一种液压四足机器人单腿刚性支撑相控制方法技术

本发明专利技术涉及一种液压四足机器人单腿刚性支撑相控制方法，针对液压四足机器人运动的稳定性问题，面向单腿刚性支承，以液压四足机器人单腿为研究对象，建立机器人单腿刚性支撑相的等效模型；利用神经网络和增量PID算法相结合的方式建立控制结构图，在AMESim中建立刚性支撑相力的系统图，并在Matlab中建立控制器的控制框图；利用AMESim和Matlab联合仿真，分析控制器设计的合理性和有效性，为后续的液压四足机器人研究提供依据。

【技术实现步骤摘要】
一种液压四足机器人单腿刚性支撑相控制方法所属
本专利技术涉及足式机器人控制
，尤其涉及一种液压四足机器人单腿刚性支撑相控制方法。
技术介绍
由于液压四足机器人具有很好的稳定性、更大的承载能力、运动更加的灵活、控制难度也相对较低、具有大负载能力、高动态性能、适应复杂环境能力强等特点，使得液压四足机器人在机器人领域得到广泛研究。在对其运动控制研究中，机器人的稳定性无疑是最重要的。在运动控制过程中保持机器人的稳定成为了研究的关键。
技术实现思路
一种液压四足机器人单腿刚性支撑相控制方法。液压四足机器人单腿刚性支撑相控制方法按照以下方法实现：步骤A、建立液压四足机器人单腿支撑相的等效模型：针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型，为机器人控制提供理论依据。设连杆受到刚性地面约束时作动器活塞杆初始位移为x20，单位时间内活塞杆位移和减振弹簧变形量分别为x21、ΔY，通过位移传感器可测得其值，弹簧经折算后的等效刚度为：在刚性支撑下，缸体产生运动，设缸体位移为xc，缸体受机架和自身重量的综合作用力为Fc。由于地面刚度很大，机器人足端在支撑相下与地面固结在一起。步骤B、设计腿部刚性支撑相控制器：机器人腿关节切换过程中，作动器采用力/位切换控制方法，针对关节在刚性支撑相的工况下，作动器采用力控制器，一般以增量PID算法为基础，其表达式为：u(k)＝u(k-1)+Δu(k)＝u(k-1)+Kpa+Kib+Kdc式中：Δu(k)为第k次采样控制器所需输出的电压增量；Kp、Ki、Kd分别为增量PID控制器的比例、积分、微分环节的系数。其中，a＝e(k)-e(k-1)，b＝e(k)，c＝e(k)-2e(k-1)+e(k-2)，e(k)为输入信号与反馈信号的偏差；本专利技术采用三层BP神经网络第一层为输入层，第二层为隐含层，第三层为输出层。网络的第一层的输入为：式中M由电液伺服系统的复杂程度决定；神经网络第二层的输入、输出为：式中，—第二层的权值系数；上角标1、2、3分别代表第一层、第二层、第三层。第二层神经元的活化函数采用正负对称的sigmoid函数神经网络第三层的输入输出为：第三层输出节点分别与PID的三个可调参数kp、ki、kd相对应。由于kp、ki、kd不能选取为负值，所以第三层神经元的活化函数采用非负的sigmoid函数：判断性能指标函数为根据梯度下降法修正网络的权值系数，即按照E(k)对加权系数的梯度反方向进行逐层调整。步骤C、建立控制框图：分别在AMESim和Matlab中建立单腿刚性支撑相的力控制框图和控制器控制框图，并进行联合仿真。专利技术效果：针对液压四足机器人运动的稳定性问题，面向单腿刚性支承，以液压四足机器人单腿为研究对象，建立机器人单腿刚性支撑相的等效模型；利用增量PID算法和神经网络算法相结合的方法设计单腿刚性支撑相的控制器，并对控制器进行仿真，证明控制器的有效性，是机器人更加稳定。附图说明图1是刚性支撑相等效模型；图2是神经网络PID控制结构图；图3是BP神经网络结构图；图4是刚性支撑相AMESim力系统图；图5是神经网络PID控制器；图6是髋关节力曲线；图7是膝关节力曲线。具体实施方式以下结合附图进一步说明本专利技术的具体实施方式。步骤A、建立液压四足机器人单腿支撑相的等效模型；本专利技术针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型，为机器人控制提供理论依据。刚性支撑相等效模型如图1所示。图1中，设连杆Ⅳ受到刚性地面约束时作动器活塞杆初始位移为x20，单位时间内活塞杆位移和减振弹簧变形量分别为x21、ΔY，通过位移传感器可测得其值；在刚性支撑下，缸体产生运动，设缸体位移为xc，缸体受机架和自身重量的综合作用力为Fc。由于地面刚度很大，机器人足端在支撑相下与地面固结在一起。步骤B、涉及腿部刚性支撑相控制器：增量PID算法通过计算实际输出信号与期望信号的偏差量来确定被控对象实际力所需增量，Kp、Ki、Kd分别控制伺服作动器的响应速度、稳定性和动态特性，适用于线性系统中。但对于机器人的关节控制，电液伺服作动器存在不确定性、复杂的非线性、滞后大等问题，难以保证系统的鲁棒性。而神经网络可以通过自学习系统很好的逼近任意非线性动态系统，弥补了PID算法的一些缺点。因此本专利技术采用神经网络和PID相结合的方法，通过神经网络自学习系统调整PID控制参数，从而控制电液伺服作动器的输出力以期达到足端接触地面所需支撑力。神经网络PID控制器根据足端接触刚性地面的运行状态，不断自学习来调整神经网络的权值系数，使神经网络输出值对应于某种最优化控制下的PID控制参数，以期达到作动器力跟踪的最优化。基于BP网络的PID控制结构图如图2所示。根据电液伺服作动器输出力的动态特性，设置实际输出力与期望输入力的偏差e、偏差量的变化量ec作为神经网络的输入层，通过经验公式选定输入层节点M和隐含层节点Q的数目,随机设定各层的权值系数的初值和通过对电液伺服系统的运行采集得到某时刻Fr(k)和FL(k)的值并计算得到该时刻的偏差e(k)＝Fr(k)-FL(k)；神经网络各层神经元通过自学习计算出最优化的加权系数，最优化后的神经网络输出层的输出即为PID控制器的三个可调参数Kp、Ki、Ki；根据式u(k)＝u(k-1)+Δu(k)＝u(k-1)+Kpa+Kib+Kdc即可得到PID控制器的控制量u(k)，实现PID控制参数的自适应调整。建立三层BP神经网络结构图，如图3所示。步骤C、建立控制框图：分别在AMESim和Matlab中建立单腿刚性支撑相的力控制框图和控制器控制框图，如图4和图5所示；以正弦信号为输入信号，分别在髋关节和膝关节进行仿真，得到输出信号，如图6和图7所示。图中实现为输入信号，虚线为输出信号。通过AMESim与MATLAB联合仿真，在正弦信号的激励下，髋关节力跟踪曲线幅值衰减小于4％，相位滞后4.6°，膝关节力跟踪曲线幅值衰减小于4％，相位滞后4.5°，可以得知髋关节和膝关节可以很好的跟踪力指令输入信号，同时充分说明了神经网络控制器的有效性。以上显示和描述了本专利技术的基本原理和主要特征。本专利技术不受上述实施例的限制，上述实施例和说明书描述的只是专利技术的原理，在不脱离本专利技术的精神和范围的前提下，本专利技术还会有各种变化和改进，这些专利技术和改进都属于要求保护的本专利技术范围内。本文档来自技高网...

