一种基于自适应模糊虚拟模型的机器人控制方法及装置制造方法及图纸

本发明专利技术公开了一种基于自适应模糊虚拟模型的机器人控制方法及装置，包括：自适应模糊虚拟模型控制器接收机器人的足端实际轨迹，并基于足端期望轨迹和实际轨迹误差e以及足端期望速度和实际速度误差构建虚拟模型；自适应模糊虚拟模型控制器对虚拟模型的参数进行模糊调节和优化；自适应模糊虚拟模型控制器生成控制信息，并发送控制信息至机器人，对机器人的足端轨迹进行控制。本发明专利技术与传统的VMC相比，具有更好的足端轨迹跟踪效果，提升了四足机器人的稳定性与抗扰性。机器人的稳定性与抗扰性。机器人的稳定性与抗扰性。

【技术实现步骤摘要】
一种基于自适应模糊虚拟模型的机器人控制方法及装置


[0001]本专利技术涉及机器人控制技术，特别是涉及一种基于自适应模糊虚拟模型的机器人控制方法及装置。

技术介绍

[0002]腿足式机器人能够在非结构式环境中具有较好的灵活性与适应性。在足式机器人的领域中，双足机器人的稳定性欠佳，六足及以上又缺乏四足机器人的灵活性，因此，四足机器人已然成为新兴的研究热点。
[0003]四足机器人是MIMO的非线性动力学系统，迄今为止，四足机器人常用的控制方式有3种，中枢神经控制、虚拟模型控制和零力矩点控制法。基于零力矩点(Zero Moment Point，ZMP)的控制方式能够实现稳定的步行，在抗干扰方面也有优势，但是由于其需要实时考察其质心位置，并将关节轨迹通过逆运动学求解出，所需计算量较为巨大，甚至有些步态无法满足ZMP的要求；生物控制方法，相比于广泛存在的基于模型和基于行为的控制方法，不需要进行复杂的数学计算和分析，方法相对简单，但是要想用于实际的工程中，需要结合生物运动资料或者优化算法来确定控制的参数。而且在复杂地形中，机器人会受到来自环境的较大扰动，野外的地形往往不平整，因此很大程度上中枢模式发生器(Central Pattern Generator，CPG)算法将不再适用。
[0004]虚拟模型控制(Virtual Model Control，VMC)方法综合考虑机器人躯体位置、速度及姿态的控制，通过参数可调，对位置与姿态进行综合跟踪，无需对逆运动学进行求解，控制效率高。麻省理工大学研制的Cheetah3与Mini Cheetah采用虚拟模型控制与模型预测控制相结合的方式估计出足端触地的虚拟力，并完成了跳跃，后空翻等动作。张国腾等在四足机器人上融合了虚拟模型控制，并得到了较好的控制效果。但是现有的虚拟模型控制并没有实现参数的跟随变化。

