基于改良粒子群算法的机器人稳定步态规划方法和装置制造方法及图纸

本发明专利技术公开了一种基于改良粒子群算法的机器人稳定步态规划方法和装置。其中，该方法包括：确定适应度函数值，并根据适应度函数值，利用粒子群算法对粒子的速度和位置进行更新，对粒子进行变异，并重新确定适应度函数值，循环上述所有步骤，直至满足预设次数；确定适应度函数值最大时的两髋关节中心参数；根据两髋关节中心参数，利用三次样条插值函数确定机器人踝关节和髋关节的运动轨迹。本发明专利技术解决了现有技术中使用粒子群算法进行机器人步行轨迹优化时由于迭代次数的增加造成陷入局部最优解无法跳出的技术问题。

【技术实现步骤摘要】

本专利技术涉及机器人控制领域，具体而言，涉及一种基于改良粒子群算法的机器人稳定步态规划方法和装置。
技术介绍
机器人是一门集控制、机械、电子、材料等学科于一体的高度交叉的前沿学科，近年来，机器人产业迅速发展，并引起了国家的高度重视，在不久的将来中国将有望成为世界上最大的机器人市场。仿人机器人代表了当今机器人研究领域最为尖端的水平，与其他机器人相比，仿人机器人因具有行走能力更强、上下台阶更方便、工作空间更广阔等等的优势而具有广阔的应用前景。稳定步行是仿人机器人最基本的类人行为,也是仿人机器人研究领域的热点和难点之一。现有的双足步行轨迹优化方法中最常用的是粒子群算法和遗传算法，标准的粒子群算法通过追踪个体极值和群体极值完成优化过程，操作简单，收敛速度快，但随着迭代次数的增加，可能陷入局部最优解而无法跳出。遗传算法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。但很难处理维度较高的问题，由于仿人机器人计算非常复杂，涉及到大量的个体计算，比较浪费时间。针对现有技术中使用粒子群算法进行机器人步行轨迹优化时由于迭代次数的增加造成陷入局部最优解无法跳出的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种基于改良粒子群算法的机器人稳定步态规划方法和装置，以至少解决现有技术中使用粒子群算法进行机器人步行轨迹优化时由于迭代次数的增加造成陷入局部最优解无法跳出的技术问题。根据本专利技术实施例的一个方面，提供了一种基于改良粒子群算法的机器人稳定步态规划方法，包括：确定适应度函数值，并根据适应度函数值，利用粒子群算法对粒子的速度和位置进行更新；对粒子进行变异，并重新确定适应度函数值；循环上述所有步骤，直至满足预设次数；确定适应度函数值最大时的两髋关节中心参数；根据两髋关节中心参数，利用三次样条插值函数确定机器人踝关节和髋关节的运动轨迹。根据本专利技术实施例的另一方面，还提供了一种基于改良粒子群算法的机器人稳定步态规划装置，包括：第一确定模块，用于确定适应度函数值，并根据适应度函数值，利用粒子群算法对粒子的速度和位置进行更新；变异模块，用于对粒子进行变异，并重新确定适应度函数值；循环模块，用于循环调用第一确定模块和变异模块，直至满足预设次数；第二确定模块，用于确定适应度函数值最大时的两髋关节中心参数；第三确定模块，用于根据两髋关节中心参数，利用三次样条插值函数确定机器人踝关节和髋关节的运动轨迹。在本专利技术实施例中，对传统的粒子群算法进行改良，通过确定适应度函数值，并根据适应度函数值，利用粒子群算法对粒子的速度和位置进行更新，之后对粒子进行变异，并重新确定适应度函数值，然后循环上述所有步骤，直至满足预设次数，确定适应度函数值最大时的两髋关节中心参数，然后根据两髋关节中心参数，利用三次样条插值函数确定机器人踝关节和髋关节的运动轨迹，达到了避免陷入局部最优解的目的，从而实现了机器人稳定步态的技术效果，进而解决了现有技术中使用粒子群算法进行机器人步行轨迹优化时由于迭代次数的增加造成陷入局部最优解无法跳出的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例1的一种基于改良粒子群算法的机器人稳定步态规划的方法流程图；图2是根据本专利技术实施例1的机器人双腿关节结构图；图3是根据本专利技术实施例1的机器人髋关节液压机构原理图；图4是根据本专利技术实施例1的机器人膝关节液压机构原理图；图5是根据本专利技术实施例1的机器人踝关节液压机构原理图；图6是根据本专利技术实施例1的利用D-H建模方法建立机器人双腿模型的示意图；图7是根据本专利技术实施例1的应用边界条件一和边界条件二时左踝关节在x方向运动曲线对比图；图8是根据本专利技术实施例1的应用边界条件一和边界条件二时左踝关节在z方向运动曲线对比图；图9是根据本专利技术实施例1的单脚支撑的稳定区域示意图；图10是根据本专利技术实施例1的双脚支撑的稳定区域示意图；图11是根据本专利技术实施例1的适应度函数的变化曲线示意图；图12是根据本专利技术实施例1的ZMP轨迹示意图；图13是根据本专利技术实施例1的x-z方向轨迹曲棍图；图14是根据本专利技术实施例1的三维步态轨迹曲棍图；以及图15是根据本专利技术实施例2的一种基于改良粒子群算法的机器人稳定步态规划的装置结构图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。以下为本专利技术中使用到的部分名词解释：步态规划，指根据步行要求，给定步态中踝关节及髋关节在各关键时刻径向和侧向的位置及边界条件，求出一条过这些关键点的最优有效路径。零力矩点(ZMP)，是仿人机器人所受的重力和惯性力的合力延长线与支撑地面的交点,在该点处地面反力的合力矩沿水平面内的两个垂直方向的分量为零。稳定区域，即满足将机器人足底与地面之间所有接触点都包含在内的最小多边形区域。稳定裕度，是指ZMP到稳定区域各边界距离的最小值。显然,ZMP稳定裕度越大,步态的稳定性越好,仿人机器人步行时的抗干扰能力也越强。实施例1根据本专利技术实施例，提供了一种基于改良粒子群算法的机器人稳定步态规划的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的基于改良粒子群算法的机器人稳定步态规划方法，如图1所示，该方法包括如下步骤：步骤S100，确定适应度函数值，并根据适应度函数值，利用粒子群算法对粒子的速度和位置进行更新。步骤S102，对粒子进行变异，并重新确定适应度函数值。步骤S104，循环上述所有步骤，直至满足预设次数。具体的，预设次数可以根据实际情况进行设置，本专利技术对预设次数的具体数值不做限定，其中，步骤S104中的“循环上述所有步骤”指的是循环步骤S100和步骤S102，即步骤S102中确定了适应度函数值之后，再执行步骤S100时使用的适应度函数值为步骤S102中确定的适应度函数值。步骤S106，确定适应度函数值最大时的两髋关节中心参数。步骤S108，根据两髋关节中心参数，利用三次样条插值函数确定机器人踝关本文档来自技高网...

