oo p t i m i z a t i o nB Pn e u r a l n e t w o r ka l g o r i t h m4㊀仿真对比分析为验证改进自适应布谷鸟优化B P神经网络算法的可行性,利用MA T L A B2016a软件编写程序,并以位置控制行走试验记录的大/小腿位移数据为输入信号,以足端力数据为训练目标进行仿真测试;同时,将改进自适应布谷鸟优化B P神经网络算法(改进自适应C SGB P算法)与现有的B P神经网络算法(B P算法)㊁F u z z y优化B P神经网络算法(F u z z yGB P算法)及P S O优化B P神经网络算法(P S OGB P算法)做仿真对比分析.对比结果如图9所示.由图9a可以看出,采用B P算法构建的液压伺服系统位移变化量与足端力变换模型的预测力与测试力存在明显的跟踪误差,且在运行时间(步态周期)1s(1/2个步态周期)附近出现力信号振荡.由图9b㊁图9c可以看出,采用F u z z yGB P算法及P S OGB P算法后,预测力与测试力之间的跟(a)B P 算法(b)F u z z yGB P 算法(c)P S OGB P 算法(d)改进自适应C SGB P算法图9㊀仿真对比分析曲线F i g.9㊀S i m u l a t i o n c o m p a r i s o na n a l y s i s c u r v e 踪误差明显比B P神经网络的小,但运行时间(步态周期)1s附近依然存在振荡信号.图9d中,采用改进自适应C SGB P算法的预测力能够很好地对测试力进行跟踪,动态性能良好,且运行时间(步态周期)1s附近没有振荡信号出现,预测力与825中国机械工程第32卷第5期2021年3月上半月测试力之间的跟踪误差最小.仿真结果验证了改进自适应C SGB P神经网络算法的可行性,说明采用该算法构建的足端受力预测控制模型能满足液压四足机器人足端位置力的跟踪动态性能要求.5㊀试验分析5.1㊀足端柔顺力测试当液压四足机器人在坚硬路面快速行走时,由于足端在触地的瞬间会产生较大的刚性冲击,故需要提高液压四足机器人腿部力柔顺性,进而改善机身姿态的平稳性.因此,为验证所提出控制方法对提高液压四足机器人腿部力柔顺性能的可行性,以及采用改进自适应C SGB P神经网络算法构建预测力控制模型的有效性,对液压四足机器人K L进行足端柔顺力测试.其中,控制系统的模型框图(图10)是在图4的基础上进行设计的.图10㊀液压伺服系统控制框图F i g.10㊀C o n t r o l b l o c kd i a g r a mo f h y d r a u l i c s e r v o s y s t e m㊀㊀采用改进自适应C SGB P算法构建的预测期望力控制方式与跟踪固定期望力和B P算法㊁F u z z yGB P算法㊁P S OGB P算法构建的预测期望力控制方式进行对比.试验过程中,采用W a l k步态在硬混凝土地面做前进位移为0的抬腿运动,且步态周期时间分别选择0.5s㊁0.75s㊁1.0s㊁1.25s㊁1.5s㊁1.75s㊁2.0s,测试液压四足机器人足端在触地瞬间时(足端触地后至1/10个步态周期)的受力最大值.试验结果如图11所示.图11㊀足端柔顺力测试图F i g.11㊀T e s t d r a w i n g o f f o o t f l e x u r a l f o r f o r c e由图11可以看出,当液压四足机器人的步态周期时间逐渐缩短时,运动不断加快,足端在触地瞬间的受力最大值逐渐增大,且足端在跟踪固定期望力时的情况最明显.此外,当步态周期时间趋于2s时,液压四足机器人腿部的运动较慢,受到地面的刚性冲击较弱,足端在触地瞬间(足端触地后至1/10个步态周期)的受力最大值也逐渐趋于稳定(约为100N).试验结果验证了采用足端力预测控制方法提高液压四足机器人腿部力柔顺性的可行性,能保证液压四足机器人在坚硬路面上快速行走时的运动姿态平稳性.同时,结合图11可知,采用改进自适应C SGB P预测跟踪期望力控制的足端力最大值在不同步态速度下均趋于100N,比B P算法㊁F u z z yGB P 算法㊁P S OGB P算法预测跟踪足端力的控制方式更稳定,腿部力柔顺性明显得到了改善;试验结果也验证了采用改进自适应C SGB P算法预测跟踪期望力控制的有效性.5.2㊀刚性地面行走姿态平稳性测试为验证上述理论对提高液压四足机器人在硬路面行走时的机身运动姿态平稳的有效性,将跟踪固定期望力方式㊁P S OGB P算法构建的预测期望力控制方式与改进自适应C SGB P算法构建的预测期望力控制方式进行对比分析.试验环境为混凝土地面.如图12所示,机器人腹部安装有支架,支架底部距离地面5c m,防止期望力跟踪不稳时机器摔倒.选择T r o t步态作为行走步态,步态周期为2s,运行时间为30s.液压四足机器人行走姿态的稳定性试验结果如图13所示.925液压四足机器人足端的力预测控制与运动平稳性 李㊀冰㊀张永德㊀袁立鹏等图12㊀试验过程图片F i g .12㊀D i a gr a mo f t e s t p r o c e ss (a)俯仰姿态曲线(b)翻转姿态曲线(c)航偏姿态曲线图13㊀液压四足机器人行走姿态对比曲线F i g .13㊀C o m p a r i s o n c u r v e o fw a l k i n gpo s t u r e o f h y d r a u l i c q u a d r u pe d r o b o t 由图13a 可以看出,采用固定足端期望力2000N 时,机身俯仰姿态角度α范围是-13.5ʎ~13.5ʎ;采用P S O GB P 算法构建的足端力预测控制方式时,机身俯仰姿态角度α范围是-5ʎ~5ʎ;采用改进自适应C S GB P 算法构建的足端力预测控制方式时,机身俯仰姿态角度α范围是-2.5ʎ~2.5ʎ.如图13b ㊁图13c 所示,采用改进自适应C S GB P 算法构建的足端力预测控制方式时,机身翻转姿态角度β范围是-4.5ʎ~4.5ʎ,机身航偏姿态角度γ范围是-4ʎ~4ʎ,优于其他两种方法,验证了本文的控制方法能提高液压四足机器人在坚硬路面行走时的机身姿态稳定性.6㊀结论(1)本文提出一种液压四足机器人足端力预测控制方法,采用改进自适应C S GB P 算法建立了液压四足机器人大腿㊁小腿的液压伺服系统位移变化量与足端力之间的预测控制模型,实现了液压四足机器人足端在支撑相位时的实时力跟踪控制.