【技术实现步骤摘要】
本专利技术涉及四足机器人控制，具体涉及一种基于故障特征提取的脊柱四足机器人容错步态控制方法。
技术介绍
1、四足机器人在各种应用中发挥着重要作用，包括工业自动化、搜索与救援任务以及极端环境下的探测任务。它们之所以备受青睐，是因为它们具备卓越的机动性和足够的稳定性，能够在复杂的地形和环境中移动，执行多种任务。
2、然而，传统的四足机器人在面临电机失效、关节锁死或电机扭矩下降等故障情况时，容易失去平衡或无法继续执行任务，这些故障情况可能来自机械磨损、电子元件故障或不可预测的外部干扰。在传统的步态控制方法中，通常使用预先定义的开环控制策略，或者基于规则的反馈控制方法。这些方法的问题在于它们通常无法适应不同的故障情况或环境变化，因此需要一种更为灵活和自适应的控制策略。
3、本专利技术提供了一种基于故障特征提取的脊柱四足机器人容错步态控制方法，适用于具有多自由度脊柱关节的脊柱四足机器人，通过故障特征提取器和故障发生器结合深度强化学习算法对中枢模式控制器(cpg)进行训练优化，使机器人在故障情况下仍能保持稳定行走，并能够自适应调整步态以应对不同的故障情况。
技术实现思路
1、本专利技术为了解决现有技术中四足机器人无法自适应应对不同故障情况的问题，提出一种基于故障特征提取的脊柱四足机器人容错步态控制方法。
2、一种基于故障特征提取的脊柱四足机器人容错步态控制方法，包括了如下步骤:
3、步骤1：在仿真平台中搭建脊柱四足机器人整体模型，包括可控的脊柱关
4、步骤2：使用中枢模式发生器(cpg)生成周期性节律信号，用来规划四足机器人的步态，用于控制步骤1中的脊柱四足机器人运动；
5、步骤3：设计电机故障特征提取器。训练一个电机模型网络，可根据当前关节位置误差和关节速度预测脊柱四足机器人关节的扭矩输出，与机器人实际的关节扭矩值进行比较，偏差信号可指示出电机的故障特征；
6、步骤4：根据电机故障失效、关节锁死和电机扭矩不足故障情况，设计机器人的故障机制，融入机器人训练中以便脊柱四足机器人能够学到具有容错的策略；
7、步骤5：设计深度强化学习算法，构建演员网络和评论家网络，设计奖励函数，使用置信域策略优化算法(trpo)对策略网络进行更新策略；其中演员网络可包括步骤1中脊柱四足机器人的脊柱关节运动控制，评论家网络预估机器人当前状态可获得的奖励基值。
8、步骤6：训练脊柱四足机器人，直到策略收敛。由步骤2中的cpg生成四足机器人的基本步态，深度强化学习网络以脊柱四足机器人的传感器信息和步骤3中的故障特征信息作为输出，输出应对故障情况的关节信号增量，在仿真环境中根据步骤4中的故障机制对脊柱四足机器人进行训练。
9、进一步地，步骤1中包括以下步骤：
10、步骤1.1：构建脊柱四足机器人整体模型。根据脊柱四足机器人的结构特性(关节位置和数量)、各关节大小和质量、转动惯量和弹簧阻尼系数等属性建立脊柱四足机器人的躯体模型；脊柱四足机器人机身传感器有位于足端的力传感器、位于前后躯干的惯性和gps传感器和位于躯干头尾的测距传感器等。
11、步骤1.2：搭建地形环境模型。搭建平地、碎石地、凹凸地形和上下坡地形等单一地形，并组合拼接这几种地形丰富地形环境。
12、进一步地，步骤2中包括以下步骤：
13、步骤2.1：采用hopf振荡器搭建四足机器人的cpg控制器。hopf振荡器的数学模型可用于描述周期性的振荡行为，产生的周期性波形，可模拟机器人单腿的摆动和四足步态，协调四条腿的运动需要对四个cpg振荡单元进行相位变换，完整的cpg网络数学模型如下：
14、
15、ri2＝(xi-u1)2+(yi-u2)2
16、
17、
18、
19、θhi＝xi
20、
21、其中，xi和yi为振荡器的输出信号，α为振荡器收敛到极限环的速度，μ为振荡器的幅值，ωi为振荡器的频率，u1和u2为外部反馈，θij为振荡器i和振荡器j之间的相对相位差，ωst和ωsw分别为摆动相频率和支撑相频率，a决定了ωi在ωst和ωsw之间的变化速度，β为负载因子，为关节形式标志，ak和ah分别为髋、膝关节幅值，θhi和θki分别为髋、膝关节角度。
