CN114683289B - 一种四足机器人姿态预适应控制方法 - Google Patents

一种四足机器人姿态预适应控制方法 Download PDF

Info

Publication number
CN114683289B
CN114683289B CN202210500598.5A CN202210500598A CN114683289B CN 114683289 B CN114683289 B CN 114683289B CN 202210500598 A CN202210500598 A CN 202210500598A CN 114683289 B CN114683289 B CN 114683289B
Authority
CN
China
Prior art keywords
foot
angle
elevation
information
foot end
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
Application number
CN202210500598.5A
Other languages
English (en)
Other versions
CN114683289A (zh
Inventor
江磊
苏波
许�鹏
姚其昌
蒋云峰
梁振杰
郭亮
赵建新
邱天奇
慕林栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongbing Intelligent Innovation Research Institute Co ltd
Original Assignee
Zhongbing Intelligent Innovation Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongbing Intelligent Innovation Research Institute Co ltd filed Critical Zhongbing Intelligent Innovation Research Institute Co ltd
Priority to CN202210500598.5A priority Critical patent/CN114683289B/zh
Publication of CN114683289A publication Critical patent/CN114683289A/zh
Application granted granted Critical
Publication of CN114683289B publication Critical patent/CN114683289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明属于机器人运动控制技术领域，具体涉及一种四足机器人姿态预适应控制方法。该方法包括：基于局部障碍物高程信息计算安全的落足点；基于落足点信息及本体传感信息预估地形姿态角度；根据地形姿态角度建立机器人姿态预适应控制器。本发明通过建立机器人姿态预适应控制器实现对地形的稳定适应，从而提升机器人在复杂路面下的通过性能。