这使得液压四足机器人在坚硬路面行走时,每条腿都能够实时保持合适的柔顺性.(2)借助MA T L A B 软件将改进自适应C S GB P 算法训练的预测数据与现有的B P 算法㊁F u z z y GB P 算法及P S O GB P 算法训练的预测数据进行仿真对比分析,发现采用改进自适应C S GB P 算法的足端预测力跟踪效果最优,说明采用该算法构建的足端受力预测控制模型能满足液压四足机器人足端位置力的跟踪动态性能要求.(3)通过试验样机进行了足端柔顺力控制测试,发现改进自适应C S GB P 算法控制足端位置期望力的跟踪性能最优,能有效减小足端与地面接触时的刚性冲击,提高腿部力柔顺性.(4)试验样机平稳性测试证明,改进自适应C S GB P 算法的性能优于固定期望力及P S O GB P 算法,机身姿态俯仰㊁翻转㊁航偏角度大幅度减小,提高了液压四足机器人在坚硬路面行走时的机身姿态稳定性.参考文献:[1]㊀余联庆,王玉金,王立平,等.基于机体翻转的四足机器人翻越台阶过程的运动学分析[J ].中国机械工程,2012,23(5):518G524.Y U L i a n q i n g ,WA N G Y u j i n ,WA N GL i p i n g ,e t a l .K i n e m a t i c sA n a l y s i so fQ u a d r u p e dR o b o tC l i m b i n gS t e p B a s e do nB o d y F l i p p i n g [J ].C h i n a M e c h a n i c a l E n g i n e e r i n g,2012,23(5):518G524.[2]㊀汪红波,余联庆,王玉金,等.具有翻滚模式的可变形四足机器人结构设计与分析[J ].中国机械工程,2012,23(22):2743G2747.WA N G H o n g b o ,Y U L i a n q i n g ,WA N G Y u ji n ,e t a l .D e s i g n a n dA n a l ys i s o f aT r a n s f o r m a b l eQ u a d r u G035 中国机械工程第32卷第5期2021年3月上半月。
四足机器人运动控制技术研究与实现共3篇
四足机器人运动控制技术研究与实现共3篇四足机器人运动控制技术研究与实现1近年来,四足机器人作为一种重要的智能硬件,受到了广泛的关注和研究。
随着科学技术的不断进步,四足机器人的运动控制技术也得到了极大的提升。
本文将从四个方面探讨四足机器人运动控制技术的研究与实现。
一、基于环境感知的四足机器人运动控制技术研究在进行四足机器人的运动控制时,首先要考虑机器人周围的环境。
如何准确地感知环境并作出反应,成为了四足机器人运动控制的基础。
目前,一些高精度的传感器如激光雷达、摄像头等广泛应用于四足机器人运动控制中,通过了解周围环境,机器人可以快速适应环境并做出相应的行动,增强了机器人的地形适应能力。
二、基于机器学习的四足机器人运动控制技术研究随着人工智能技术的快速发展,机器学习在四足机器人运动控制中得到了广泛的应用。
由于机器学习算法可以将机器人运动过程中的数据不断反馈,使机器人学习到意想不到的知识,并逐渐适应环境,从而实现更加灵活的运动控制。
例如,深度学习技术可以让四足机器人在实际运动中自我调整,提高行动的准确性和鲁棒性。
三、基于遗传算法的四足机器人运动控制技术研究除了机器学习之外,遗传算法也是四足机器人运动控制中的一种有效手段。
遗传算法可以通过对机器人的运动过程进行多次迭代、优化和策略调整,使机器人学习到更有效的运动控制方法,提高机器人的适应性和行动效率。
例如,在运动控制中,通过适应性函数计算四足机器人运动能力的优劣,挑选有效的运动策略,大大提高了机器人运动控制的效率和精度。
四、实现四足机器人的智能控制系统在进行四足机器人运动控制时,一个完备的智能控制系统非常关键。
智能控制系统可以将上述不同的运动控制技术进行有机结合,从而实现对四足机器人更为准确、更为灵活的控制。
例如,在智能控制系统中,机器学习、遗传算法等一系列技术相互融合,可以为机器人提供更加高效的运动控制体系,从而实现更加复杂的运动任务。
总之,四足机器人运动控制技术的不断进步和发展,不仅可以为机器人的运动性能提供更为高效、更为准确的控制手段,而且还可以大大提高机器人适应环境和与人类交互的能力。
四足机器人步态规划与平衡控制研究的开题报告
四足机器人步态规划与平衡控制研究的开题报告一、研究背景机器人越来越多地被应用于工业、服务、医疗等领域,并成为未来发展的重要方向。
四足机器人是一种具有优良行走能力和强劲载重能力的多功能机器人,适用于恶劣环境、灾难搜救、军事侦察等领域。
而四足机器人的步态规划和平衡控制是保证其高效运行和稳定运行的关键技术之一。
二、研究目的本研究旨在探讨四足机器人步态规划与平衡控制技术,通过建立四足机器人的运动模型和控制模型,研究和分析其步态规划和平衡控制算法,在实现四足机器人高效、稳定地运行上提供理论和技术支持。
三、研究内容(一)四足机器人运动模型的建立本研究将建立四足机器人的运动模型,包括其步态参数、步态周期、步幅、摆动角度等,以达到对四足机器人运动控制的准确描述,从而实现步态规划和平衡控制。
(二)四足机器人步态规划算法的研究本研究将针对四足机器人,通过对其运动模型的建立,研究和实现其步态规划算法。
针对四足机器人的特有问题和挑战,如足底压力分布和地形适应性,分析四足机器人行走中的动态特性和稳定性,优化步态算法的选取和调整。
(三)四足机器人平衡控制算法的研究本研究将研究四足机器人平衡控制的关键技术,基于四足机器人的运动模型和步态规划算法,探究四足机器人在行走过程中的平衡控制策略和方法,包括足底力矩控制、惯性力矩控制、姿态反馈控制等。
(四)建立仿真模型和实验验证本研究将通过软件仿真和实际物理实验两种方法,建立四足机器人的仿真模型和物理实验平台,验证本研究所提出的四足机器人步态规划与平衡控制技术。