22、步骤2.2：设计和调整cpg控制器的参数。设计和调整cpg控制器的振荡频率、相位差和耦合强度等参数，可以实现脊柱四足机器人不同类型的步态，如步行、小跑、奔跑和跳跃等，以使机器人按照所需的步态行走。
23、进一步地，步骤3中包括以下步骤：
24、步骤3.1：收集数据集：收集脊柱四足机器人在现实中行走的关节信息数据集，其输入量为关节位置误差和关节速度，输出量为机器人关节电机扭矩值。进一步地，为了获得丰富的数据集，改变足端轨迹的幅度和频率，并在数据收集过程中手动干扰机器人。
25、步骤3.2：构建并训练电机模型网络：电机模型网络采用了多层感知器的结构，其中包括三个隐藏层，使用步骤3.1中收集到的数据集，划分为训练集和测试集。训练集用于训练电机模型网络，测试集用于评估模型的准确性。
26、步骤3.3：进行故障特征提取：由训练好的电机模型网络，输入关节位置误差和关节速度，可输出脊柱四足机器人关节扭矩的预测值。将预测扭矩输出与实际机器人关节扭矩值进行比较，偏差信号可指示出电机的故障特征，如电机故障失效、电机扭矩不足和电机扭矩过大等。故障特征提取的公式如下：
27、δτi＝τi'-τi
28、
29、式中i＝1,2…,12,13，为故障特征信号，threshold为故障阈值，δτi为脊柱四足机器人关节电机扭矩的偏差信号；τi'为电机模型网络的预测值，τi为电机的实际扭矩值。
30、进一步地，步骤4中包括以下步骤：
31、步骤4.1：设定故障机制。
32、脊柱四足机器人的这种故障机制设定如下：
33、jf＝u{1,2,…,12}
34、tf＝u(0.5,1.0)×tmax
35、
36、式中u表示集合，jf为正态分布采样得到的要锁定的关节号，tmax为每个回合最长的仿真时间，tf为发生锁定故障或扭矩不足故障的时间；为中心位置，θt为对称公差，θa表示机器人关节被锁定的范围；τmax为关机电机所能提供的最大力矩，τ为电机失效后所能提供的力矩。
37、容错策略包括了广义容错和狭义容错：广义容错指的是机器人能应对由于机械结构问题或者地形环境问题导致的关节卡住无法按规划好的步态行走的情况，机器人在步骤1.2搭建的地形环境中重复行走，通过试错学习到容错策略应对故障情况；狭义容错指的是机器人在由关节电机出现故障导致关节电机锁定、关节电机失效驱动力不足和关机位置突变的情况下仍然能稳定行走并完成任务，在每个机器人本文档来自技高网...
【技术保护点】
1.一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤1中搭建脊柱四足机器人模型和地形环境的具体步骤为：
3.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤2中采用Hopf振荡器搭建四足机器人的CPG控制器；CPG控制器的数学模型用于描述周期性的振荡行为，产生的周期性波形，调整其振荡频率、相位差参数，使脊柱四足机器人按照所需的步态行走。
4.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤3中设计故障特征提取器的具体步骤为：
5.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤4中设计脊柱四足机器人的故障机制的具体步骤为：
6.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤5中设计深度强化学习优化策略的具体步骤为：
...
【技术特征摘要】
1.一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤1中搭建脊柱四足机器人模型和地形环境的具体步骤为：
3.根据权利要求1所述的一种基于故障特征提取的脊柱四足机器人容错步态控制方法，其特征在于，步骤2中采用hopf振荡器搭建四足机器人的cpg控制器；cpg控制器的数学模型用于描述周期性的振荡行为，产生的周期性波形，调整其振荡频率、相位差参数，使脊柱四足机器人按照所需的步态行走。
4.根据权利要求...
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。