CN110764413A - 轮腿机器人的自稳定控制方法、***、装置 - Google Patents
轮腿机器人的自稳定控制方法、***、装置 Download PDFInfo
- Publication number
- CN110764413A CN110764413A CN201911036885.XA CN201911036885A CN110764413A CN 110764413 A CN110764413 A CN 110764413A CN 201911036885 A CN201911036885 A CN 201911036885A CN 110764413 A CN110764413 A CN 110764413A
- Authority
- CN
- China
- Prior art keywords
- joint
- wheel
- control
- angle
- self
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011105 stabilization Methods 0.000 title claims abstract description 41
- 210000000629 knee joint Anatomy 0.000 claims abstract description 79
- 210000004394 hip joint Anatomy 0.000 claims abstract description 78
- 210000000544 articulatio talocruralis Anatomy 0.000 claims abstract description 73
- 230000005484 gravity Effects 0.000 claims abstract description 44
- 210000002414 leg Anatomy 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 10
- 210000003423 ankle Anatomy 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000006641 stabilisation Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 7
- 210000000689 upper leg Anatomy 0.000 description 5
- 210000001699 lower leg Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 210000001624 hip Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- B62D57/028—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 having wheels and mechanical legs
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明属于机器人控制领域,具体涉及一种轮腿机器人的自稳定控制方法、***、装置,旨在为了解决轮腿机器人在受到对外界干扰后能保持稳定,并能回到初始状态。本发明方法包括基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制。本发明可以使轮腿机器人在受到外界干扰后,保持稳定状态,并能快速回到初始状态。
Description
技术领域
本发明属于机器人控制领域,具体涉及一种轮腿机器人的自稳定控制方法、***、装置。
背景技术
轮腿机器人是腿式机器人的研究热点课题之一。相比于仿人机器人,轮-腿机器人采用双轮代替了脚底板,虽然运动效率得到了较大提升,但自稳定性却变差了,传统的ZMP稳定法已不再适合轮腿机器人,因此对轮-腿机器人的自稳定控制器设计与实现具有非常重要的意义。本发明的自稳定控制方法可以适合轮腿式机器人在受外力干扰时保持稳定。
杭州欢乐飞机器人科技股份有限公司申请号为201711437200.3的专利公开了一种轮腿式机器人结构。浙江大学申请号为201810431400.6的专利公开了一种可变形仿生轮腿机器人及其控制方法,可实现四轮与双足的变形。
目前国内外针对轮腿机器人的自稳定控制方法的研究较少,尤其是采用优化策略获取自稳定控制器参数的方法。
发明内容
为了解决现有技术中的上述问题,即为了解决轮腿机器人在受到对外界干扰后能保持稳定,并能回到初始状态,本发明的第一方面提出了一种轮腿机器人的自稳定控制方法,所述轮腿机器人的腿部结构包括髋关节、膝关节、踝关节,所述踝关节处装设有行走轮,包括以下步骤:
步骤S100,基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;
步骤S200,获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;
步骤S300,基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制;
所述控制模型配置为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩;所述重心倾斜角度为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
在一些优选实施方式中,所述控制模型为
其中,τa、τk和τh分别是踝关节、膝关节和髋关节的输出力矩,是重心倾斜角度,θa是行走轮总的旋转角度,θk和θh分别是膝关节处的夹角和髋关节处的夹角,是重心倾斜角度的当前角速度,是行走轮的当前角速度,是膝关节处的夹角的当前角速度,是髋关节处的夹角的当前角速度,Δθk=θkd-θk,Δθh=θhd-θh,θkd和θhd分别是变量θk和θh的预设的期望状态,ka1、ka2、ka3、ka4、ka5是踝关节的控制参数,kk1、kk2、kk3、kk4是膝关节的控制参数,kh1、kh2、kh3、kh4是髋关节的控制参数。