四、研究意义(一)推动四足机器人技术的发展本研究将以四足机器人为研究对象,探讨其步态规划和平衡控制技术,有利于推动四足机器人技术的发展和应用。
掌握四足机器人的步态规划和平衡控制技术,有助于构建更加智能、高效、稳定的四足机器人系统。
(二)提高机器人行走能力研究四足机器人步态规划和平衡控制的关键技术,能够提高机器人行走的能力和稳定性,增强机器人的适应性和灵活性。
四足机器人运动及稳定控制关键技术综述
四足机器人运动及稳定控制关键技术综述目录一、内容概览 (2)1. 四足机器人概述 (3)2. 研究背景与意义 (4)3. 研究现状和发展趋势 (5)二、四足机器人运动原理及结构 (7)1. 四足机器人运动原理 (8)1.1 动力学模型建立 (9)1.2 运动规划与控制策略 (10)2. 四足机器人结构组成 (11)2.1 主体结构 (13)2.2 关节与驱动系统 (14)2.3 感知与控制系统 (17)三、四足机器人运动控制关键技术 (19)1. 运动规划算法研究 (20)1.1 基于模型预测控制的运动规划算法 (21)1.2 基于优化算法的运动规划策略 (22)2. 稳定性控制策略研究 (23)2.1 静态稳定性控制策略 (25)2.2 动态稳定性控制策略 (26)3. 路径规划与轨迹跟踪控制技术研究 (27)3.1 路径规划算法研究 (28)3.2 轨迹跟踪控制策略设计 (29)四、四足机器人稳定控制实现方法 (31)1. 基于传感器反馈的稳定控制方法 (32)1.1 传感器类型与布局设计 (34)1.2 传感器数据采集与处理技术研究 (35)2. 基于优化算法的稳定控制方法应用探讨 (37)一、内容概览四足机器人运动机制:阐述四足机器人的基本运动模式,包括行走、奔跑、跳跃等,以及不同运动模式之间的转换机制。
稳定性分析:探讨四足机器人在运动过程中的稳定性问题,包括静态稳定性和动态稳定性,以及影响稳定性的因素。
运动控制关键技术:详细介绍四足机器人运动控制的关键技术,包括运动规划、轨迹跟踪、力控制等,以及这些技术在实现机器人稳定运动中的应用。
传感器与感知技术:介绍四足机器人运动及稳定控制中涉及的传感器与感知技术,包括惯性测量单元(IMU)、激光雷达、视觉传感器等,以及这些技术在机器人运动控制中的作用。
控制算法与策略:探讨四足机器人运动及稳定控制中常用的控制算法与策略,包括基于模型的控制、智能控制方法等,以及这些算法在实际应用中的效果。
四足机器人步态及运动控制
发展阶段
随着科技的进步,尤其是计算机技 术和机械设计的发展,四足机器人 在20世纪90年代进入快速发展阶 段。
创新阶段
近年来,随着人工智能和深度学习 技术的突破,四足机器人的智能化 程度越来越高,性能和应用领域也 得到了极大的拓展。
四足机器人的分类及特点
根据驱动方式
四足机器人可以分为液压驱动、气压驱动和电动驱动等类型。液压驱动具有负载能力强、精度高的优点,但易受 环境温度影响。气压驱动具有速度快、响应灵敏的优点,但易受气压波动影响。电动驱动具有节能环保、维护方 便的优点,但需要良好的电源管理系统。
步态选择的原则与影响因素
选择四足机器人的步态应根据具 体的应用场景和需求进行考虑。
原则上,应考虑机器人的运动效 率、稳定性、灵活性和适应性等
方面的需求。
影响因素包括机器人的重量、负 载、能源供应、环境条件等。
03
四足机器人的运动控制方 法基于模型ຫໍສະໝຸດ 控制方法模型预测控制(MPC)
利用机器人的动力学模型进行预测和控制,考虑了机器人运动的各种约束条件 ,如速度、加速度、关节角度等,以达到最优的控制效果。
基于学习的控制方法
深度学习控制
利用深度学习算法,通过对大量数据进行学习,让机器人能够自适应各种复杂的 未知环境。
强化学习控制
通过强化学习算法,让机器人在实际环境中通过自我试错进行学习,从而找到最 优的控制策略。
04
四足机器人的步态及运动 控制实验
四足机器人实验平台介绍
实验平台组成
四足机器人实验平台主要由机械系统、控制系统、感知系 统三部分组成。
混合步态则结合了静态和动态步态的 特点,以实现机器人的特定运动需求 。
基于VMC的四足机器人稳定行走控制
基于VMC的四足机器人稳定行走控制目录一、内容描述 (2)1.1 背景与意义 (2)1.2 四足机器人的研究现状 (3)1.3 VMC控制理论概述 (5)二、VMC控制算法原理 (6)2.1 VMC控制算法原理 (7)2.2 系统模型与假设 (8)2.3 控制参数设定 (9)三、四足机器人运动学分析 (10)3.1 四足机器人运动学模型 (12)3.2 关键关节变量求解 (13)3.3 姿态解算与轨迹规划 (14)四、基于VMC的四足机器人控制策略 (16)4.1 控制目标与任务描述 (17)4.2 VMC控制算法实现 (18)4.3 控制器设计与调试 (19)五、实验验证与结果分析 (20)5.1 实验环境与设备设置 (21)5.2 实验过程与数据记录 (22)5.3 结果分析与应用场景探讨 (23)六、结论与展望 (24)6.1 研究成果总结 (25)6.2 现有研究的局限性与未来工作方向 (26)6.3 对四足机器人稳定行走控制的展望 (28)一、内容描述本文档主要研究基于VMC(VerletMonte Carlo)方法的四足机器人稳定行走控制。
介绍了四足机器人的基本结构和工作原理,包括关节结构、驱动方式以及运动学模型等。
详细阐述了VMC方法的基本原理和应用,包括其在机器人动力学建模、轨迹规划和控制算法等方面的优势。
在此基础上,针对四足机器人的行走特性,提出了一种基于VMC的稳定性行走控制策略。
该策略通过优化目标函数,实现了四足机器人在不同地形和负载条件下的稳定行走。
通过仿真实验验证了所提出控制策略的有效性,并对未来研究方向进行了展望。
1.1 背景与意义随着科技的飞速发展,四足机器人作为模拟生物运动机理的重要载体,在现代智能机器人领域中扮演着越来越重要的角色。
无论是在军事侦察、地形勘探、救援搜救还是娱乐竞技等领域,四足机器人的灵活行走能力和环境适应性都赋予了其巨大的应用潜力。
实现四足机器人的稳定行走并非易事,特别是在复杂多变的外部环境中,如何确保机器人行走的平稳性、动态性和鲁棒性成为了一项巨大的挑战。
《2024年四足机器人液压驱动单元负载模拟系统多余力抑制研究》范文
