[發明專利]一種仿人腿的膝踝剛度匹配方法

有效

• 申請號: 201710035918.3
• 申請日: 2017-01-18
• 公開（公告）號: CN106647334B
• 公開（公告）日: 2018-08-14
• 發明（設計）人: 朱秋國;吳偉男;吳俊;熊蓉
• 申請（專利權）人: 浙江大學
• 主分類號: G05B17/02
• 分類號: G05B17/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種仿人腿的膝踝剛度匹配方法，其特征在于，包括以下步驟：

(1)、單腿機器人仿真平臺搭建，包括以下子步驟：

(1.1)、在solidworks設計軟件中，將機器人的多個裝配體根據身體、大腿、小腿、腳板整合成四個裝配體，并將四個裝配體另存為可以導入到Adams軟件中的.xmt_txt文件格式，并計算出四個裝配體的質量和轉動慣量；

(1.2)、將solidworks中保存的.xmt_txt文件導入到Adams軟件中；在Adams軟件中，通過Modify功能，選擇user_input選項將solidworks中計算的裝配體的質量和轉動慣量添加進去；通過Jiont模塊對機器人各裝配體添加轉動約束；通過Force模塊對機器人各轉動副添加力矩驅動；并添加機器人各關節角度的測量變量和各關節力矩的輸入變量；再添加一個長方體剛體作為地面，地面與ground模塊通過固定副相連；在地面與腳板之間加入Contact碰撞力模塊；

(1.3)、通過Adams軟件的Control模塊，配置輸入輸出變量，將Adams模型輸出為Matlab可執行的.m文件；在Matlab中，通過adams_sys指令生成機器人的simulink模型，在Matlab的simulink模塊中添加機器人的各關節控制模塊，狀態機判斷模塊，完成單腿機器人仿真平臺的搭建；

(2)、選取單腿機器人仿真平臺的控制算法：機器人的足底力等于零時，機器人狀態定義為飛行相；機器人的足底力大于零時，機器人狀態定義為站立相；包括以下子步驟：

(2.1)、選取機器人的飛行相控制算法：機器人在飛行相主要任務是進行落腳點的控制，根據機器人的逆運動學算法反解出在機器人落腳點為零時各關節的位置；各關節控制關節位置，采用PD力矩控制算法：

式中：τ為關節控制力矩，K_p、K_d為PD力矩控制參數，q、分別為機器人關節的角度和角速度，q_d、分別為機器人關節的角度設定值和角速度設定值；

(2.2)、選取機器人的站立相控制算法：機器人在站立相的主要任務有兩個，分別為身體平衡控制和膝踝協調控制；

(2.2.1)、選取身體平衡控制算法

機器人在站立相，通過髖關節進行身體平衡控制，控制算法如下：

式中：τ_hip為髖關節控制力矩，Kp_hip，Kd_hip為PD力矩控制參數，q_body，分別為機器人身體偏離水平位置的角度和角速度，q_{body_d}，分別為機器人身體角度設定值和角速度設定值；

(2.2.2)、選取膝踝協調控制算法

膝踝關節的力矩模擬SEA的被動力矩：

τ＝KΔL；

式中：K為關節的SEA彈簧剛度，ΔL為SEA彈簧的壓縮量或拉伸量；

(3)、PSO算法優化膝踝彈簧剛度，包括以下步驟：

(3.1)、PSO算法前期設置：采用PSO算法在單腿機器人仿真平臺中優化膝踝關節的彈簧剛度；在Matlab的simulink模型中設計K_knee和K_ankle兩個系統變量，作為單腿機器人仿真平臺的輸入變量；K_knee為膝關節彈簧剛度，K_ankle為踝關節彈簧剛度；PSO算法粒子的位置和速度的定義為：P＝[K_knee,K_ankle]，V＝[V_knee,V_ankle]，V_knee,V_ankle分別為膝踝關節剛度粒子的變化率；

(3.2)、PSO算法單次實驗：在仿真平臺中，關節彈簧剛度K_knee和K_ankle作為系統輸入變量，每次實驗中，機器人落腳點為零，從距離地面高度(10-30cm)的初始位置自由下落；采用步驟2中選取的控制算法，完成一次跳躍后，記錄機器人各關節角度和角速度等運動學數據用于PSO算法的更新；

(3.3)、PSO算法的搜索流程：PSO算法的適應度函數為：

fit＝t_c/t_s，

式中：t_c為站立相膝踝關節處于角速度反向時間的總和，t_s為站立相總時間；

PSO算法的搜索流程如下：

(3.3.1)、根據粒子的初始范圍，隨機初始化粒子群；

(3.3.2)、遍歷粒子群，每個粒子進行一次跳躍實驗，根據實驗后的運動學數據，計算粒子的適應度；

(3.3.3)、判斷最優粒子是否收斂，實驗中收斂指標為fit＞90％；

如果未收斂，根據PSO算法更新公式：

V_i+1＝ω·V_i+c₁·rand()·(P_best-P_i)+c₂·rand()·(P_gbest-P_i)

P_i+1＝P_i+V_i+1

式中：V_i為當前粒子速度，V_i+1為更新后的粒子速度，ω為慣性權重，P_i為粒子當前位置，P_best為粒子當前最有位置，P_gbest為整個粒子群最優位置，rand()為介于(0，1)之間的隨機數，c₁、c₂是學習因子；

更新粒子群，重復3.3.2；

如果收斂，搜索結束；

(3.4)、選取PSO算法優化結果：根據搜索結果，最優粒子P＝[K_knee,K_ankle]會收斂多對最優解；即可以得到多組優化后的膝踝關節的彈簧剛度組合。