在一些优选实施方式中,所述控制参数表的获取方法为:
步骤A100,构建干扰信息集;所述干扰信息集中的干扰信息包括干扰力大小和作用位置;
步骤A200,对所述干扰信息集中任一条干扰信息,基于预设的轮腿机器人的动力学模型、以及预设的优化准则函数,获取对应的一组控制参数;所述优化准则函数为基于各关节的输出力矩、与期望值的角度状态差和***稳定时间的函数,通过函数值最小化的方法获取最优的控制参数;
步骤A300,构建干扰信息与控制参数的映射表作为控制参数表。
在一些优选实施方式中,所述优化准则函数为
其中,cost表示优化准则函数,c1、c2、c3、c4是预设的权重,T是预设的优化时间长度,τt=[τat,τkt,τht]T,τat、τkt、τht分别为t时刻的踝关节、膝关节和髋关节的输出力矩,e(θat)为行走轮旋转角度差值,表示在t时刻状态值,θkt、θht分别为踝关节、膝关节和髋关节的角度状态值,为预设的状态期望值,θkd、θhd分别为踝关节、膝关节和髋关节的角度状态期望值,tc是***出现不稳定的时刻。
在一些优选实施方式中,所述行走轮旋转角度差值e(θat)的计算方法为
其中,θat是t时刻行走轮总的旋转角度,θc为预设阈值。
在一些优选实施方式中,步骤A200中,轮腿机器人的动力学模型在依照干扰信息施加干扰前,从预设的初始状态集中选取初始状态对轮腿机器人的动力学模型进行初始化。
在一些优选实施方式中,所述初始状态集包括预设多个重心倾斜角度下的轮腿机器人的动力学模型初始参数。
在一些优选实施方式中,所述的预设多个重心倾斜角度包括-5°、-2.5°、0°、2.5°、5°。
在一些优选实施方式中,步骤A200中“通过函数值最小化的方法获取最优的控制参数”,其优化工具可以为SNOPT或GSL。
本发明的第二方面,提出了一种轮腿机器人的自稳定控制***,所述轮腿机器人的腿部结构包括髋关节、膝关节、踝关节,所述踝关节处装设有行走轮,包括控制参数选取模块、输出力矩计算模块、控制模块;
所述控制参数选取模块,配置为基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;
所述输出力矩计算模块,配置为获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;
所述控制模块,配置为基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制;
所述控制模型配置为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩;所述重心倾斜角度为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
本发明的第三方面,提出了一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的轮腿机器人的自稳定控制方法。
本发明的第四方面,提出了一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的轮腿机器人的自稳定控制方法。
本发明的有益效果:
(1)通过本发明,轮腿机器人可以在受到外界干扰后,保持稳定状态,并能快速回到初始状态;
(2)本发明中的控制参数表通过优化方法获取,保证了自稳定调整时间及状态的稳定性;
(3)机器人的控制器具有鲁棒性,即使外力估计有误差,参数控制器也能在大多数情况下让机器人保持稳定。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是轮腿机器人腿部模型示意图;
图2是本发明一种实施的轮腿机器人的自稳定控制方法流程示意图;
图3是重心倾斜角度示意图。
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,下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
为了更清楚地对本发明技术方案进行说明,先结合图1对轮腿机器人腿部结构进行说明。如图1所示,轮腿机器人***包括:躯干1、髋关节2、大腿3、膝关节4、小腿5、踝关节6、行走轮7;在xyz的三维空间坐标系下,躯干1和大腿3通过髋关节2连接,并能绕y轴做旋转运动;大腿3和小腿5通过膝关节4连接,并能绕y轴做旋转运动;行走轮7和小腿5通过踝关节6连接,并能绕y轴做旋转运动;机器人的左右腿对称设置。
本发明的一种轮腿机器人的自稳定控制方法,所述轮腿机器人的腿部结构包括髋关节、膝关节、踝关节,所述踝关节处装设有行走轮,如图2所示,包括以下步骤:
步骤S100,基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;
步骤S200,获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;
步骤S300,基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制;
所述控制模型配置为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩;所述重心倾斜角度为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
为了更清晰地对本发明轮腿机器人的自稳定控制方法进行说明,下面结合附图对本方发明方法一种实施例中各步骤进行展开详述。先介绍本发明中的控制模型,然后介绍本发明中控制参数表的获取方法,最后再基于控制模型、控制参数表进行本发明轮腿机器人的自稳定控制方法的描述。
1、控制模型
本发明实施例中,轮腿机器人的控制模型为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩的函数,分别用于获取踝关节、膝关节和髋关节的输出力矩τa、τk和τh,如公式(1)、(2)、(3)所示。