《四足机器人液压驱动单元负载模拟系统多余力抑制研究》篇一一、引言四足机器人作为现代机器人技术的重要分支,其液压驱动单元的负载模拟系统在实现机器人稳定、高效运动中起着至关重要的作用。
然而,在负载模拟系统中,多余力的产生往往会对机器人的运动性能和稳定性造成不利影响。
因此,对四足机器人液压驱动单元负载模拟系统的多余力抑制研究显得尤为重要。
本文旨在探讨四足机器人液压驱动单元负载模拟系统中多余力的产生原因及抑制方法,以期提高机器人的运动性能和稳定性。
二、四足机器人液压驱动单元负载模拟系统概述四足机器人液压驱动单元负载模拟系统是四足机器人实现各种复杂动作的核心部件之一。
该系统通过液压驱动单元产生驱动力,实现对机器人各关节的精确控制。
在负载模拟过程中,系统需根据实际需求模拟出不同类型和级别的负载,以测试机器人在不同环境下的运动性能和稳定性。
然而,在实际应用中,由于多种因素的影响,系统会产生多余力,对机器人的运动性能和稳定性造成不利影响。
三、多余力产生原因分析多余力的产生主要与以下因素有关:1. 液压系统非线性特性:液压系统的非线性特性会导致驱动力与期望值之间存在误差,从而产生多余力。
2. 机械结构误差:机械结构的制造和装配误差会导致实际运动轨迹与期望轨迹之间存在偏差,进而产生多余力。
3. 环境干扰:外部环境因素如地面不平、风力等也会对机器人的运动产生影响,从而产生多余力。
四、多余力抑制方法研究针对四足机器人液压驱动单元负载模拟系统中多余力的抑制,本文提出以下方法:1. 优化液压系统设计:通过改进液压系统的设计,减小其非线性特性,从而降低多余力的产生。
例如,采用高精度传感器和控制器,实现对驱动力和压力的精确控制。
2. 提高机械结构精度:通过提高机械结构的制造和装配精度,减小实际运动轨迹与期望轨迹之间的偏差,从而降低多余力的产生。
例如,采用高精度加工设备和严格的装配工艺,确保机械结构的精度。
3. 引入力控制算法:通过引入力控制算法,实时监测并调整机器人的运动状态,以减小多余力的产生。
抗外力冲击的四足机器人运动规划与平衡控制方法研究
04
平衡控制方法研究
平衡控制的概念及重要性
平衡控制的概念
平衡控制是指通过调整机器人的姿态或运动参数,使其在受 到外部干扰或自身扰动的情况下,能够保持稳定状态或按照 预定路径运动。
平衡控制的重要性
在机器人应用中,平衡控制是实现自主运动和执行任务的关 键。特别是在复杂环境和未知地形中,机器人需要具备较好 的平衡能力,以避免跌倒或损坏,从而保证任务的顺利进行 。
四足机器人作为一种仿生机器人,其运动规划和平衡控制方法的研究,可以促进仿生机器人技术的发展,为其他类型的仿 生机器人提供借鉴和参考。
02
四足机器人概述
四足机器人的发展现状
四足机器人是近年来机器人技术发 展的重要方向之一,其发展经历了 多个阶段,从最早的简单仿生四足 机器人到现在的复杂智能化四足机 器人,其应用场景也不断扩大。
受到干扰时仍能保持稳定状态。
05
实验设计与结果分析
实验设计
建立模型
根据四足机器人的结构和运动特性 ,建立适合的数学模型,包括动力 学模型、运动学模型等。
实验环境
设计适合的实验环境,包括地面类 型、障碍物等,以模拟实际应用中 的各种情况。
控制器设计
基于建立的模型,设计适合的控制 器,实现四足机器人的运动规划和 平衡控制。
03
运动规划方法研究
运动规划的概念及重要性
概念
运动规划是指根据机器人或物体的起点和终点,通过计算得到一系列控制指令, 使机器人或物体在执行这些指令的过程中能够达到目标位置。
重要性
在机器人领域中,运动规划是实现自主移动和完成复杂任务的关键。一个好的运 动规划方法可以使机器人更灵活、高效地适应各种环境,完成复杂的任务。
四足机器人的应用领域
四足机器人仿生运动控制理论与方法的研究共3篇
四足机器人仿生运动控制理论与方法的研究共3篇四足机器人仿生运动控制理论与方法的研究1四足机器人仿生运动控制理论与方法的研究随着机器人技术的不断发展与进步,越来越多的领域开始使用机器人进行工作和生产。
在所有机器人类型中,四足机器人由于它的灵活性和韧性而受到了广泛的关注。
四足机器人能够适应多种环境,在不同的场合都能运用灵活,进行复杂的控制任务,因此四足机器人在很多领域都有着广泛的应用价值。
仿生学的发展推进了机器人技术的进一步发展,仿生机器人能够实现第一次接近或接近自然行为,包括模拟动物的运动方式,如鸟飞翔和动物奔跑。
因此,仿生学应用于机器人技术虽然还处于起步阶段,但已经有了它的存在价值。
仿生机器人为工程师提供了借鉴自然生物的解决方案的机会,使机器人运动控制更加符合实际的操作方式。
四足机器人如何移动的问题一直是机器人学家们关注的重点,目前的研究主要集中在仿生方法的探索上。
仿生运动学是四足机器人研究中的一个重要方面,它主要研究动物的运动学规律,以寻找相应的仿生控制算法。
仿生运动学用于四足机器人的控制研究可以被归纳为两大类,第一类是通过观测动物的运动学规律,结合工程学和运动学的基本知识,提取出类似的仿生运动规律。
这种方法有协调运动的控制方法、基于反射的控制方法和实时自适应控制方法。
第二类方法是通过动物肌肉控制进行仿生运动。
肌肉模型是模拟肌肉驱动的仿生模型,它通常是通过建立肌肉运动的仿真模型,探索肌肉控制机制的仿生方法。
这种方法可以提高仿生机器人的灵活性和实时性,实现复杂的多动作控制,但需要更多的开发成本。
此外,四足机器人的步态分析也是仿生控制的一个重要方面。
仿生步态可以被定义为数学模型,它可以描述动物或机器人运动的规律、频率和幅度。
步态优化是许多四足机器人模型的关键因素,它被用于更好地控制机器人的运动。
四足机器人的步态分析使得机器人能够完成更加复杂的控制任务,提高机器人运动的稳定性和控制精确度。
总之,随着仿生学的不断发展和应用,四足机器人的运动控制也得到了很大的发展。
四足机器人步态规划与平衡控制
器人的步态。
基于模糊逻辑的平衡控制
模糊控制规则的设计
根据四足机器人的姿态、速度、加速 度等参数,设计合适的模糊控制规则 。
模糊逻辑控制器的实现
将设计的模糊控制规则通过代码实现 到四足机器人上,使其在行走过程中 自动调整步态以保持平衡。
05
四足机器人实验与性能评估
实验平台介绍与搭建
硬件平台
介绍用于步态规划和平衡 控制的四足机器人硬件平 台,包括主要组件和功能 模块。