【技术保护点】
一种基于改良粒子群算法的机器人稳定步态规划方法，其特征在于，包括：确定适应度函数值，并根据所述适应度函数值，利用粒子群算法对粒子的速度和位置进行更新；对粒子进行变异，并重新确定所述适应度函数值；循环上述所有步骤，直至满足预设次数；确定所述适应度函数值最大时的两髋关节中心参数；根据所述两髋关节中心参数，利用三次样条插值函数确定所述机器人踝关节和髋关节的运动轨迹。

【技术特征摘要】
1.一种基于改良粒子群算法的机器人稳定步态规划方法，其特征在于，包括：确定适应度函数值，并根据所述适应度函数值，利用粒子群算法对粒子的速度和位置进行更新；对粒子进行变异，并重新确定所述适应度函数值；循环上述所有步骤，直至满足预设次数；确定所述适应度函数值最大时的两髋关节中心参数；根据所述两髋关节中心参数，利用三次样条插值函数确定所述机器人踝关节和髋关节的运动轨迹。2.根据权利要求1所述的方法，其特征在于，所述确定适度函数值的步骤包括：根据零力矩点的类稳定裕度确定所述适应度函数值。3.根据权利要求2所述的方法，其特征在于，所述根据零力矩点的类稳定裕度确定所述适应度函数值的步骤包括：确定所述机器人运动的不同阶段时的目标函数和权重；根据所述机器人运动的不同阶段时的目标函数和权重确定所述适应度函数值。4.根据权利要求3所述的方法，其特征在于，所述机器人运动的不同阶段包括：双脚支撑左脚在前、左脚支撑、双脚支撑右脚在前和右脚支撑。5.根据权利要求4所述的方法，其特征在于，所述根据零力矩点的类稳定裕度确定所述适应度函数值的步骤中使用如下公式：双脚支撑左脚在前时的目标函数为：f1=Σi=n1n2(xZMP(i)-cx(i))2+(yZMP(i)-cy(i))2;]]>左脚支撑时的目标函数为：f2=λΣi=n2n3|xZMP(i)-cx(i)|+μΣi=n2n3|yZMP(i)-cy(i)|;]]>双脚支撑右脚在前时的目标函数为：f3=Σi=n3n4(xZMP(i)-cx(i))2+(yZMP(i)-cy(i))2;]]>右脚支撑时的目标函数为：f4=λΣi=n4n5|xZMP(i)-cx(i)|+μΣi=n4n5|yZMP(i)-cy(i)|;]]>适应度函数值为：f＝βf1+αf2+βf3+αf4；其中，f1、f2、f3、f4和f分别表示双脚支撑左脚在前时的目标函数、左脚支撑时的目标函数、双脚支撑右脚在前时的目标函数、右脚支撑时的目标函数和适应度函数值，n1、n2、n3、n4和n5分别表示所述机器人在步行时的五个时刻，i取值为n1、n2、n3、...

【专利技术属性】
技术研发人员：张颖，孙先涛，李晗，李楠，董芹鹏，
申请(专利权)人：航天科工智能机器人有限责任公司，
类型：发明
国别省市：北京;11