[发明专利]一种基于混合控制的双足机器人步态轨迹生成方法及应用

说明书

本发明涉及一种基于混合控制的双足机器人步态轨迹生成方法及应用，所述双足机器人步态轨迹生成方法将模糊控制与CPG仿生控制相结合，以机器人在行走过程中通过实时位姿反馈的环境信息作为模糊控制系统的输入量，基于模糊控制系统获得机器人行走的步态轨迹信息，基于所述步态轨迹信息通过CPG模型生成对应的步态轨迹。与现有技术相比，本发明具有轨迹精度较高、算法简单、快速等优点。

技术领域

本发明涉及一种机器人行走控制方法，尤其是涉及一种基于混合控制的双足机器人步态轨迹生成方法及应用。

背景技术

智能服务机器人多应用在非确定、非结构化的环境中，无法通过预设轨迹的方法来规划机器人运动，因此要求机器人具备在动态环境中能够具有自主规划运动轨迹的能力，能够实时地根据外部环境的变化实现步态的在线调节，具有较好的环境适应性。人类可以应对各种复杂未知的环境，根据环境的变化形成对应的行走步态。

目前基于仿生学运动机理的机器人行走控制方法得到了广泛关注，通过对动物运动模式的分析和工程模拟应用到机器人的运动控制中，其中中枢模式发生器机理(Centralpattern generator,CPG)的控制方法是仿生控制的典型代表。CPG控制的最大优势是适应性，然而CPG控制的主要难点在于参数的调制与机器人的轨迹的映射关系。目前有一些文献将模糊控制与仿生控制相结合来进一步提高基于仿生控制的机器人行走适应性，产生可变的行走参数，如步幅、行走速度等。这种方法主要是通过模糊控制在线调制CPG网络模型的相关参数，从而实现机器人某些关节的控制，如机器人的行走、机器鱼的转动、蛇形机器人的移动、机器人的步长调整等，与机器人本体所处的行走环境交互较少，环境信息不能有效的耦合到控制系统来进行实时反馈。目前，也有一些行走控制方法考虑了从环境信息获得反馈进而调制机器人控制系统中的可调因子，如CPG模型中的某个参数，机器人质心的位置等，这些方法在机器人的适应性行走方面也取得了较好的进展，成功控制机器人进行了上下坡行走实验。目前这些方法主要是通过设计反馈环节，然后对反馈环节中的反馈参数进行实验拟合或者优化算法进行寻求最优解。前者方法的主要局限在于实验的时间成本较高，后者方法的主要缺陷是其优化算法针对特定环境进行参数优化，适应性较低。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷而提供一种反馈及时、轨迹精度高的基于混合控制的双足机器人步态轨迹生成方法及应用。

本发明的目的可以通过以下技术方案来实现：

一种基于混合控制的双足机器人步态轨迹生成方法，该方法将模糊控制与CPG仿生控制相结合，以机器人在行走过程中通过实时位姿反馈的环境信息作为模糊控制系统的输入量，基于模糊控制系统获得机器人行走的步态轨迹信息，基于所述步态轨迹信息通过CPG模型生成对应的步态轨迹。

进一步地，所述环境信息包括坡度角和凹凸高度。

进一步地，所述步态轨迹信息包括行走步幅、平均行走速度和抬脚高度。

进一步地，所述模糊控制系统基于T-S模糊控制系统构建，以三角函数作为隶属度函数，根据最小二乘法构造模糊规则，并通过重心加权平均法实现去模糊。

进一步地，所述模糊控制系统中采用的模糊规则中，将输入域分为四个部分，每个部分由一阶曲面RSM表示，每一部分的RSM的公式如下：

RSM_i＝y_i＝a_i1x₁+a_i2x₂+…+a_ikx_k+a_i(k+1)

其中，i＝1,2,3，4，y_i为模糊控制系统得到的预测值，x_k为输入变量，a_ik为对应一阶曲面的系数。

进一步地，所述一阶曲面的系数通过以下公式确定：