其中,τa、τk和τh分别是踝关节、膝关节和髋关节的输出力矩,是重心倾斜角度,θa是行走轮自起始时刻至当前总的旋转角度,θk是膝关节处的夹角(躯干1与大腿3的夹角),θh是髋关节处的夹角(大腿3与小腿5的夹角),是重心倾斜角度的当前角速度,是行走轮的当前角速度,是膝关节处的夹角的当前角速度,是髋关节处的夹角的当前角速度,Δθk=θkd-θk,Δθh=θhd-θh,θkd和θhd分别是变量θk和θh的预设的期望状态,ka1、ka2、ka3、ka4、ka5是踝关节的控制参数,kk1、kk2、kk3、kk4是膝关节的控制参数,kh1、kh2、kh3、kh4是髋关节的控制参数。
重心倾斜角度如图2所示,为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
2、控制参数表的获取方法
步骤A100,构建干扰信息集;所述干扰信息集中的干扰信息包括干扰力大小和作用位置;
步骤A200,对所述干扰信息集中任一条干扰信息,基于预设的轮腿机器人的动力学模型、以及预设的优化准则函数,获取对应的一组控制参数;所述优化准则函数为基于各关节的输出力矩、与期望值的角度状态差和***稳定时间的函数,通过函数值最小化的方法获取最优的控制参数;
步骤A300,构建干扰信息与控制参数的映射表作为控制参数表。
本实施例的步骤A200在进行控制参数计算之前,需要:
(1)获取所构建的轮腿机器人的动力学模型,用于计算轮腿机器人每一时刻的运动和作用力变化;
(3)设定优化准则函数,该函数基于各关节的输出力矩、与期望值的角度状态差和***稳定时间构建;
本实施例中的优化准则函数如式(4)所示
其中,cost表示优化准则函数,c1、c2、c3、c4是预设的权重,T是预设的优化时间长度,τt=[τat,τkt,τht]T,τat、τkt、τht分别为t时刻的踝关节、膝关节和髋关节的输出力矩,e(θat)为行走轮旋转角度差值,表示在t时刻状态值,θkt、θht分别为踝关节、膝关节和髋关节的角度状态值,为预设的状态期望值,θkd、θhd分别为踝关节、膝关节和髋关节的角度状态期望值,tc是***出现不稳定的时刻。
在外力作用时,不合适的控制器会使轮腿机器人发生摔倒等不稳定状态,将不稳定发生的时刻记作tc。优化时不希望出现不稳定的状态,即tc>T,但是为了加快优化过程,在优化准则中添加了该tc,该时刻出现越晚cost就越小。
本实施例中行走轮旋转角度差值e(θat)的计算方法如公式(5)所示
其中,θat是t时刻行走轮总的旋转角度;θc为预设阈值,表示为希望在平衡时行走轮所旋转的最大角度,或者说,在公式(5)中,当θat超过θc以后,才施加惩罚。
(4)构建预设的初始状态集,该初始状态集包括预设多个重心倾斜角度下的轮腿机器人的动力学模型初始参数;预设多个重心倾斜角度包括-5°、-2.5°、0°、2.5°、5°,当然还可以包含其他预设角度。
然后进行优化控制参数的获取,通过以下步骤进行描述:
步骤A201,轮腿机器人的动力学模型在依照干扰信息施加干扰前,从预设的初始状态集中选取初始状态对轮腿机器人的动力学模型进行初始化,同时,对控制模型的控制参数依据设定参数进行初始化。初始状态的选择可以是随机选择,还可以按照设定规则进行选择,还可以根据输入信息进行选定。
步骤A202,通过轮腿机器人的动力学模型模拟施加干扰后轮腿机器人的状态,并基于预设控制模型进行自稳定控制,通过优化准则函数最小化的方法获取最优的控制参数。优化工具可以为SNOPT或GSL,还以为其他优化工具。
3、本发明轮腿机器人的自稳定控制方法
步骤S100,基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数。
外部干扰力的大小和位置的获取,可以基于轮腿机器人在受到外部干扰力后的姿态变化进行计算,其计算方法可以采用现有的人形机器人的外部干扰力的估计方法获取,现有诸多文献中已有详尽描述,此处不再赘述。
基于获取的外部干扰力的大小和位置,通过近似度匹配的方法从控制参数表中找出匹配的干扰力信息,并将其对应控制参数作为该干扰状态下控制模型所需要的控制参数。近似度匹配包括受力点位置匹配和受力大小匹配,优选位置距离最小、受力大小差异最小的干扰力信息为匹配项,还可以以位置距离为主、受力差值为辅进行选择,或者受力差值为主、位置距离为辅行选择,此处不再对选择方法进行列举。
步骤S200,获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩。
基于选定的控制模型参数对公式(1)-(3)的踝关节的控制参数ka1、ka2、ka3、ka4、ka5,膝关节的控制参数kk1、kk2、kk3、kk4,髋关节的控制参数kh1、kh2、kh3、kh4进行赋值,并基于t时刻的参数(该时刻行走轮总的旋转角度θat、膝关节处该时刻的夹角θkt、髋关节处该时刻的夹角θht、该时刻的重心倾斜角度该时刻的重心倾斜角度角速度行走轮该时刻的角速度膝关节处的夹角该时刻的角速度髋关节处的夹角该时刻的角速度Δθkt=θkd-θkt,Δθht=θhd-θht),计算当前髋关节、膝关节、踝关节的输出力矩τat、τkt和τht。
步骤S300,基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制。
本发明第二实施例的一种轮腿机器人的自稳定控制***,所述轮腿机器人的腿部结构包括髋关节、膝关节、踝关节,所述踝关节处装设有行走轮,包括控制参数选取模块、输出力矩计算模块、控制模块;
所述控制参数选取模块,配置为基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;
所述输出力矩计算模块,配置为获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;
所述控制模块,配置为基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制;
