[發明專利]一種仿人機器人步態自學習控制方法

有效

• 申請號: 201611213367.7
• 申請日: 2016-12-26
• 公開（公告）號: CN108237531B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 楊亮
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種仿人機器人步態自學習控制方法，其特征在于所述自學習控制方法從能量效率、水平方向及垂直方向的穩定程度三方面分別制定性能評估指標，通過對機器人步態樣本的學習得到各關節角與零力矩點誤差之間的非線性關系，并根據實際的零力矩點誤差得到各關節角的矯正量,實現穩定步行。為提高樣本學習效果，根據步行樣本的能量效率裕度，水平方向穩定裕度、垂直方向穩定裕度等性能指標對每個學習樣本分配一個樣本優劣系數，在學習過程中樣本優劣系數越大的將給予更高的關注度，以提高控制性能。該方法充分考慮了機器人步態樣本質量對控制性能的影響，具有應用范圍廣、能量效率高的優點。

【技術領域】

本發明涉及仿人機器人控制技術領域。具體而言，是一種仿人機器人自學習控制方法

【背景技術】

仿人機器人是一個復雜的自由度多、結構復雜、耦合性強的非線性系統，其中步行穩定性問題是仿人機器人領域重要的基礎性問題。由仿人機器人步行穩定性理論可知，當機器人的零力矩點在支撐足底的穩定區域內時，機器人可實現穩定步行。但由于存在外力干擾、模型誤差等不確定因素的影響，在步行過程中機器人的零力矩點軌跡會偏離預定軌跡，如果不及時加以控制將會影響步行穩定性。傳統機器人的控制方法通常基于經典控制理論，通過單關節或雙關節的控制實現穩定步行，當機器人進入新環境，則原有控制算法通常需要進行較大的修改，才能達到預期的控制效果。此外，當機器人偏離預定軌跡時，僅通過單關節或雙關節的控制有時難以實現預期的控制目標。

【發明內容】

為解決上述問題，本發明提出了一種仿人機器人步態自學習控制方法。該技術方案從能耗、水平方向及垂直方向的穩定程度三方面分別制定性能評估指標，通過對機器人步態樣本的學習得到各關節角與零力矩點誤差之間的非線性關系，并根據機器人步行過程中的實際零力矩點誤差對各關節進行控制，實現穩定步行。

其整體控制框圖如圖1所示,其中，d_zmp表示規劃出的零力矩點軌跡、r_zmp表示實際的零力矩點軌跡，ΔZMP表示零力矩點誤差，q代表各關節角角度，Δq表示各關節角的矯正量,表示樣本優劣系數，的值越大表示越重要。

在上述方案中，所述的一種仿人機器人步態自學習控制方法首先從能耗、水平方向及垂直方向的穩定程度三方面對機器人步行質量進行評估，并設計了性能評估指標，分別是能量效率裕度J_ee，水平方向穩定裕度J_zmp、垂直方向穩定裕度J_yaw，其定義分別如下：

其中，p_zmp表示支撐腳的零力矩點，Ω_zmp表示零力矩點穩定區域，d_zx與d_zy分別表示實際零力矩點距離零力矩點穩定區域x方向及y方向邊緣的距離，d_cx與d_cy分別表示理想的零力矩點距離零力矩點穩定區域x方向及y方向邊緣的距離；M_z表示機器人步行過程中的實際偏擺力矩，表示最大摩擦力力矩；P_r表示機器人步行過程中的實際的功率，P_max表示機器人的最大額定功率。

在上述方案中，所述的自學習控制方法根據能量效率裕度J_ee，水平方向穩定裕度J_zmp、垂直方向穩定裕度J_yaw三個性能指標，對樣本的質量進行評估，并設計樣本優劣系數，樣本質量越好，樣本優劣系數越大。特別地，樣本優劣系數的取值范圍為[0,1]。

在上述的方案中，所述自學習控制方法采用單隱層神經網絡對機器人步態樣本進行學習，并得到各關節角與零力矩點誤差之間的非線性關系；該非線性函數表達式為：

Δq＝G(ΔZMP) (4)