四足机器人具有较高的灵活性和适应性,能够在复杂环境中进行稳定行走和作业。
四足机器人的结构通常包括机械结构、控制系统和传感器系统等部分。
四足机器人的步态类型
01
02
03
04
05
四足机器人的步态类型 包括静态步态和动态步 态,其中静态步态包括 平行步态和反对平行步 态,动态步态包括前后 步态和圆形步态。
THANKS
感谢观看
软件系统
描述用于控制和监测四足 机器人的软件系统,包括 操作系统、编程语言和开 发工具等。
实验环境
介绍用于实验的场地、设 备和其他必要条件,以确 保实验的准确性和可靠性 。
步态规划与平衡控制的联合控制实验
步态规划算法
详细描述用于生成四足机器人步 态的算法,包括单步态规划和多
步态规划的方法和原理。
平衡控制策略
建立动力学模型
根据四足机器人的结构和行走环 境,建立适合的动力学模型,包 括拉格朗日方法和牛顿-欧拉方法
等。
动态平衡控制
通过调整控制参数,实现四足机器 人在不同步态下的动态平衡控制。
抗干扰能力
通过增加抗干扰能力强的控制算法 ,提高四足机器人在复杂环境下的 稳定性和适应性。
四足机器人砂砾地面对角行走控制方法
摘 要: 为解 决四足机 器人 在砂砾 地 面上对 角行走容 易失稳 的问题 , 提 高机 器人 对松 软和 凹凸不平地 面的适应性 , 在位 置控制 的基础上提 出了一种机 身姿 态角的调整策略 , 并在机 器人 对 角行走的过程 中采取 了一种 变 阻抗参数的 阻抗控 制
方法。最后在 实际的砂砾地 面进行 了四足机器人对 角行走 实验 , 实验结果证 明这 种控制方 法和 调整策略对 于四足机 器 人对 角行走在砂砾地 面上具有较好的控制效果。
的期望形式 。 但是 由于在对角步态行进时, 机器人 的 控制效果。 机体总是处于动态平衡状态 , 因此 , 同一组处 于摆动 本文在机器人腿末 端位置控制 的基础 上 , 采 用 相 的腿 在 着 地 时 必 须保 证 同时 “ 踩实” , 才 能 进 行 另 变 阻抗 参 数 的 阻 抗 控 制 方 法 , 能 够 有 效 调 整 四 足
E q u i p me n t Ma n u f a c t u r i n g T e c h n o l o g y No . 4, 2 0 1 4
四足机器人砂砾 地面对 角行走控 制方法
程 品, 罗 欣。 顾 瀚戈
武汉 4 3 0 0 7 4 ) ( 华 中科技大学数字制造装备与技术 国家重点实验室 , 湖北
外部环境等效为导纳 , 而将机器人等效为阻抗 , 这样 续和加速度连续等 6 个 约束条件 , 方 向和z 方 向的
收稿 日期 : 2 0 1 4 - 0 1 - - 0 3
基金项 目 : 国家 自然科学基金面上项 目( 编号 : 6 1 1 7 5 9 0 7 ) ; 高等学校博 士学科点专项科研基 金 ( 编号 : 2 0 1 3 0 1 4 2 1 1 0 0 8 1 ) ; 国家 自 然 科学基金创新研 究群体科学基金( 编号 : 5 1 1 2 1 0 0 2 ) 资助。 作者简介 : 程 品( 1 9 8 7 —) , 男, 湖北黄 冈人 , 华中 科 技大学在读硕士研究生 , 研究领域为机器人控制 系统设计 , 机器人运动控 制方法 。
基于阻抗控制的四足仿生机器人稳定步态理论及实验研究
基于阻抗控制的四足仿生机器人稳定步态理论及实验研究目录摘要 (I)ABSTRACT (II)第1章绪论 (1)1.1课题研究的背景和意义 (1)1.2国内外多足步行机器人发展概况 (1)1.2.1国外多足步行机器人发展概况 (1)1.2.2国内多足步行机器人发展概况 (5)1.3多足机器人柔顺控制研究现状 (6)1.3.1被动柔顺控制 (6)1.3.2主动柔顺控制 (8)1.4本文主要研究内容 (11)第2章四足机器人运动学与稳定性分析 (13)2.1引言 (13)2.2四足机器人结构分析 (13)2.3四足机器人运动学分析 (15)2.3.1机器人单腿正逆运动学方程 (15)2.3.2机器人腿部速度分析 (18)2.4四足机器人稳定性分析 (18)2.4.1支撑面压力中心坐标方程 (18)2.4.2重心稳定性判据 (20)2.4.3四足机器人力学模型 (21)2.5本章小结 (23)第3章四足机器人步态分析与规划 (24)3.1引言 (24)3.2四足动物步态描述 (24)3.3爬行步态规划与仿真研究 (26)3.3.1协调爬行步态规划与仿真 (27)3.3.2间歇爬行步态规划与仿真 (30)-IV-3.3.3两种步态对比 (32)3.4足端轨迹规划 (32)3.5本章小结 (34)第4章基于阻抗控制的四足机器人足力控制研究 (36) 4.1引言 (36)4.2基于位置的阻抗控制建模与分析 (36)4.2.1阻抗控制原理 (36)4.2.2机器人腿部关节位置控制建模 (37)4.2.3阻抗控制器性能分析 (40)4.3基于阻抗控制的足力跟踪 (41)4.3.1机器人腿部与地面接触等效模型 (41)4.3.2阻抗控制下足力跟踪仿真研究 (42)4.3.3足力稳态误差分析 (44)4.4基于自适应阻抗控制的足力跟踪 (45)4.4.1模型参考自适应控制简介 (45)4.4.2间接自适应阻抗控制律 (47)4.4.3自适应控制下足力跟踪仿真研究 (49)4.5本章小结 (52)第5章四足机器人实验研究及分析 (53)5.1引言 (53)5.2四足机器人实验系统介绍 (53)5.2.1控制系统硬件结构 (53)5.2.2控制系统软件结构 (56)5.3间歇爬行步态行走实验 (57)5.4机器人单腿阻抗特性实验 (57)5.5机器人单腿足力跟踪实验 (61)5.5.1基于阻抗控制的力跟踪实验 (61)5.5.2基于自适应阻抗控制的力跟踪实验 (62)5.6本章小结 (63)结论 (64)参考文献 (65)哈尔滨工业大学学位论文原创性声明和使用权限 (69)-V-致谢 (70)-VI-第1章绪论1.1课题研究的背景和意义本课题来源于国家科技支撑计划支持的项目,项目名称为“智能仿真机器人与超感体验技术集成研发及文化主题展示应用示范”。
基于伺服控制技术的四足机器人运动控制研究
基于伺服控制技术的四足机器人运动控制研究随着人工智能及机器人技术的不断发展,四足机器人已逐渐成为了人类研究的热点之一,其具备了优异的运动能力、携带物品能力以及钻进狭隘空间的能力等等。