所述控制模型配置为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩;所述重心倾斜角度为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的轮腿机器人的自稳定控制***,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的轮腿机器人的自稳定控制方法。
本发明第四实施例的一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的轮腿机器人的自稳定控制方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (12)
1.一种轮腿机器人的自稳定控制方法,所述轮腿机器人的腿部结构包括髋关节、膝关节、踝关节,所述踝关节处装设有行走轮,其特征在于,包括以下步骤:
步骤S100,基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;
步骤S200,获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;
步骤S300,基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制;
所述控制模型配置为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩;所述重心倾斜角度为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
3.根据权利要求2所述的轮腿机器人的自稳定控制方法,其特征在于,所述控制参数表的获取方法为:
步骤A100,构建干扰信息集;所述干扰信息集中的干扰信息包括干扰力大小和作用位置;
步骤A200,对所述干扰信息集中任一条干扰信息,基于预设的轮腿机器人的动力学模型、以及预设的优化准则函数,获取对应的一组控制参数;所述优化准则函数为基于各关节的输出力矩、与期望值的角度状态差和***稳定时间的函数,通过函数值最小化的方法获取最优的控制参数;
步骤A300,构建干扰信息与控制参数的映射表作为控制参数表。
6.根据权利要求3所述的轮腿机器人的自稳定控制方法,其特征在于,步骤A200中,轮腿机器人的动力学模型在依照干扰信息施加干扰前,从预设的初始状态集中选取初始状态对轮腿机器人的动力学模型进行初始化。
7.根据权利要求6所述的轮腿机器人的自稳定控制方法,其特征在于,所述初始状态集包括预设多个重心倾斜角度下的轮腿机器人的动力学模型初始参数。
8.根据权利要求7所述的轮腿机器人的自稳定控制方法,其特征在于,所述的预设多个重心倾斜角度包括-5°、-2.5°、0°、2.5°、5°。
9.根据权利要求3所述的轮腿机器人的自稳定控制方法,其特征在于,步骤A200中“通过函数值最小化的方法获取最优的控制参数”,其优化工具可以为SNOPT或GSL。
10.一种轮腿机器人的自稳定控制***,所述轮腿机器人的腿部结构包括髋关节、膝关节、踝关节,所述踝关节处装设有行走轮,其特征在于,包括控制参数选取模块、输出力矩计算模块、控制模块;
所述控制参数选取模块,配置为基于外部干扰力的大小和位置,从预先构建的控制参数表中选取控制参数;所述控制参数为预设控制模型的控制参数;
所述输出力矩计算模块,配置为获取当前髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,通过所选择的控制参数下的所述控制模型,计算髋关节、膝关节、踝关节的输出力矩;
所述控制模块,配置为基于髋关节、膝关节、踝关节的输出力矩分别对髋关节、膝关节、踝关节进行控制;
所述控制模型配置为基于髋关节、膝关节、踝关节角度信息,以及行走轮旋转角度信息和重心倾斜角度,计算髋关节、膝关节、踝关节的输出力矩;所述重心倾斜角度为轮腿机器人的重心与行走轮圆心连线同竖直线的夹角。
11.一种存储装置,其中存储有多条程序,其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-9任一项所述的轮腿机器人的自稳定控制方法。
12.一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-9任一项所述的轮腿机器人的自稳定控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911036885.XA CN110764413B (zh) | 2019-10-29 | 2019-10-29 | 轮腿机器人的自稳定控制方法、***、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911036885.XA CN110764413B (zh) | 2019-10-29 | 2019-10-29 | 轮腿机器人的自稳定控制方法、***、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110764413A true CN110764413A (zh) | 2020-02-07 |
CN110764413B CN110764413B (zh) | 2020-09-29 |
Family
ID=69334438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911036885.XA Active CN110764413B (zh) | 2019-10-29 | 2019-10-29 | 轮腿机器人的自稳定控制方法、***、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110764413B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198840A (zh) * | 2020-08-11 | 2021-01-08 | 北京如影智能科技有限公司 | 一种机器人任务调度方法及装置 |