Description

一种四足机器人姿态预适应控制方法
技术领域
本发明属于机器人运动控制技术领域，具体涉及一种四足机器人姿态预适应控制方法。
背景技术
四足机器人相比于传统的轮式、履带式车辆，可通过选择离散的摆动腿落足点，因此可适应高原、山地等复杂的地形，目前，四足机器人主要依靠本体的传感器对地形进行实时估计，此时机器人的位姿调节相比真实的地形滞后，当遇到较大尺寸的障碍物时，在机器人越障时，同时会导致机器人超出运动范围，大大降低了机器人的动态稳定性。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：如何提供一种四足机器人姿态预适应控制方法。
(二)技术方案
为解决上述技术问题，本发明提供一种四足机器人姿态预适应控制方法，所述方法包括如下步骤：
步骤1：基于局部障碍物高程信息计算安全的落足点；
步骤2：基于落足点信息及本体传感信息预估地形姿态角度；
步骤3：根据地形姿态角度建立机器人姿态预适应控制器。
其中，所述步骤1包括：
步骤11：利用机载的雷达、摄像头传感器采集落足点区域附近的局部地图，并获取局部地图内包含的局部障碍物高程信息；
步骤12：利用局部障碍物高程信息检测落足安全区域；
步骤13：根据局部地图的原点、落足安全区域的高程信息及地图网格尺寸，计算安全的落足点。
其中，所述步骤2包括：
步骤21：基于包括关节角度传感器、IMU的本体传感信息，实时计算足端位置；所述足端位置包括当前支撑腿的实时足端位置和摆动腿结束支撑时的足端位置；
步骤22：采用当前支撑腿的实时足端位置、摆动腿结束支撑时的足端位置、摆动腿的落足点信息的位置预估地形姿态角度。
其中，所述步骤3包括：
步骤31：基于预估的地形姿态角度，建立姿态预适应角度；
步骤32：将姿态预适应角度作为输入，建立机身虚拟伺服控制器，并通过目标优化方法分配到足部；
步骤33：建立底层柔顺伺服控制器。
其中，所述步骤11中，利用机载的雷达、摄像头传感器采集落足点区域附近的局部地图，及局部地图内包含的局部障碍物高程信息。
其中，所述步骤12中，利用局部障碍物高程信息计算地形起伏信息σ，σ计算如下：
式中，N为高程网格的数量，xi为第i个高程网格的高程值，为N个高程网格的高程平均值；
设定地形起伏信息阈值σ*，当前起伏信息σ小于设定阈值σ*时，认为为落足安全区域，记录安全落足区域的高程xσ以及网格数量cx、cy。
其中，所述步骤13中，根据局部地图的原点O、落足安全区域的高程信息xσ及地图网格尺寸Δc，计算安全的落足点pσ。
pσ＝[Ox+cxΔc,Oy+cyΔc,xσ]T
其中，Ox、Oy为局部地图原点O的元素。
其中，所述步骤21中，基于关节传感器、IMU实时计算足端位置p，首先根据腿部运动学计算足端相对于机身中心的位置pb，再根据IMU采集的侧倾、俯仰、偏航姿态角度，计算姿态变换矩阵R，从而得到足端位置p；
p＝Rpb。
其中，所述步骤22中，采用当前支撑腿的实时足端位置ps、摆动腿结束支撑时的足端位置pw、摆动腿的落足点pσ的位置预估地形姿态角度，包括翻滚姿态角度及俯仰姿态角度γg，通过计算足端位置p构成的平面法向量n进行求解，法向量求解如下：
(p-p0)·n＝0
式中，p0为初始位置。
其中，所述步骤31中，基于预估的地形姿态角度，引入比例因子，建立姿态预适应角度，建立如下：
γd＝kγγg
式中，kγ分别为侧倾角、俯仰角适应比例因子，/>γg为预估的地形角度，/>γd为期望的侧倾角、俯仰角；
所述步骤32中，将姿态预适应角度作为输入，建立机身虚拟伺服控制器，并通过目标优化方法分配到足部，机身虚拟伺服控制器建立如下：
式中，Mm、Fm为机体虚拟合力矩矢量、虚拟合力矢量；kp为正定增益矩阵；q为机身实际的位姿矢量；qd为机身期望的位姿矢量，γd为qd的前两个元素；kv为正定微分系数矩阵；/>为机身实际的位姿速度矢量，/>为机身期望的位姿速度矢量，kff为正定速度前馈系数矩阵，m为机器人质量，g为重力加速度；
通过设定约束条件，建立目标优化函数F(x)，求解满足约束条件，且使目标函数获得最小值的一组解，目标优化函数如下：
minF(x)＝(Ax-b)TS(Ax-b)+αxTWx+β||x-x*||
其中，
式中，S为加权矩阵,W为半正定对称矩阵,α、β为整定因子.x*为上一时刻的优化解。
约束条件如下：
上式中，为第i接触点的法向力；/>为第i接触点的切向力；μ为滑动摩擦系数；
所述步骤33中，以分配足部的力作为输入，建立关节柔顺伺服控制器，设计如下所示：
式中：Kpθ、Kvθ为控制器刚度、阻尼系数矩阵；θd为期望的关节角度向量；θ为实际的关节角度向量；为期望的关节角速度向量；/>为实际的关节角速度向量；τff＝-JTFd为关节力前馈项；Fd为足端期望力；J为关节力雅可比矩阵；u为关节柔顺伺服控制器输入。
(三)有益效果
本发明充分考虑安全的落足点与本体的信息，针对安全的地形区域，在保证安全落足的同时，对机器人身体进行预适应控制，通过建立机器人姿态预适应控制器实现对大尺寸障碍物的动态适应，提高四足机器人在复杂地形的通过性，一方面保证机器人在跨越大尺寸障碍物时处在运动范围内，另一方面提高机器人跨越大尺寸障碍物的动态稳定性与通过效率。
