[发明专利]一种适合多自由度机器人的姿态迁移算法系统

权利要求书

1.一种适合多自由度机器人的姿态迁移系统，其特征在于：

所述姿态迁移系统的输入包括：源环境和目标环境中的优化函数；在源环境中已经获得的最优姿态种群；其中，所述源环境为已经掌握某种技能或姿态的环境；所述目标环境为需要掌握某种技能或者姿态的环境；所述姿态迁移系统的输出为：目标环境的最优姿态种群；

所述姿态迁移系统执行以下步骤：

步骤1：通过随机采样获得目标环境的姿态种群样本；

步骤2：采用迁移学习方法，将源环境的最优姿态种群和目标环境中的随机抽样的姿态种群进行比较，由此找到和已经获得的最优姿态最为接近的目标环境中的姿态种群；

步骤3：根据步骤2搜索到的目标环境种群个体集生成目标环境中的初始姿态种群；

步骤4：根据初始姿态种群，在目标环境中采用进化算法对机器人的姿态进行优化，得到目标环境的最优姿态种群；

所述步骤4中的姿态优化问题为一个多目标问题，所述多目标问题的目标函数包括步行速度目标函数和稳定性目标函数；

所述稳定性目标函数为：

其中acc,是当前加速度和运动周期中的平均加速度，N为一个采样周期中的总采样次数，i是采样样本索引，j∈[x,y,z]是轴；roll和pitch是从机器人上的传感器读取的值；F为加速度分量；G为方位分量，用于表明横滚和俯仰值；scaling_factor为比例因子。

2.如权利要求1所述的适合多自由度机器人的姿态迁移系统，其特征在于：所述迁移学习方法包括迁移成分分析方法。

3.如权利要求2所述的适合多自由度机器人的姿态迁移系统，其特征在于：迁移成分分析方法表示为求解矩阵W：

subject to W^TKHKW＝I

其中，tr(A)表示矩阵A的迹，矩阵K表示核函数矩阵，矩阵L的元素表示测量矩阵的系数，I指的是(m+n)×(m+n)恒等式矩阵，W^TW是一个正则化项，并且1是一个(m+n)×1矩阵，其元素均为1，m和n表示源环境和目标环境中的样本数，μ是折衷系数。

4.如权利要求1所述的适合多自由度机器人的姿态迁移系统，其特征在于：所述步行速度目标函数为：

其中，ζ^s和ζ^q是权重系数，f_s指示运动周期内的速度，ΔX是机器人的运动矢量，V^*是指定所需运动方向的单位矢量；fq＝exp(-Δθ²)，其中Δθ反映实际行走方向和预设目标方向之间的偏离角。

5.如权利要求1所述的适合多自由度机器人的姿态迁移系统，其特征在于：适用于所述步骤4的进化算法包括NSGA-II算法、RM-MEDA算法、MOPSO算法。