【技术实现步骤摘要】
可跨越大障碍物的四足机器人爬行态规划方法及系统
[0001]本专利技术涉及四足机器人运动规划
,特别是涉及可跨越大障碍物的四足机器人爬行态规划方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
,并不必然构成现有技术。
[0003]腿足式机器人与轮式机器人、履带式机器人相比较,因其对于非结构地形的适应能力强、稳定性高等特点受到众多研究人员和研究机构的青睐。其中四足机器人相对双足或六足机器人而言,因其质量轻、稳定性强等优势成为腿足机器人典型代表。
[0004]四足机器人在攀爬崎岖地形时受制于腿长限制,很难实现超过其腿长60%障碍物的场景运动。在当前的机器人中,ANYmal机器人性能最高,可以借助视觉传感器攀爬21cm高的障碍物,达到其腿长的40%。HyQ可以攀爬通过15cm高的楼梯和台阶,达到其腿长的20%。LittleDog借助高分辨率地图和运动捕捉系统可以实现攀爬与其腿长相同高度的障碍物,但这种方法因需要提前扫描精确地形模型无法在真实场景中应用。
[0005]中国专利文献CN107065867A公开的《一种面向未知崎岖地形的四足机器人运动规划方法》,利用cart
‑
table ZMP模型实现机器人的在线轨迹规划,实现了四足机器人在崎岖地形的运动规划,但是针对于大障碍物的运动场景和控制方法未明确说明。
[0006]中国专利文献CN110842921A公开的《四足机器人大坡度地形或高障碍物攀爬跨越的步态规划方法》,利用归一化能量稳 ...
【技术保护点】
【技术特征摘要】
1.可跨越大障碍物的四足机器人爬行态规划方法,其特征是,包括:S101:设定四足机器人的基础数据;所述基础数据,包括:期望位置、期望速度以及期望步高;S102:基于基础数据,构建非线性轨迹优化器和摆动相轨迹规划器;所述非线性轨迹优化器,用于优化四足机器人重心的运动轨迹;所述摆动相轨迹规划器,用于规划四足机器人足端摆动轨迹;构建状态机,所述状态机,包括:四足机器人的预设步态时序;四足机器人的初始状态相为四足支撑相;S103:四足机器人开始运动,非线性轨迹优化器、摆动相轨迹规划器和状态机向运动控制器发出控制信号,运动控制器控制四足机器人运动;状态估计器采集四足机器人各个足的位置,根据四足机器人各个足的位置,估计出未知地形的坡度;状态估计器将采集数据和估计的坡度均分别发送给接触检测器和运动控制器;接触检测器估计出足端触地的概率,并将足端触地的概率发送给状态机;状态机根据足端触地的概率和设定的时间间隔,计算出下一状态相的步态时序;状态机将计算结果发送给非线性轨迹优化器和摆动相轨迹规划器;S104:重复步骤S103,四足机器人开始下一个状态相的运动,直至四足机器人跨越障碍物。2.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法,其特征是,所述状态机,包括:两种触发方式,其中一种是基于时间的触发方式,当达到设定时间间隔后,机器人启动下一个状态相;另外一种是基于事件的触发方式,当机器人的摆动足端触地后,机器人启动下一个状态相。3.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法,其特征是,基于基础数据,构建非线性轨迹优化器和摆动相轨迹规划器,其中,摆动相轨迹规划器,包括:足端向后抬起阶段,机器人足端向后撤并向上抬起,防止与障碍物突出部分发生碰撞;足端向前摆动阶段,机器人保持Z方向高度不变,根据设置的步长,足端水平向前运动,在Z方向上并与障碍物保持设定距离,防止因碰撞导致倾倒或者失稳;Z方向,是指与机器人重力方向相反的方向;足端垂直下落阶段,机器人X方向保持不变,Z方向高度逐渐降低直至与障碍物地面接触;当接触检测概率大于设定阈值时判定为触地,摆动相结束,腿部进入下一个周期循环;X方向是指机器人躯干的正前方。4.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法,其特征是,构建状态机,包括:S102
‑