与现有技术相比较，本发明具备如下有益效果：
(1)本发明充分考虑安全的落足点与本体的信息，在保证安全落足的同时，机器人可进行姿态预适应。
(2)本发明可保证机器人在跨越大尺寸障碍物时处在运动范围内。
(3)本发明提高机器人跨越大尺寸障碍物的动态稳定性与通过效率。
附图说明
图1为四足机器人姿态预适应控制方法实现的步骤流程图；
图2是姿态预适应示意图；
图3是四足机器人姿态预适应控制器示意图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
为解决上述技术问题，本发明提供一种四足机器人姿态预适应控制方法，如图1所示，所述方法包括如下步骤：
步骤1：基于局部障碍物高程信息计算安全的落足点；
步骤2：基于落足点信息及本体传感信息预估地形姿态角度；
步骤3：根据地形姿态角度建立机器人姿态预适应控制器。
其中，所述步骤1包括：
步骤11：利用机载的雷达、摄像头传感器采集落足点区域附近的局部地图，并获取局部地图内包含的局部障碍物高程信息；
步骤12：利用局部障碍物高程信息检测落足安全区域；
步骤13：根据局部地图的原点、落足安全区域的高程信息及地图网格尺寸，计算安全的落足点。
其中，如图2所示，所述步骤2包括：
步骤21：基于包括关节角度传感器、IMU的本体传感信息，实时计算足端位置；所述足端位置包括当前支撑腿的实时足端位置和摆动腿结束支撑时的足端位置；
步骤22：采用当前支撑腿的实时足端位置、摆动腿结束支撑时的足端位置、摆动腿的落足点信息的位置预估地形姿态角度。
其中，如图3所示，所述步骤3包括：
步骤31：基于预估的地形姿态角度，建立姿态预适应角度；
步骤32：将姿态预适应角度作为输入，建立机身虚拟伺服控制器，并通过目标优化方法分配到足部；
步骤33：建立底层柔顺伺服控制器。
其中，所述步骤11中，利用机载的雷达、摄像头传感器采集落足点区域附近的局部地图，及局部地图内包含的局部障碍物高程信息。
其中，所述步骤12中，利用局部障碍物高程信息计算地形起伏信息σ，σ计算如下：
式中，N为高程网格的数量，xi为第i个高程网格的高程值，为N个高程网格的高程平均值；
设定地形起伏信息阈值σ*，当前起伏信息σ小于设定阈值σ*时，认为为落足安全区域，记录安全落足区域的高程xσ以及网格数量cx、cy。
其中，所述步骤13中，根据局部地图的原点O、落足安全区域的高程信息xσ及地图网格尺寸Δc，计算安全的落足点pσ。
pσ＝[Ox+cxΔc,Oy+cyΔc,xσ]T
其中，Ox、Oy为局部地图原点O的元素。
其中，所述步骤21中，基于关节传感器、IMU实时计算足端位置p，首先根据腿部运动学计算足端相对于机身中心的位置pb，再根据IMU采集的侧倾、俯仰、偏航姿态角度，计算姿态变换矩阵R，从而得到足端位置p；
p＝Rpb。
其中，所述步骤22中，采用当前支撑腿的实时足端位置ps、摆动腿结束支撑时的足端位置pw、摆动腿的落足点pσ的位置预估地形姿态角度，包括翻滚姿态角度及俯仰姿态角度γg，通过计算足端位置p构成的平面法向量n进行求解，法向量求解如下：
(p-p0)·n＝0
式中，p0为初始位置。
其中，所述步骤31中，基于预估的地形姿态角度，引入比例因子，建立姿态预适应角度，建立如下：
γd＝kγγg
式中，kγ分别为侧倾角、俯仰角适应比例因子，/>γg为预估的地形角度，/>γd为期望的侧倾角、俯仰角；
所述步骤32中，将姿态预适应角度作为输入，建立机身虚拟伺服控制器，并通过目标优化方法分配到足部，机身虚拟伺服控制器建立如下：
式中，Mm、Fm为机体虚拟合力矩矢量、虚拟合力矢量；kp为正定增益矩阵；q为机身实际的位姿矢量；qd为机身期望的位姿矢量，γd为qd的前两个元素；kv为正定微分系数矩阵；/>为机身实际的位姿速度矢量，/>为机身期望的位姿速度矢量，kff为正定速度前馈系数矩阵，m为机器人质量，g为重力加速度；
通过设定约束条件，建立目标优化函数F(x)，求解满足约束条件，且使目标函数获得最小值的一组解，目标优化函数如下：
minF(x)＝(Ax-b)TS(Ax-b)+αxTWx+β||x-x*||
其中，
式中，S为加权矩阵,W为半正定对称矩阵,α、β为整定因子.x*为上一时刻的优化解。
约束条件如下：
上式中，为第i接触点的法向力；/>为第i接触点的切向力；μ为滑动摩擦系数；
所述步骤33中，以分配足部的力作为输入，建立关节柔顺伺服控制器，设计如下所示：
式中：Kpθ、Kvθ为控制器刚度、阻尼系数矩阵；θd为期望的关节角度向量；θ为实际的关节角度向量；为期望的关节角速度向量；/>为实际的关节角速度向量；τff＝-JTFd为关节力前馈项；Fd为足端期望力；J为关节力雅可比矩阵；u为关节柔顺伺服控制器输入。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (2)