四足机器人的运动控制是实现其运动的关键,而伺服控制技术则是其中重要的一种。
一、四足机器人的应用四足机器人可以用于许多领域,如应急救援、物流配送、工业生产,甚至是探险和科学研究等诸多领域。
其出色的环境适应性和灵活性,使得其在软土地质或冰雪等恶劣环境下,能正常地进行运动,而不会受到环境的限制。
二、四足机器人中的运动控制实现四足机器人的运动,需要通过一定的运动控制手段来完成。
如何控制机器人来正确地运动,达到预期效果,一直是研究的热点。
1. 运动方式四足机器人的运动方式主要有两种,一种是步态运动,一种是无步态运动。
步态运动指的是机器人的四只脚以特定的方式配合,完成行走、奔跑等移动动作。
而无步态运动则是机器人的四只脚同时或不同时移动,在面对特殊情况时,允许机器人更加灵活自如、快速应对。
2. 运动控制技术基于伺服控制的技术是控制四足机器人需要的核心技术之一,其可以将四足机器人的操作控制各个部分,使得机器人能按照预定的动作完成所需要的工作。
伺服控制技术使用控制电机的位置、速度和加速度等参数来控制机器人的动作,从而实现机器人的导航、移动和与周围环境的互动等操作,并远程控制进行机器人操作。
三、伺服控制技术与四足机器人运动控制1. 伺服控制技术的优点伺服控制技术通过控制三种主要运动参数-位置、速度和加速度,提升了系统的性能、精度和可靠性。
同时,在四足机器人移动和姿态控制中,伺服控制技术不仅可以提高系统响应速度和稳定性,还可以提高系统的能效和控制精度。
2. 运动控制的研究对于伺服控制技术的运用,我们需要进一步完善对机器人运动控制的研究。
(1)运动规划研究运动规划是指基于机器人的构型和环境信息,计划确定机器人的轨迹和运动方式。
针对四足机器人的特点,需要研究合理的运动规划方法和算法,构建基于开发与实验的四足机器人运动规划设计新模型,并将其应用于机器人的运动控制中。
基于运动规划与足地交互的液压四足机器人力矩控制
深入分析了四足机器人在与地面交互时的动力学特性和摩 擦系数变化,为进一步优化机器人足部设计和提高稳定性 提供了理论支持。
运动规划的优化
在运动规划方面,本研究提出了一种基于地形分类和步态 调整的运动规划方法,显著提高了四足机器人在复杂地形 环境中的适应性和效率。
实验验证的有效性
通过大量的实验验证,证明了该力矩控制方法的有效性和 优越性,为四足机器人在实际应用中的推广奠定了基础。
总结词
力矩控制在液压四足机器人中发挥着关键作用,有助于实现机器人的稳定步态、地形适 应性和精确运动控制。
详细描述
在液压四足机器人的运动过程中,力矩控制能够根据运动规划和足地交互信息,自动调 节各关节的输出力矩,以适应不同地形和任务需求。通过力矩控制,液压四足机器人可
以实现稳定行走、跳跃、攀爬等复杂动作,提高机器人的环境适应性和运动性能。
研究意义
通过对基于运动规划与足地交互的液压四足机器人力矩控制的研究,旨在提高四足机器人在复杂环境下的稳定性 和适应性,进一步拓展四足机器人在救援、军事、农业等领域的应用范围,为机器人技术的发展提供新的思路和 方法。
国内外研究现状
国内研究现状
国内在液压四足机器人的研究方面起步较晚,但近年来取得 了一定的进展。一些高校和科研机构在四足机器人的运动规 划、控制算法和足地交互等方面进行了深入研究,取得了一 些重要的研究成果。
未来研究方向
传感器技术的进一步发展
随着传感器技术的不断进步,未来可以研究更先进的传感器融合技术 和算法,进一步提高四足机器人力矩控制的实时性和准确性。
复杂环境下的适应性研究
针对更复杂的地形和环境条件,研究四足机器人的自适应步态调整和 智能决策机制,以实现更高的环境适应性。
四足机器人稳定行走规划及控制技术研究
四足机器人稳定行走规划及控制技术研究一、本文概述随着机器人技术的不断发展,四足机器人作为一种重要的移动机器人,在救援、勘探、物流等领域的应用日益广泛。
然而,四足机器人在复杂环境下的稳定行走仍然是一个挑战性问题。
因此,本文旨在深入研究四足机器人的稳定行走规划及控制技术,以提高其在各种环境下的运动性能和稳定性。
本文首先介绍了四足机器人的研究背景和意义,阐述了四足机器人在不同领域的应用现状和发展趋势。
接着,文章综述了国内外在四足机器人稳定行走规划及控制技术方面的研究成果,分析了现有技术的优缺点,为后续的研究提供了理论支持和参考。
在四足机器人的稳定行走规划方面,本文重点研究了步态规划、轨迹规划以及稳定性控制等问题。
通过合理的步态规划,可以使四足机器人在行走过程中保持稳定的姿态和高效的移动性能。
轨迹规划则涉及到机器人腿部运动的轨迹生成和优化,以实现平滑且节能的运动过程。
同时,稳定性控制是四足机器人行走规划中的重要环节,通过调整机器人的姿态和运动参数,可以确保机器人在复杂环境下保持稳定的行走状态。
在控制技术方面,本文探讨了基于传感器融合的姿态感知技术、力控技术以及基于机器学习的自适应控制策略等。
通过集成多种传感器数据,实现精确的姿态感知和运动控制。
力控技术则通过感知和调整机器人与地面之间的相互作用力,以提高机器人在不平坦地形上的适应能力。
基于机器学习的自适应控制策略可以使机器人在面对未知环境时自主学习和调整行走策略,进一步提高其适应性和鲁棒性。
本文总结了四足机器人稳定行走规划及控制技术的研究现状和未来发展方向,为相关领域的研究人员提供了有益的参考和启示。
通过不断深入研究和探索新的技术方法,相信四足机器人在未来的应用前景将更加广阔。
二、四足机器人运动学建模运动学建模是四足机器人行走规划和控制技术研究的基础。
通过构建精确的运动学模型,我们可以理解机器人各关节之间的运动关系,进而为行走规划和控制算法的设计提供理论支持。
四足机器人系统中的运动控制技术研究
四足机器人系统中的运动控制技术研究近年来,随着科技的日新月异,四足机器人逐渐被人所熟知。
四足机器人不仅可以模拟真实动物的步态和姿态,还可以在各种极端环境下执行任务。
尤其在军事、探险、救援等领域得到广泛应用。
而四足机器人的运动控制技术是其最为重要的组成部分之一,本文将对四足机器人运动控制技术作一概述。
一、四足机器人的运动控制技术简介四足机器人的运动控制技术是对其动力学特性进行数学建模分析的过程,为机器人完成某种任务提供动力学支持。
在数学建模分析中,主要考虑的参数包括:机器人的轨迹规划、动量和重心参数、摆臂周期、行走速度等因素。
