【技术实现步骤摘要】
一种分层驱动的自主无人系统类人控制架构
[0001]本专利技术属于机器人运动控制
，具体涉及一种分层驱动的自主无人系统类人控制架构。
技术介绍
[0002]自主无人系统的控制系统基于类人控制机理可以解构为由“大脑层”、“中枢层”和“末梢层”构建的分层驱动控制系统，其中“大脑层”完成对环境态势的深度感知并产生相应的粗粒度轨迹指令给“中枢层”；“中枢层”在上述粗粒度轨迹指令的驱动下通过直觉控制和虚拟模型控制方法产生相应的细粒度行为动作；最终，“末梢层”通过控制伺服执行机构实现对上述细粒度行为动作执行与虚拟控制量跟踪闭环，从而实现对整个自主无人系统由“粗到细”的控制。
[0003]对于传统自主无人平台系统的控制框架设计来说，往往将其看为一个整体系统来进行设计，整个设计工作是十分复杂的，本专利技术采用类人控制机理通过分层驱动的方法来解耦和降维其控制系统设计流程，实现模块化、通用化设计的目的。本专利技术首先通过“大脑层”产生粗粒度的轨迹指令或位姿控制命令，其包括了平台系统本体的质心位置、速度和姿态粗粒度指令；“中枢层”在接收上述粗粒度指令后，结合无人平台被控模型结合虚拟直觉控制产生细粒度运动行为，其通过虚拟力和虚拟扭矩完成对粗粒度指令的反馈跟踪，并将该虚拟控制量向物理执行单元分配产生其细粒度的控制量；最终，“末梢层”驱动物理执行器单元产生作动指令，本专利技术采用多通混合控制方法实现对驱动命令的输出。最终，将复杂的无人平台整体控制简化为分层驱动控制。
技术实现思路
[0004](一)要解决的技术问题...
【技术保护点】
【技术特征摘要】
1.一种分层驱动的自主无人系统类人控制架构，其特征在于，所述控制架构应用于四足机器人无人装备控制系统，其基于类人控制基本原理以分层驱动的形式来进行设计；基于类人控制基本原理，所述控制架构对人体的行走控制模块，划分为“大脑层”、“中枢层”和“末梢层”三个模块；所述控制架构的设计过程包括如下环节：步骤1：依据控制指令粒度级别、模型演化能力与仿生功能归属，对无人装备控制系统的各部分行走控制模块的功能进行划分；包括：步骤11：对“大脑层”功能进行划分，包括：感知建图、全局定位导航、任务理解、任务规划；步骤12：对“中枢层”功能进行划分，包括：虚拟刚体稳定控制、肢体控制、本体状态估计；步骤13：对“末梢层”功能进行划分，包括：伺服驱动控制、力反馈状态估计；步骤2：在完成步骤1的无人装备控制系统的各部分行走控制模块的功能划分之后，对“大脑层”进行设计，其对环境进行感知，进行环境模型建模，通过全局定位导航算法，实现自身定位，输出机器人的全局定位信息；对外部任务指令进行任务理解，形成任务规划，最终输出局部高程地图、任务规划的粗粒度行为指令、粗粒度运动轨迹、粗粒度姿态指令给“中枢层”；步骤3：“中枢层”完成机器人自身的稳定平衡与运动控制，协调肢体控制行为和本体状态估计；“中枢层”输入为“大脑层”输出的全局定位信息、局部高程地图、粗粒度运动轨迹、粗粒度姿态指令以及粗粒度行为指令，另外还输入了“末梢层”的力觉感知信息；“中枢层”以全局定位信息和力觉感知信息作为反馈信息，基于虚拟模型控制方法，即VMC控制方法，实现对期望的运动轨迹进行跟踪，完成对粗粒度行为指令的执行，解算细粒度控制本体所需的虚拟力和扭矩指令，进一步通过静力学最优分配方法求解对应支撑点的支撑力，输出至“末梢层”；同时，“中枢层”依据粗粒度行为指令完成对肢体的位置、姿态与轨迹规划，输出细粒度控制肢体所需的关节角度x
d
、速度和加速度指令步骤4：“中枢层”输出的细粒度支撑点对应的支撑力，以及控制肢体所需的关节角度x
d
、速度和加速度指令一并输入至“末梢层”；“末梢层”通过阻抗控制、模型辨识与扰动估计方法产生对应的扭矩指令，并输出给执行器。2.如权利要求1所述的分层驱动的自主无人系统类人控制架构，其特征在于，所述步骤11中，借鉴人体的大脑层功能，所述“大脑层”用于对环境进行感知，进行环境模型建模，通过全局定位导航算法，实现自身定位，输出机器人的全局定位信息；并对外部任务指令进行任务理解，形成任务规划，最终输出局部高程地图、任务规划的粗粒度行为指令给“中枢层”；由此，对“大脑层”功能进行划分，包括：感知建图、全局定位导航、任务理解、任务规划；所述步骤11中，“大脑层”的输入包括视觉、雷达、定位以及外部任务指令信息，通过SLAM算法、测距算法建立环境模型，输出局部高程地图；通过包括组合导航、局部视觉导航在内的全局定位导航算法实现自身定位，输出机器人的全局定位信息；对外部任务指令进行任务理解，然后通过模糊决策、强化学习、语义分析算法实现任务规划，输出粗粒度运动轨迹、粗粒度姿态指令以及粗粒度行为指令。