1.一种四足机器人姿态预适应控制方法，其特征在于，所述方法包括如下步骤：
步骤1：基于局部障碍物高程信息计算安全的落足点；
步骤2：基于落足点信息及本体传感信息预估地形姿态角度；
步骤3：根据地形姿态角度建立机器人姿态预适应控制器；
其中，所述步骤1包括：
步骤11：利用机载的雷达、摄像头传感器采集落足点区域附近的局部地图，并获取局部地图内包含的局部障碍物高程信息；
步骤12：利用局部障碍物高程信息检测落足安全区域；
步骤13：根据局部地图的原点、落足安全区域的高程信息及地图网格尺寸，计算安全的落足点；
其中，所述步骤2包括：
步骤21：基于包括关节角度传感器、IMU的本体传感信息，实时计算足端位置；所述足端位置包括当前支撑腿的实时足端位置和摆动腿结束支撑时的足端位置；
步骤22：采用当前支撑腿的实时足端位置、摆动腿结束支撑时的足端位置、摆动腿的落足点信息的位置预估地形姿态角度；
其中，所述步骤3包括：
步骤31：基于预估的地形姿态角度，建立姿态预适应角度；
步骤32：将姿态预适应角度作为输入，建立机身虚拟伺服控制器，并通过目标优化方法分配到足部；
步骤33：建立底层柔顺伺服控制器；
其中，所述步骤12中，利用局部障碍物高程信息计算地形起伏信息σ，σ计算如下：
式中，N为高程网格的数量，xi为第i个高程网格的高程值，为N个高程网格的高程平均值；
设定地形起伏信息阈值σ*，当前起伏信息σ小于设定阈值σ*时，认为为落足安全区域，记录安全落足区域的高程xσ以及网格数量cx、cy；
其中，所述步骤13中，根据局部地图的原点O、落足安全区域的高程信息xσ及地图网格尺寸Δc，计算安全的落足点pσ；
pσ＝[Ox+cxΔc,Oy+cyΔc,xσ]T
其中，Ox、Oy为局部地图原点O的元素；
其中，所述步骤21中，基于关节传感器、IMU实时计算足端位置p，首先根据腿部运动学计算足端相对于机身中心的位置pb，再根据IMU采集的侧倾、俯仰、偏航姿态角度，计算姿态变换矩阵R，从而得到足端位置p；
p＝Rpb；；
其中，所述步骤22中，采用当前支撑腿的实时足端位置ps、摆动腿结束支撑时的足端位置pw、摆动腿的落足点pσ的位置预估地形姿态角度，包括翻滚姿态角度及俯仰姿态角度γg，通过计算足端位置p构成的平面法向量n进行求解，法向量求解如下：
(p-p0)·n＝0
式中，p0为初始位置；
其中，所述步骤31中，基于预估的地形姿态角度，引入比例因子，建立姿态预适应角度，建立如下：
γd＝kγγg
式中，kγ分别为侧倾角、俯仰角适应比例因子，/>γg为预估的地形角度，/>γd为期望的侧倾角、俯仰角；
所述步骤32中，将姿态预适应角度作为输入，建立机身虚拟伺服控制器，并通过目标优化方法分配到足部，机身虚拟伺服控制器建立如下：
式中，Mm、Fm为机体虚拟合力矩矢量、虚拟合力矢量；kp为正定增益矩阵；q为机身实际的位姿矢量；qd为机身期望的位姿矢量，γd为qd的前两个元素；kv为正定微分系数矩阵；/>为机身实际的位姿速度矢量，/>为机身期望的位姿速度矢量，kff为正定速度前馈系数矩阵，m为机器人质量，g为重力加速度；
通过设定约束条件，建立目标优化函数F(x)，求解满足约束条件，且使目标函数获得最小值的一组解，目标优化函数如下：
minF(x)＝(Ax-b)TS(Ax-b)+αxTWx+β||x-x*||
其中，
式中，S为加权矩阵,W为半正定对称矩阵,α、β为整定因子.x*为上一时刻的优化解；
约束条件如下：
上式中，为第i接触点的法向力；/>为第i接触点的切向力；μ为滑动摩擦系数；
所述步骤33中，以分配足部的力作为输入，建立关节柔顺伺服控制器，设计如下所示：
式中：Kpθ、Kvθ为控制器刚度、阻尼系数矩阵；θd为期望的关节角度向量；θ为实际的关节角度向量；为期望的关节角速度向量；/>为实际的关节角速度向量；τff＝-JTFd为关节力前馈项；Fd为足端期望力；J为关节力雅可比矩阵；u为关节柔顺伺服控制器输入。
2.如权利要求1所述的四足机器人姿态预适应控制方法，其特征在于，所述步骤11中，利用机载的雷达、摄像头传感器采集落足点区域附近的局部地图，及局部地图内包含的局部障碍物高程信息。
CN202210500598.5A 2022-05-09 2022-05-09 一种四足机器人姿态预适应控制方法 Active CN114683289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210500598.5A CN114683289B (zh) 2022-05-09 2022-05-09 一种四足机器人姿态预适应控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210500598.5A CN114683289B (zh) 2022-05-09 2022-05-09 一种四足机器人姿态预适应控制方法