技术实现思路

[0005]专利技术目的：本专利技术的一个目的是提供一种基于自适应模糊虚拟模型的机器人控制方法，以实现机器人对于其足端轨迹更好的跟踪效果，提高其稳定性与鲁棒性。
[0006]本专利技术的另一个目的是提供一种基于自适应模糊虚拟模型的机器人控制装置。
[0007]技术方案：本专利技术的一种基于自适应模糊虚拟模型的机器人控制方法，包括：
[0008]自适应模糊虚拟模型控制器接收机器人的足端实际轨迹，并基于足端期望轨迹和实际轨迹误差e以及足端期望速度和实际速度误差构建虚拟模型；
[0009]自适应模糊虚拟模型控制器对虚拟模型的参数进行模糊调节和优化；
[0010]自适应模糊虚拟模型控制器生成控制信息，并发送控制信息至机器人，对机器人的足端轨迹进行控制。
[0011]进一步的，自适应模糊虚拟模型控制器对虚拟模型的参数进行模糊调节和优化，包括：
[0012]自适应模糊虚拟模型控制器基于模糊控制器将足端期望轨迹和实际轨迹的误差及误差微分进行模糊调节和优化，生成虚拟模型的参数调整值；
[0013]模糊控制器输出的虚拟模型的参数调整值输入给虚拟模型，用于调节和优化虚拟模型的参数，其中，虚拟模型的参数包括虚拟模型的弹性系数与阻尼系数。
[0014]更进一步的，模糊调节和优化后的虚拟模型的参数为：
[0015][0016]其中，K
p0
、K
d0
分别是虚拟模型的弹性系数与阻尼系数；
△
K
p
、
△
K
d
分别是弹性系数与阻尼系数的调整值；K
p
、K
d
分别是模糊调节和优化后的虚拟模型的弹性系数与阻尼系数。
[0017]更进一步的，模糊控制方法包括：
[0018]模糊控制输入量为：足端期望轨迹和实际轨迹的误差e，误差微分ec；
[0019]模糊控制输出量为：虚拟模型的弹性系数调整值
△
K
p
、虚拟模型的阻尼系数调整值
△
K
d
；
[0020]模糊控制输入量和输出量的论域等级均为：
[0021]e,ec,
△
K
p
,
△
K
d
＝{
‑
3,
‑
2,
‑
1,0,1,2,3}
ꢀꢀꢀ
(2)；
[0022]模糊控制输入量和输出量的模糊子集描述为：
[0023]e,ec,
△
K
p
△
K
d
＝{NB,NM,NS,Z0,PM,PS,PB}
ꢀꢀꢀ
(3)；
[0024]其中，NB、NM、NS、Z0、PM、PS和PB分别代表的是：负大、负中、负小、零、正小、正中和正大；
[0025]建立模糊控制输入量和输出量的模糊规则表，并进行模糊推理和解模糊计算，输出虚拟模型的弹性系数调整值
△
K
p
和阻尼系数调整值
△
K
d
。
[0026]进一步的，自适应模糊虚拟模型控制器生成控制信息，并发送控制信息至机器人，对机器人的足端轨迹进行控制，包括：
[0027]自适应模糊虚拟模型控制器基于虚拟模型，生成机器人足端虚拟力，并将足端虚拟力映射到腿部各关节力矩；
[0028]自适应模糊虚拟模型控制器基于腿部各关节力矩，驱动机器人运动，控制机器人足端轨迹跟踪足端期望轨迹。
[0029]更进一步的，机器人的足端轨迹为足端位置，速度为足端位置的导数，足端虚拟力的计算公式为：
[0030][0031]其中，f为足端虚拟力，K
p
、K
d
分别为模糊调节和优化后的虚拟模型的弹性系数和阻尼系数，X
d
和分别为足端的期望位置和速度，X与分别为足端的实际位置和速度；
[0032]当弹性系数为0时，自适应模糊虚拟模型控制器控制机器人追踪期望的速度；
[0033]当同时启用弹性系数与阻尼系数时，自适应模糊虚拟模型控制器控制机器人追踪期望的轨迹。
[0034]更进一步的，腿部各关节的关节力矩与虚拟力之间的关系为：
[0035]当腿处于摆动状态时：
[0036]τ＝J
T
f
ꢀꢀꢀ
(5)；
[0037]其中，τ为机器人腿部各关节的关节力矩组成的列向量，J为机器人腿部雅克比矩阵，f为足端虚拟力；
[0038]当腿处于支撑状态时：
[0039]τ＝J
T
R
T
f
ꢀꢀꢀ
(6)；
[0040]其中，R是由世界坐标系转换为机体坐标系的旋转矩阵。
[0041]本专利技术的另一实施例中，一种基于自适应模糊虚拟模型的机器人控制装置，包括：
[0042]信息采集模块，用于采集机器人足端实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应模糊虚拟模型的机器人控制方法，其特征在于，包括：自适应模糊虚拟模型控制器接收机器人的足端实际轨迹，并基于足端期望轨迹和实际轨迹误差e以及足端期望速度和实际速度误差构建虚拟模型；自适应模糊虚拟模型控制器对虚拟模型的参数进行模糊调节和优化；自适应模糊虚拟模型控制器生成控制信息，并发送控制信息至机器人，对机器人的足端轨迹进行控制。2.根据权利要求1所述的一种基于自适应模糊虚拟模型的机器人控制方法，其特征在于，自适应模糊虚拟模型控制器对虚拟模型的参数进行模糊调节和优化，包括：自适应模糊虚拟模型控制器基于模糊控制器将足端期望轨迹和实际轨迹的误差及误差微分进行模糊调节和优化，生成虚拟模型的参数调整值；模糊控制器输出的虚拟模型的参数调整值输入给虚拟模型，用于调节和优化虚拟模型的参数，其中，虚拟模型的参数包括虚拟模型的弹性系数与阻尼系数。3.根据权利要求2所述的一种基于自适应模糊虚拟模型的机器人控制方法，其特征在于，模糊调节和优化后的虚拟模型的参数为：其中，K
p0
、K
d0
分别是虚拟模型的弹性系数与阻尼系数；
△
K
p
、
△
K
d
分别是弹性系数与阻尼系数的调整值；K
p
、K
d
分别是模糊调节和优化后的虚拟模型的弹性系数与阻尼系数。4.根据权利要求2所述的一种基于自适应模糊虚拟模型的机器人控制方法，其特征在于，模糊控制方法包括：模糊控制输入量为：足端期望轨迹和实际轨迹的误差e，误差微分ec；模糊控制输出量为：虚拟模型的弹性系数调整值
△
K
p
、虚拟模型的阻尼系数调整值
△
K
d
；模糊控制输入量和输出量的论域等级均为：e,ec,
△
K
p
,
△
K
d
＝{
‑
3,
‑
2,
‑
1,0,1,2,3}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)；模糊控制输入量和输出量的模糊子集描述为：e,ec,
△
K
p
△
K
d
＝{NB,NM,NS,Z0,PM,PS,PB}
ꢀꢀꢀꢀꢀ
(3)；其中，NB、NM、NS、Z0、PM、PS和PB分别代表的是：负大、负中、负小、零、正小、正中和正大；建立模糊控制输入量和输出量的模糊规则表，并进行模糊推理和解模糊计算，输出虚拟模型的弹性...

【专利技术属性】
技术研发人员：眭耀宇，杨忠，游雨龙，许昌亮，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：