同时,动力学的研究对于四足机器人的稳定性和灵活性有重要的影响。
与传统的二足机器人不同,四足机器人的动力学特性较为复杂。
在行走过程中,必须考虑其重心、瞬间力心、接地点、接触力矩等因素,才能确保其稳定性与可靠性。
因此,四足机器人的运动控制技术需要具备一定的精度和复杂性,对于机器人的性能和效率有着直接的影响。
二、四足机器人的运动控制技术分类1. 开环控制技术开环控制技术是最为常见的一种运动控制技术,通过预先设定的程序指令来实现控制。
在四足机器人中,开环控制技术主要分为直接行走操纵和踏步行走操纵两种形式。
其中,直接行走操纵是在机器人不断移动的过程中使用上肢部分保持平衡,而踏步行走操纵是利用四肢交替上升和下降的动作来推动机器人移动。
开环控制技术实现简单,但对于复杂场景和变化条件的适应性较差。
2. 闭环控制技术闭环控制技术相较于开环控制技术,增加了环境信息和反馈控制信息,从而提高系统的稳定性和自适应性。
在四足机器人中,闭环控制技术主要分为位置反馈、速度反馈和力矩反馈等形式。
其中,位置反馈技术可通过测量机器人位置来确定运动参数,速度反馈技术则可检测运动速度实现精确控制,而力矩反馈技术则需要考虑更多的瞬间力心和接触点等因素,相对复杂。
闭环控制技术能够实现对机器人的精确控制,但也会因为高要求的硬件和算法有着更高的成本和难度。
基于阻抗控制的工业机器人力控制方法
毕如奇基于阻抗控制的工业机器人力控制方法
DOI:10.19344 / j.cnki.issn1671-5276.2021.06.045
基于阻抗控制的工业机器人力控制方法
毕如奇
( 南京航空航天大学 机电学院ꎬ江苏 南京 210016)
摘 要:针对工业机器人的力控制问题ꎬ提出一种通过机器人运动轨迹补偿来间接控制接触力
轨迹修正值表达式
↓
(2m d +b d ) e( k-1) -m d e( k-2) -f e( k)
图 3 阻抗控制策略离散化方法
1.2 阻抗控制策略
m d e ( t) +b d e ( t) +k d e( t)= -f e( t)
将阻抗控制表达式离散化
( Path Offset) 的编程功能ꎬ目的是根据传感器的输入对原
有机器人路径进行在线调整ꎮ 因此ꎬ将接触力信号作为输
合控制策略将力与位置分开控制ꎬ理论明确ꎬ但实现工业
入ꎬ由阻抗控制器进行处理ꎬ得到轨迹修正值ꎬ利用轨迹修
应用有较大难度ꎮ 阻抗控制策略则将机器人和环境间的
正值作为路径偏移功能的输入ꎬ就能实时控制机器人的加
中图分类号:TP242.2 文献标志码:B 文章编号:1671 ̄5276(2021)06 ̄0178 ̄03
Force Control Method of Industrial Robot Based on Impedance Control
BI Ruqi
( College of Mechanical and Electrical Engineeringꎬ Nanjing University of Aeronautics and Astronauticsꎬ
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
摘
要
四足机器人行走过程中的稳定性与足端接触力有着密切的联系,而且仅采用位置控制无法满足腿部运动 柔顺性对足力的要求。因此,有必要研究足式机器人行走过程中的足力控制方法。本文采用阻抗控制方 法对四足机器人足力进行控制,运用仿真手段对机器人行走过程中的足力变化进行分析,完成了具有较 高实时性和可行性的控制器设计。
(1) (2) (3)
其中,Md、Bd 和 Kd 为 3 × 3 对角阵,分别为期望惯性、期望阻尼和期望刚度值。为实现力跟踪,可将表 示力参考值的 n × 1 维列向量 Fr 引入阻抗模型,使得目标阻抗演化为力偏差 E = Fr − F 与 X 和 Xr 之间 的关系,那么阻抗模型表达式变为
( t ) + B X (t ) + K ( X (t ) − X (t )) = Md X E (t ) d d r
2. 基于位置的阻抗控制建模与分析
2.1. 阻抗控制原理
机器人的阻抗控制方法最早由 Hogan 在 1985 年提出[1]。这种方法的基本思想是,将机器人等效为 “质量–弹簧–阻尼”系统,通过此模型建立机器人末端力和末端位置的关系,并通过调节控制器中的 惯性、阻尼和刚度参数来调整机器人与环境接触时的动态特性。这种控制方法不是直接地控制机器人末 端的接触力,而是通过阻抗模型,间接地通过控制位置来控制末端力。阻抗控制的目的可以表述为参照 目标阻抗模型建立机器人末端位置和末端力的动态关系。 机器人末端所受的力与位置偏差之间的关系称为期望阻抗模型,该模型原则上可以是任意函数,但 二阶微分方程形式较为常用[2]。假定机器人在 n(n 运 6)维空间内操作,X、Xr 和 F 分别为表示末端实际 位置、末端期望位置和机器人末端作用力的 n × 1 维列向量,常用的阻抗模型表达式有如下三种形式:
Keywords
Quadruped Robot, Stability, Impedance Control
基于阻抗控制的四足机器人足力控制研究
丁庆鹏1,2,袁立鹏1,2,欧阳荣坚3
1 2
常州恐龙园股份有限公司,江苏 常州 哈尔滨工业大学机电工程学院,黑龙江 哈尔滨 3 常州迪华数字科技有限公司,江苏 常州
3.2. 目标阻尼的影响
令 Md = 1 kg,Kd = 2500 N/m,Bd 的值在 30 N/(m/s)~200 N/(m/s)之间变化,得到位置修正值的响应 如图 2 所示。由图看出,显然目标阻尼亦不影响应的稳态值,只对动态响应过程造成影响。随着目标阻 尼的减小,响应曲线的上升速度逐渐变快,调整时间逐渐变小,且在阻尼减小到一定程度时产生超调。 在实际应用中,应根据机器人工作任务的要求合理地调整目标阻尼值。
Ψ f ——永磁体基波磁场在定子绕组中产生的磁链;
K t ——转矩常数;
ωe、ωm ——电机的电角速度和机械角速度; J ——电机的等效惯性负载; B ——电机的等效阻尼;
TL ——电机的等效负载力矩。
对于面装式永磁同步电机,有:
L = L = L d q
(11)
