随着机器人技术的发展,服务型机器人越来越多地应用于人类的日常生活。机器人轨迹的生成一直是一个重要的研究领域,传统轨迹生成方法是需要进行精确的环境建模,然后通过样条函数等方法实现机器人的轨迹生成。这种方法在结构确定的环境中有较高的精度,但目前服务机器人多工作于动态变化的环境中。一旦任务需求和环境发生变化,传统方法无法适应性改变,需要重新建模,这显然不能满足机器人实时性控制的要求。如何提高轨迹生成的适应性是亟待解决的问题。人们希望机器人可以像人类一样从现有的示例中学习,从而产生具有适应性的动作行为。从这种思想出发,本文以机器人工作空间轨迹为研究对象,研究了多种轨迹学习和生成的方法,将现有机器人或人类运动示例轨迹作为输入,通过训练学习,保留轨迹特征,生成的轨迹能同时满足环境、任务及机器人自身的约束,实现多种适应性运动。本文的主要研究内容包括以下方面: (1)提出了基于自学习CPG(Self-learning Central Pattern Generator,SL-CPG)模型的机器人轨迹学习和生成方法。从基本原理上分析了自学习CPG模型的建模过程,通过引入Kumamoto项,来保持模型内和模型间的相位同步关系。为了方便反馈信息的接入,本文在基本模型中加入反馈调节项,使得自学习CPG模型可以根据反馈信息动态调节轨迹的输出。本文采用轨迹联合的学习策略解决了自学习CPG模型在直线轨迹学习误差较大的问题。通过数值仿真分析模型的参数特性,验证了本方法的可行性和鲁棒性。 (2)提出了基于动态运动基元(Dynamical Movement Primitives,DMP)的机器人轨迹学习和生成方法。基本DMP模型无法对轨迹终点的速度进行控制,而实际应用中往往要求轨迹以某个速度通过终点。通过理论分析和数值仿真,本文对DMP模型进行了改进,采用收敛于目标点的多项式的线性组合替代原模型目标点。改进后的DMP模型学习后生成的轨迹的终点的位置和速度均为可控的,本文将改进后的DMP模型用于NAO机器人的踢球动作生成,取得了良好的效果。 (3)设计了分别基于自学习CPG模型和DMP模型的仿人机器人自适应行走控制系统。仿人机器人是一个具有非线性、高自由度等特性的对象,仿人机器人的行走控制中的轨迹规划一直以来都是这个领域中最具复杂性和挑战性的研究。与传统CPG关节空间法不同,本文对机器人工作空间的轨迹进行学习和生成。从生物仿生的角度出发,模拟人类的前庭反射机理,通过身体姿态获得反馈信息,生成适应性轨迹来调整姿态和迈步,实现仿人机器人的适应性行走。本文分别设计仿真和实体实验,验证了轨迹生成方法和自适应行走控制系统的有效性和适应性。 (4)提出了基于广义典型时间规整的示例轨迹特征模板的提取和轨迹生成方法。本文采用线性规整的方法,对示例轨迹进行动态时间规整,并将此方法泛化至多条轨迹,进而获取同时多条不同幅值和时间长度的示例轨迹的共同特征模板。基于轨迹模板,结合任务约束,时间空间约束以及环境约束,构造并优化目标函数生成期望的目标轨迹,当任务和环境发生变化时,不需要重新建模设计。通过对典型轨迹的模板提取和机器人轨迹生成实验,证明了本方法可以适应于多种复杂轨迹和动态任务变化。