c1:爬行运动过程中预定的迈步顺序为:四足支撑长调整阶段、左后腿摆动、四足支撑短调整阶段、左前腿摆动、四足支撑长调整阶段、右后腿摆动、四足支撑短调整阶段、右前腿摆动共八个状态,每个时刻至少三条腿处于支撑状态;在四足支撑阶段,根据构建的非线性轨迹优化器在线规划重心向支撑三角形稳定裕度最大的位置运动;在单腿摆动相状态,足端按照规划的摆动腿足端轨迹摆动;S102
‑
c2:设定最优落足策略:在摆动腿足端触地后,根据标准能量稳定裕度判据估计下个周期腿摆动时虚标准能量稳定裕度S
nesm
的大小;如果S
nesm
小于设定的最小稳定裕度值S
min
,则当下个时刻移动重心时躯干会发生倾倒,因此更改步态序列,仍将当前腿作为摆动
腿,重新进行落足,增大支撑多边形的稳定裕度,防止因误触地导致稳定区域减小发生躯干倾覆的情况;如果S
nesm
大于设定的最小稳定裕度值S
min
,则当下个时刻按照预定的步态序列继续移动重心和摆动腿;S102
‑
c3:下个步态周期恢复默认的落足序列,按照预定的步态序列移动机器人的躯干,利用S102
‑
c2的落足策略继续进行稳定裕度判断,防止机器人在运动过程中因碰撞障碍物,导致提前触地并缩小支撑多边形面积进而倾倒。5.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法,其特征是,四足机器人开始运动,非线性轨迹优化器、摆动相轨迹规划器和状态机向运动控制器发出控制信号,运动控制器控制四足机器人运动,包括:非线性轨迹优化器,向运动控制器发送在世界坐标系{W}下x、y、z方向优化后重心运动轨迹的期望位置、运动速度和加速度命令;摆动相轨迹规划器,向运动控制器发送在髋关节坐标系{H}下x、y、z方向优化后足端的期望位置、运动速度和加速度命令;状态机,向运动控制器发出各个腿的摆动序列、支撑相的相位时间与摆动相的相位时间;运动控制器控制四足机器人运动。6.如权利要求5所述的可跨越大障碍物的四足机器人爬行态规划方法,其特征是,运动控制器,包括:S103
‑
a1:根据规划的期望COG位置、姿态信息和状态估计器反馈的COG位置、姿态信息模拟弹簧阻尼模型,根据虚拟的刚度和阻尼计算出机器人需要的虚拟力和虚拟扭矩,利用虚拟弹簧原理来增加系统的柔顺性,减小足端冲击;虚拟弹簧原理来增加系统的柔顺性,减小足端冲击;其中,p
d
和θ
d
是躯干期望的COG位置和姿态角,p
f
和θ
f
是实际的躯干COG位置和姿态,K
p
、K
d
、K
p,θ
和K
d,θ
分别是比例增益和导数增益的正定对角矩阵;S103
‑
a2:构建虚拟模型的状态空间方程,由于系统不满秩,采用最小二乘法转化为最优化问题,利用二次规划优化库求解出最优的足底力,最优足底力满足摩擦锥约束;优化问题,利用二次规划优化库求解出最优的足底力,最优足底力满足摩擦锥约束;s.t.|f
x,i
|<μf
z,i
|f
y,i
|<μf
z,i
f
min
≤f
z,i
≤f
max
其中,F
i
=[f
x f
y f
z
]
T
表示第i条腿的最优接触力,G
b
为四足机器人的重力,I为单位矩阵,p
i
=[x
i y
i z
i
]
T
为支撑阶段足端在躯干坐标系中的位置向量,S和W是对角半正定矩阵的
权重,f
x,i
、f
y,i
、f
y,i
是足端在x、y、z方向的摩擦力,f
min
f
max
是最小摩擦力和最大摩擦力约束,μ是地面的摩擦系数;S103
‑
a3:根据计算出的最优足底力F
i
,通过腿部的雅克比矩阵J
b
根据求解出关节扭矩τ,将得到的关节扭矩发送到关节电机执行,实现四足机器人腿部运动的控制,完成躯干期望运动轨迹的跟踪。7.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法,其特征是,状态估计器采集四足机器人各个足的位置,根据四足机器人各个足的位置,估计出未知地形的坡度,具体包括:S103
‑
b1:由状态估计器得到当前四足或三足支撑相时足端位置,因此,估算出前两条腿的平均高度:z
front
=(z
LF
+z
RF
)/2;估算出后两腿的平...
【专利技术属性】
技术研发人员:荣学文,路广林,陈腾,张国腾,李贻斌,曹景轩,姜含,毕健,
申请(专利权)人:山东大学,
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。