其中 L 为电机定子绕组电感。 在 dq 坐标系内通过控制矢量电流 is 的幅值和相位,可以控制电磁转矩,这等同于控制 is 的两个电流 分量 iq 和 id。由电磁转矩方程式(4-9)可以看出,决定电磁转矩的是定子电流的 q 轴分量即 iq。为简化控 制方法,若采用 d 轴电流为零的控制方法,即:
(4)
122
丁庆鹏 等
( t ) + B ( X (t ) − X (t )) + K ( X (t ) − X (t )) = Md X E (t ) d r d r ( t ) − X ( t ) ) + B ( X (t ) − X (t )) + K ( X (t ) − X (t )) = Md ( X E (t ) r d r d r
关键词
四足机器人,稳定性,阻抗控制
1. 引言
机器人行走过程中,可被认为是多自由度的并联系统。足力对机身平衡起着决定性作用,尤其是当 机器人在不规则路面及刚度较小路面行走时,足端支撑力的变化会使机器人机身的姿态发生改变,进而 影响稳定性。除此之外,足力的变化与机器人腿部运动的柔顺性也密切相关,当足端的运动存在由自由 空间到约束空间的转换时,仅采用位置控制将无法满足腿部对运动柔顺性的要求。因此,对足式机器人 足力控制的研究必不可少。本文将对四足机器人足力控制方法进行研究,并通过仿真手段进行必要的分 析。
Open Access
th th th
Abstract
Robot walking stability is related to contact force between robot foot and the environment. Besides, pure position control is not enough in compliance control. Hence it is necessary to study force control method when the robot is walking or running. This thesis uses impedance control method to control contact force of quadruped robot foot with the environment, and analyzes the procedure under simulation study. An online and feasible controller is designed, which is robust to variable environment stiffness and sensor noise.
(9)
ห้องสมุดไป่ตู้
Tem = J
式中: ud 、uq ——电机定子 d 轴、q 轴电压;
dωm + Bωm + TL dt
(10)
id 、iq ——电机定子 d 轴、q 轴电流;
Ψ d 、Ψ q ——电机定子直轴、交轴磁链;
Ld 、Lq ——电机定子绕组 d 轴、q 轴电感;
123
丁庆鹏 等
Ra ——电机定子绕组电阻;
International Journal of Mechanics Research 力学研究, 2016, 5(4), 121-128 Published Online December 2016 in Hans. /journal/ijm /10.12677/ijm.2016.54011
(5) (6)
阻抗控制按照原理不同分为基于力的阻抗控制和基于位置的阻抗控制。实际应用中,由于难以对机器 人的关节力矩进行精确控制,所以应用较为广泛的是基于位置的阻抗控制。这种控制结构由位置控制内环 和阻抗控制外环构成,期望位置 Xr 经过位置闭环后输出末端实际位置,在环境的作用下产生接触力 F, 这个力经过阻抗控制器后得到位置的修正量∆X,参考轨迹 Xr 与∆X 相加后作为内环的输入,影响机器人 末端的实际位置,进而影响接触力。可以看出,位置控制器的响应速度和控制精度将对力控制效果有显 著的影响。因此,对位置控制内环进行分析非常必要。
dΨ d u = − ωe Ψ q + Ra id d dt dΨ q u = + ωe Ψ d + Ra iq q dt
磁链方程为
= Ld id + Ψ f d Ψ Lq iq Ψ q =
(7)
(8)
电磁转矩方程为
Tem =
力平衡方程为
3 pΨ f iq = K t iq 2
Research on Foot Force Control of Quadruped Robot Based on Impedance Control
Qingpeng Ding1,2, Lipeng Yuan1,2, Rongjian Ouyang3
1 2
Changzhou China Dinosauria Kingdom Co., LTD, Changzhou Jiangsu School of Mechanical and Electrical Engineering, Harbin Institute of Technology, Harbin Heilongjiang 3 Changzhou Dihua Digital Technology Co., LTD, Changzhou Jiangsu Received: Nov. 25 , 2016; accepted: Dec. 12 , 2016; published: Dec. 16 , 2016 Copyright © 2016 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
文章引用: 丁庆鹏, 袁立鹏, 欧阳荣坚. 基于阻抗控制的四足机器人足力控制研究[J]. 力学研究, 2016, 5(4): 121-128. /10.12677/ijm.2016.54011
丁庆鹏 等
收稿日期:2016年11月25日;录用日期:2016年12月12日;发布日期:2016年12月16日
id = 0
(12)
则定子电流全部用于产生电磁转矩,此时可将面装式永磁同步电机模型等效为他励直流电机模型。由式 (7)至式(12)整理并进行 Laplace 变换可以得出永磁同步电机的数学模型为
Gc ( s ) =
1 1 , Gs ( s ) = sL + R sJ + B
(13)
3. 阻抗控制器性能分析