Publications (2)

Publication Number Publication Date
CN114683289A CN114683289A (zh) 2022-07-01
CN114683289B true CN114683289B (zh) 2024-06-18

Family

ID=82145705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210500598.5A Active CN114683289B (zh) 2022-05-09 2022-05-09 一种四足机器人姿态预适应控制方法

Country Status (1)

Country Link
CN (1) CN114683289B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107807655A (zh) * 2017-10-27 2018-03-16 山东大学 基于三维空间中步态调整的四足机器人平衡稳定控制方法
CN112428274A (zh) * 2020-11-17 2021-03-02 张耀伦 一种多自由度机器人的空间运动规划方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5854695B2 (ja) * 2010-09-22 2016-02-09 キヤノン株式会社 ロボット装置の制御方法及びロボット装置
CN102591344B (zh) * 2012-03-05 2013-12-11 中国人民解放军国防科学技术大学 四足仿生机器人的时位控制方法
CN110328670B (zh) * 2019-08-27 2022-05-27 山东科技大学 基于地形模糊自适应的四足机器人静步态规划方法
CN110597267B (zh) * 2019-09-27 2023-01-10 长安大学 一种足式机器人的局部最优落足点选取方法
CN110834685B (zh) * 2019-09-29 2021-05-28 中国北方车辆研究所 一种四足机器人动态跨越凹障碍方法
CN110815211B (zh) * 2019-09-29 2021-04-23 中国北方车辆研究所 一种四足机器人动态跨越凸障碍方法
CN111891252B (zh) * 2020-08-06 2021-11-05 齐鲁工业大学 一种四足仿生机器人的身体姿态斜坡自适应控制方法
CN114104139B (zh) * 2021-09-28 2022-10-11 北京炎凌嘉业机电设备有限公司 一种仿生足式机器人步足平台融合越障及自主跟随***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107807655A (zh) * 2017-10-27 2018-03-16 山东大学 基于三维空间中步态调整的四足机器人平衡稳定控制方法
CN112428274A (zh) * 2020-11-17 2021-03-02 张耀伦 一种多自由度机器人的空间运动规划方法

Also Published As

Publication number Publication date
CN114683289A (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN110377039B (zh) 一种车辆避障轨迹规划与跟踪控制方法
US10226870B1 (en) Yaw slip handling in a robotic device
CN110815211B (zh) 一种四足机器人动态跨越凸障碍方法
CN111483532B (zh) 一种静步态上楼梯的四足机器人运动控制方法
CN111070201B (zh) 四足机器人在负载突变下基于zmp理论的反应式鲁棒控制方法
CN103970138B (zh) 基于自抗扰与微分平滑的alv横向控制方法
CN110834685B (zh) 一种四足机器人动态跨越凹障碍方法
US20200206898A1 (en) Biped robot gait control method and biped robot
CN111176283B (zh) 一种复杂地形下足式机器人的主动柔顺控制方法
CN110162046A (zh) 基于事件触发型模型预测控制的无人车路径跟随方法
CN111572558A (zh) 一种无人车最大包络线动力学控制方法
CN113157000A (zh) 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法
Choi et al. Improvement of step-climbing capability of a new mobile robot RHyMo via kineto-static analysis
CN112109732A (zh) 一种智能驾驶自适应曲线预瞄方法
CN104709374A (zh) 一种防止足式机器人左右倾斜的方法
CN104898672A (zh) 一种仿人机器人行走轨迹的优化控制方法
Reid et al. Mobility mode evaluation of a wheel-on-limb rover on glacial ice analogous to europa terrain
CN114683289B (zh) 一种四足机器人姿态预适应控制方法
CN109484676B (zh) 一种垂直起降火箭在线轨迹规划的等效姿态控制处理方法
CN114734445B (zh) 一种四足机器人动态适应负载的控制方法
CN115167389B (zh) 行为驱动的四足机器人中枢层细粒度演进优化模型
CN115525054A (zh) 大型工业园区无人清扫车沿边路径跟踪控制方法及***
CN114030654B (zh) 一种基于脉宽调制的大气进入姿态控制方法
CN114407008A (zh) 机器人运动控制方法、装置、设备及存储介质
CN114137825A (zh) 一种重载双舵轮agv车体的运动控制方法、***及装置

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