CN112297009A (zh) * | 2020-10-29 | 2021-02-02 | 燕山大学 | 一种机器人三自由度腿部的阻抗新构型生成方法及*** |
CN112859593A (zh) * | 2020-12-31 | 2021-05-28 | 北京理工大学 | 一种轮腿式机器人机身姿态及足端受力协同控制方法 |
CN113753150A (zh) * | 2021-05-31 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 轮腿式机器人的控制方法、装置、设备及可读存储介质 |
CN116728393A (zh) * | 2022-03-01 | 2023-09-12 | 腾讯科技(深圳)有限公司 | 机器人控制方法和机器人 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5355064A (en) * | 1992-03-04 | 1994-10-11 | Honda Giken Kogyo Kabushiki Kaisha | Control system for legged mobile robot |
JP2009214268A (ja) * | 2008-03-12 | 2009-09-24 | Toyota Motor Corp | 全身協調装置、ロボット及びロボットの制御方法 |
CN201511768U (zh) * | 2009-11-09 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 轮桨腿一体化驱动的水陆两栖机器人 |
JP2011161524A (ja) * | 2010-02-05 | 2011-08-25 | Toyota Motor Corp | 2脚歩行ロボット及びそのための歩容データ生成方法 |
CN103217903A (zh) * | 2013-04-07 | 2013-07-24 | 南京邮电大学 | 基于双平衡控制机制的仿人足球机器人全向踢球方法 |
CN105599816A (zh) * | 2015-10-20 | 2016-05-25 | 浙江大学 | 一种3d欠驱动双足机器人跳跃运动的步态规划方法 |
CN106983589A (zh) * | 2017-04-07 | 2017-07-28 | 河北工业大学 | 一种基于干扰观测器的主动型膝上假肢终端滑模控制方法 |
CN107351936A (zh) * | 2016-05-10 | 2017-11-17 | 松下电器产业株式会社 | 步行控制方法、记录媒体以及双足步行机器人 |
CN108638019A (zh) * | 2018-05-08 | 2018-10-12 | 浙江大学 | 一种可变形仿生轮腿机器人及其控制方法 |
CN109070331A (zh) * | 2016-04-05 | 2018-12-21 | 株式会社日立制作所 | 仿人机器人 |
-
2019
- 2019-10-29 CN CN201911036885.XA patent/CN110764413B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5355064A (en) * | 1992-03-04 | 1994-10-11 | Honda Giken Kogyo Kabushiki Kaisha | Control system for legged mobile robot |
JP2009214268A (ja) * | 2008-03-12 | 2009-09-24 | Toyota Motor Corp | 全身協調装置、ロボット及びロボットの制御方法 |
CN201511768U (zh) * | 2009-11-09 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 轮桨腿一体化驱动的水陆两栖机器人 |
JP2011161524A (ja) * | 2010-02-05 | 2011-08-25 | Toyota Motor Corp | 2脚歩行ロボット及びそのための歩容データ生成方法 |
CN103217903A (zh) * | 2013-04-07 | 2013-07-24 | 南京邮电大学 | 基于双平衡控制机制的仿人足球机器人全向踢球方法 |
CN105599816A (zh) * | 2015-10-20 | 2016-05-25 | 浙江大学 | 一种3d欠驱动双足机器人跳跃运动的步态规划方法 |
CN109070331A (zh) * | 2016-04-05 | 2018-12-21 | 株式会社日立制作所 | 仿人机器人 |
CN107351936A (zh) * | 2016-05-10 | 2017-11-17 | 松下电器产业株式会社 | 步行控制方法、记录媒体以及双足步行机器人 |
CN106983589A (zh) * | 2017-04-07 | 2017-07-28 | 河北工业大学 | 一种基于干扰观测器的主动型膝上假肢终端滑模控制方法 |
CN108638019A (zh) * | 2018-05-08 | 2018-10-12 | 浙江大学 | 一种可变形仿生轮腿机器人及其控制方法 |
Non-Patent Citations (1)
Title |
---|
徐坤 等: "六轮腿式机器人结构设计与运动模式分析", 《北京航空航天大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198840A (zh) * | 2020-08-11 | 2021-01-08 | 北京如影智能科技有限公司 | 一种机器人任务调度方法及装置 |
CN112297009A (zh) * | 2020-10-29 | 2021-02-02 | 燕山大学 | 一种机器人三自由度腿部的阻抗新构型生成方法及*** |
CN112859593A (zh) * | 2020-12-31 | 2021-05-28 | 北京理工大学 | 一种轮腿式机器人机身姿态及足端受力协同控制方法 |