【技术保护点】
1.一种液压四足机器人单腿刚性支撑相控制方法，其特征在于针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型；利用神经网络和增量PID算法相结合的方式建立控制结构图，在AMESim中建立刚性支撑相力的系统图，并在Matlab中建立控制器的控制框图；利用AMESim和Matlab联合仿真，分析证明控制器设计的合理性和有效性，为后续的液压四足机器人研究提供依据。

【技术特征摘要】
1.一种液压四足机器人单腿刚性支撑相控制方法，其特征在于针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象，根据单腿的机械结构，对其进行动力学和运动学分析，建立机器人单腿刚性支撑相的等效模型；利用神经网络和增量PID算法相结合的方式建立控制结构图，在AMESim中建立刚性支撑相力的系统图，并在Matlab中建立控制器的控制框图；利用AMESim和Matlab联合仿真，分析证明控制器设计的合理性和有效性，为后续的液压四足机器人研究提供依据。2.根据权利要求1的一种液压四足机器人单腿刚性支撑相控制方法，其特征在于针对液压四足机器人运动的稳定性问题进行研究，面向单腿刚性支承，以液压四足机器人单腿为研究对象；通过对机器人单腿进行运动学和动力学分析，建立单腿刚性支撑相的等效模型。3.根据权利要求1的一种液压四足机器人单腿刚性支撑相控制方法，...

【专利技术属性】
技术研发人员：邵俊鹏，张宇涵，孙桂涛，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23