[發(fā)明專利]一種仿人機器人步態(tài)平衡模型建立的方法

在審

• 申請?zhí)枺?/td>: 201910176217.0
• 申請日: 2019-03-08
• 公開（公告）號: CN109968355A
• 公開（公告）日: 2019-07-05
• 發(fā)明（設計）人: 于建均;李晨;左國玉;王洋;阮曉鋼;李緒晨
• 申請（專利權(quán)）人: 北京工業(yè)大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京思海天達知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

1.一種仿人機器人步態(tài)平衡模型建立的方法，其特征在于，具體步驟如下:

(1)利用體感攝影機Kinect2.0采集人體在平地中完成穩(wěn)定步行動作中的25個骨骼點的空間位置軌跡，即Kinect坐標系中的x，y，z，并使用空間向量法求取各個關節(jié)的角度并使用平滑濾波的方法降低誤差，提取支撐腳底部關節(jié)點作為人體示教的ZMP軌跡；

(2)基于支持向量回歸算法構(gòu)建仿人機器人步態(tài)平衡泛化模型，輸入步驟(1)中得到的人體步行關節(jié)角度即仿人機器人所需的19個自由度以及ZMP信息，得到經(jīng)穩(wěn)定性補償?shù)年P節(jié)角度；

(3)使用步態(tài)模仿算法進行補償角度的計算作為訓練集和測試集，使用WOA對模型進行參數(shù)尋優(yōu)，得到使模型有最佳泛化效果的參數(shù)，并對其進行訓練和測試，使其得到使機器人穩(wěn)定步行的關節(jié)角度序列。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：以人體示教的關節(jié)角度和人體步行的ZMP信息作為步態(tài)平衡模型的輸入；首先，人體示教的關節(jié)角度是機器人模仿人體動作的基礎；其次，以平衡補償后的關節(jié)角度即機器人驅(qū)動角度作為輸出；在穩(wěn)定的基礎上省去穩(wěn)定性補償角的復雜計算，完成仿人機器人的步行控制；對模型輸入人體的關節(jié)角度和人體在步行運動時的ZMP信息，由SVR非線性回歸模型代替人體示教信息和穩(wěn)定性后的關節(jié)角度之間的函數(shù)關系直接泛化出經(jīng)補償?shù)年P節(jié)角度。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：基于支持向量回歸算法構(gòu)建仿人機器人步態(tài)平衡模型，使用引入不敏感損失函數(shù)ε，懲罰系數(shù)C以及松弛變量ξ_i、后得到ε-SVR非線性回歸模型，在防止過擬合現(xiàn)象發(fā)生的同時降低均方誤差的上限；使用RBF核函數(shù)將非線性的數(shù)據(jù)映射到高位空間中，通過線性回歸簡化運算的同時處理非線性的步行動作數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：在SVR非線性回歸模型中，采用鯨魚優(yōu)化算法(WOA)：首先，確定三個參數(shù)的尋優(yōu)范圍分別為p：(0.005,0.3)，C：(0.05,3),ε:(1,4)，構(gòu)成WOA的尋優(yōu)空間；構(gòu)建WOA的適應性函數(shù)；針對ε-SVR算法的訓練參數(shù)的優(yōu)化問題，選擇MSE函數(shù)作為適應性函數(shù)，使用WOA迭代尋優(yōu)，在尋優(yōu)空間內(nèi)確定一組C,p，ε，使訓練的MSE值最小。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于：具體實現(xiàn)過程如下：

(1)使用Kinect2.0采集人體在平地中完成穩(wěn)定步行動作的25個關節(jié)的空間位置序列，并使用空間向量法求取各個關節(jié)的角度，共進行全身19個自由度的關節(jié)角度計算；

(2)將示教行走時支撐腳骨骼點的三維坐標作為人體示教的x向，y向，z向零力矩點ZMP信息；

(3)給定樣本

D＝{(x₁，y₁)，(x₂，y₂)…，(x_i，y_i)，i＝1，2...，l}

其中，x是n維輸入值，y是一維輸出值，x_i，y_i表示第i個樣本，l為樣本數(shù)量其原理如式(1)所示：

式中ω為超平面法向量，b為位移項，為核函數(shù)；在SVM間隔最大化思想下引入不敏感損失函數(shù)ε和懲罰系數(shù)C以及間隔左側(cè)的松弛變量ξ_i和右側(cè)的松弛變量兩側(cè)的兩個松弛變量均大于等于0，得到ε-SVR非線性回歸模型：

引入拉格朗日第一乘子α_i和格朗日第二乘子并對拉格朗日函數(shù)中的ω和b求偏導為0，得到SVR的對偶最優(yōu)化問題：

式中為RBF核函數(shù)，α_j，x_j為對拉格朗日函數(shù)中的ω和b求偏導為0，并代入拉格朗日函數(shù)得到，含義為第j個樣本的輸入和拉格朗日第一，第二乘子；

由不等式約束問題需滿足的KKT條件解得SVR的解形如：

式中，

其中，b為位移項，應用核函數(shù)將訓練數(shù)據(jù)映射到高維空間再線性回歸以簡化運算；

(4)獲得示教數(shù)據(jù)并確立模型的算法后，以平衡補償后的關節(jié)角度即機器人驅(qū)動角度作為輸出，對模型輸入人體的關節(jié)角度和人體在步行運動時的ZMP信息，由SVR非線性回歸模型代替人體示教信息和穩(wěn)定性后的關節(jié)角度之間的函數(shù)關系直接泛化出經(jīng)補償?shù)年P節(jié)角度，完成仿人機器人的步行控制；

(5)步態(tài)平衡模型構(gòu)建完成后，使用WOA迭代尋優(yōu)。