动态性、适应性、稳定性是四足机器人研究的重难点,现有的控制方法中,基于模型的控制方法需要对自身和环境进行精确的建模,工作量大,运动规划复杂,降低了控制的实时性。而基于行为的方法,没有高层的调节,同时也无法进行全局规划,灵活性较差,有一定的局限性。基于生物的CPG控制可以在缺乏高层调节和传感信息的情况下,自发产生稳定的节律信号,控制生物实现基本的节律运动,结构简单,适应性较强,同时不需要对环境和自身进行建模,减少了工作量,节约时间,被广泛地应用于足式机器人的运动控制中。但是,机器人的CPG控制在协调性、适应性等方面有所欠缺,不能很好地模拟生物的特性。本文基于生物学的角度,对CPG输出和关节驱动的映射展开研究,建立了二者的映射函数,构建了引入反射协调的多层CPG网络四足机器人运动控制系统。首先,通过对CPG控制和生物特性的深入研究,分析了四足动物行走步态下的运动特性和各关节运动轨迹,总结出关节间的运动规律。基于动物的反射机制,通过在多层CPG网络中引入牵张反射、姿势反射、对侧伸肌反射,对CPG输出进行调节。构建了四足机器人髋关节、膝关节、踝关节的CPG输出和关节驱动的映射函数,使多层CPG网络模型更符合生物特性。其次,对多层CPG神经网络模型结构进行研究,确立并构建了引入反射协调的多层CPG神经网络,包括:节律发生层、模式发生层、运动神经元层、反射协调层。利用改进后Van der Pol振子模型对各层网络进行建模,对模型中的参数进行分析,并通过仿真实验对基于多层CPG四足机器人运动控制的可行性进行验证。最后,在仿真平台和实体实验平台上,分别对四足机器人肢体间、关节间的协调运动以及四足机器人的原地踏步和行走步态进行实验。实验结果验证了引入了反射协调的多层CPG神经网络应用于四足机器人稳定行走的可行性和协调性。
足式机器人作为动力学系统,具有非线性、结构多变的特点。目前采用的控制方法中,基于模型的方法依赖于对本体和所处环境的精确建模,测量和计算的工作量较大,控制的实时性较差。而基于行为的方法由于全局规划系统和上层调控的缺失,系统的智能化水平较低,灵活性较差。生物CPG以其简单的结构形式、良好的内在耦合机制及一定的环境自适应性得到了研究人员的重视,正逐渐被用于控制各种形式的机器人。但机器人CPG运动控制系统在快速性、协调性及适应性等方面仍有所欠缺,与生物CPG的控制效果仍存在较大的差距。本文以提高CPG运动控制的快速性、协调性及适应性为目标,建立了多层CPG神经网络的数学模型,并融入基于生物反射建立的反射机制,实现了双足机器人于简单结构地面上的步行运动控制。首先,以人体步行时的关节运动轨迹为基础,提炼了关节间的耦合规则,确立了CPG网络输出信号的耦合形式,为CPG网络的输出目标提供了依据。在此基础上,利用改进的Van der Pol振子所建立的单神经元模型,运用收缩理论构建了包含有节律发生层、模式发生层和运动神经元层的分层链状CPG网络。通过耦合规则的调用改变CPG网络的耦合形式,输出适于当前环境的节律运动模式,实现了控制的快速性,并通过仿真实验对其模式输出的稳定性及运动协调性进行了验证。其次,对动物的三层反射模型进行了研究,给出了多层CPG运动控制系统的分层反射机制,并将欲建立的机器人反射机制根据其作用层次进行了划分。在此基础上,按照反射对机器人行走的必要性顺序,借鉴人体步行时的反射策略,对应建立了双足机器人的反射模型。通过相位调整和姿势反射等反射机制对多层CPG网络的输出信号予以调控,实现了控制系统、机器人及环境三者间的动态交互,增强了机器人节律运动的稳定性及环境适应性,并以仿真实验分别对各反射机制的有效性进行了验证。最后,利用ADAMS和MATLAB进行联合仿真,在融入了牵张反射及对侧伸肌反射机制后,分别对双足机器人受瞬间冲击、周期性冲击、坡面地形及阶梯地形等四种情况下的步行运动进行了仿真实验。实验结果验证了融合分层反射机制的多层CPG神经网络应用于双足机器人节律步态生成的可行性及有效性。
暂无评论