3.如权利要求2所述的分层驱动的自主无人系统类人控制架构，其特征在于，所述步骤12中，对“中枢层”功能进行划分；借鉴人体的中枢层功能，所述“中枢层”用于完成机器人自身的稳定平衡与运动控制，协调肢体控制行为和本体状态估计；“中枢层”输入为“大脑层”输出的全局定位信息、局部高程地图、粗粒度运动轨迹、粗粒度姿态指令以及粗粒度行为指令，另外还输入了“末梢层”的力觉感知信息；“中枢层”以全局定位信息和力觉感知信息作为反馈信息，基于虚拟模型控制方法，实现对粗粒度运动轨迹进行跟踪，完成对粗粒度行为指令的执行，解算细粒度控制本体所需的虚拟力和扭矩指令，进一步通过静力学最优分配方法求解对应支撑点的支撑力，输出至“末梢层”；同时，“中枢层”依据粗粒度行为指令完成对肢体的位置、姿态与轨迹规划，输出细粒度控制肢体所需的关节角度、速度和加速度指令；由此，对“中枢层”功能进行划分，包括：虚拟刚体稳定控制、肢体控制、本体状态估计。4.如权利要求3所述的分层驱动的自主无人系统类人控制架构，其特征在于，所述步骤13中，对“末梢层”功能进行划分；借鉴人体的末梢层功能，所述“末梢层”用于完成外部环境的应激反射，通过神经脉冲与神经刺激实现对肌肉的张紧控制，另一方面通过骨骼与肌肉的反馈实现对外部环境的力觉感知，因此“末梢层”的输入为“中枢层”输出的细粒度支撑点对应的支撑力，以及控制肢体所需的关节角度、速度和加速度指令；所述“末梢层”通过阻抗控制、模型辨识与扰动估计方法产生对应的扭矩指令，并输出给执行器；同时，“末梢层”采集执行器反馈的位置、速度和扭矩信息，通过力反馈估计、负载扰动估计方法实现力觉感知，生成力觉感知信息并反馈至“中枢层”；由此，对“末梢层”功能进行划分，包括：伺服驱动控制、力反馈状态估计。5.如权利要求4所述的分层驱动的自主无人系统类人控制架构，其特征在于，所述步骤2的具体步骤如下：步骤21：对包括视觉、雷达在内的感知传感器的数据进行采集，通过SLAM算法、测距算法建立环境模型，输出局部高程地图；通过包括组合导航、局部视觉导航在内的全局定位导航算法实现自身定位，输出机器人的全局定位信息；步骤22：通过模糊决策、强化学习、语义分析算法实现任务理解，产生粗粒度行为指令输出至“中枢层”；步骤23：基于机器人全局定位信息和任务理解结果完成对粗粒度运动轨迹的规划；步骤24：规划粗粒度姿态指令，输出至“中枢层”。6.如权利要求5所述的分层驱动的自主无人系统类人控制架构，其特征在于，所述步骤23具体包括：步骤231：依靠初始化轨迹规划算法完成对轨迹位置约束的设定，设当前全局定位结果为其为轨迹起始位置，依据任务理解规划轨迹末端位置为设为轨迹中点，则轨迹位置约束[P
st
,P
mid
,P
end
]如下：步骤232：参考步骤231的方法，完成对轨迹速度约束的设定，设当前全局定位速度为
v
cog
，其为轨迹起始点速度约束，依据任务理解规划轨迹末端期望速度为v
cog，d
，设定其为轨迹的末端速度，轨迹中点的速度仅保证其连续，则轨迹速度约束[v
st
,v
mid
,v
end
]如下：步骤233：构建轨迹优化求解等式，设待优化轨迹参数为X＝[p0,p1,
…
,p
n
]
T
，基于步骤231～步骤232的约束可以得到如下的等式：其中，t0为轨迹起始时间，t1为轨迹中点时间，t2为轨迹末端时间，n为轨迹多项式的阶次，P
st
为轨迹起点位置，P
mid
为轨迹中点位置，P
end
为轨迹末端位置，v
st
为轨迹起始速度，v
end
为轨迹末端速度；步骤234：设计轨迹优化的代价函数，采用轨迹的总体加速度变化率jerk作为最小化目标：其中，j(t)表示加速度变化率jerk随时间变换的函数，T表示该段轨迹的时...
【专利技术属性】
技术研发人员：苏波，江磊，邢伯阳，刘宇飞，王志瑞，梁振杰，赵建新，邱天奇，许鹏，田翀，许威，党睿娜，
申请(专利权)人：中国北方车辆研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。