CN113753150A (zh) * | 2021-05-31 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 轮腿式机器人的控制方法、装置、设备及可读存储介质 |
WO2022252863A1 (zh) * | 2021-05-31 | 2022-12-08 | 腾讯科技(深圳)有限公司 | 轮腿式机器人的控制方法、装置、轮腿式机器人及设备 |
CN113753150B (zh) * | 2021-05-31 | 2024-01-12 | 腾讯科技(深圳)有限公司 | 轮腿式机器人的控制方法、装置、设备及可读存储介质 |
CN116728393A (zh) * | 2022-03-01 | 2023-09-12 | 腾讯科技(深圳)有限公司 | 机器人控制方法和机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN110764413B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110764413B (zh) | 轮腿机器人的自稳定控制方法、***、装置 | |
Molchanov et al. | Sim-to-(multi)-real: Transfer of low-level robust control policies to multiple quadrotors | |
CN113753150B (zh) | 轮腿式机器人的控制方法、装置、设备及可读存储介质 | |
CN111506100B (zh) | 多足机器人关节控制方法、装置和多足机器人 | |
Kim et al. | Computationally-robust and efficient prioritized whole-body controller with contact constraints | |
CN111309039B (zh) | 一种四足机器人姿态控制方法和装置 | |
CN112643679B (zh) | 机器人运动控制方法、装置、控制器及存储介质 | |
CN112327869B (zh) | 基于关节速度规划的四足机器人对角步态运动控制方法 | |
CN114995479A (zh) | 一种基于强化学习的四足机器人虚拟模型控制器的参数控制方法 | |
Park et al. | Pose and posture estimation of aerial skeleton systems for outdoor flying | |
CN110244714A (zh) | 基于滑模控制的机器人单腿摆动相双闭环控制方法 | |
Dafarra et al. | Non-linear trajectory optimization for large step-ups: Application to the humanoid robot atlas | |
Krishna et al. | Learning linear policies for robust bipedal locomotion on terrains with varying slopes | |
Li et al. | Dynamic walking of bipedal robots on uneven stepping stones via adaptive-frequency MPC | |
Zhang et al. | Whole-body humanoid robot locomotion with human reference | |
CN113858207A (zh) | 人形机器人的倒地控制方法、装置、电子设备及存储介质 | |
CN113985864A (zh) | 一种动态行走的四足探测机器人及控制方法 | |
Kim et al. | Humanoid balance control using centroidal angular momentum based on hierarchical quadratic programming | |
Miao et al. | Modeling of self‐tilt‐up motion for a two‐wheeled inverted pendulum | |
Askari et al. | Dynamic modeling and gait analysis for miniature robots in the absence of foot placement control | |
CN109976384B (zh) | 一种自治水下机器人及路径跟随控制方法、装置 | |
Dierks et al. | Asymptotic adaptive neural network tracking control of nonholonomic mobile robot formations | |
Sutyasadi et al. | Push recovery control of quadruped robot using particle swarm optimization based structure specified mixed sensitivity H 2/H∞ control | |
Meriçli et al. | Improving biped walk stability using real-time corrective human feedback | |
Hauser et al. | Biologically inspired kinematic synergies provide a new paradigm for balance control of humanoid robots |
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 |