[发明专利]基于神经网络调节双腿关节角的仿人机器人步行控制方法

说明书

本发明提出一种基于神经网络调节双腿各关节角度的仿人机器人步行控制方法，首先设计并训练一个BP神经网络逼近仿人机器人步行的ZMP误差、双腿各关节实际角度和双腿各关节角度校正量之间的复杂非线性关系，然后在仿人机器人步行中采用双闭环控制系统，其中外闭环以期望ZMP与实际ZMP的误差、双腿各关节的实际角度为输入，由该BP神经网络控制器输出双腿各关节的角度校正量，而内闭环则根据双腿各关节的期望角度、实际角度和角度校正量的误差通过PD控制器得到关节驱动力矩，进行各关节的角度跟踪控制。仿真结果表明，该方法较好地校正了ZMP误差，提高了稳定裕度，使仿人机器人实现持续、稳定的步行。

技术领域

本发明涉及智能机器人领域，更具体地，涉及基于神经网络调节双腿关节角的仿人机器人步行控制方法。

背景技术

与轮式、履带式机器人相比，仿人机器人具有类人的步行能力和越障能力，使其移动灵活、盲区少，因此，仿人机器人适用于更多的环境场合，具有更广阔的应用前景。显然，稳定步行是仿人机器人实现其它功能的前提和基础。由于仿人机器人是一个自由度多、结构复杂的非线性系统，使得稳定步行成为仿人机器人研究的重点和难点。零力矩点(ZeroMoment Point，ZMP)是检验仿人机器人能否实现稳定步行的主要判据，根据ZMP理论，仿人机器人要实现稳定步行，其ZMP必须处在由支撑脚掌构成的凸多边形稳定区域内，且越靠近多边形中心，稳定性越强；反之，若ZMP在凸多边形稳定区域外，则步行不稳定。

仿人机器人在现实环境中步行时，由于地面凹凸不平、踩到障碍物等因素，使得仿人机器人的位姿出现偏差，导致实际ZMP偏离期望值，从而使机器人的稳定性变差，严重时ZMP将超出稳定区域，致使机器人摔倒。因此，需要研究合适的步行控制方法，使得仿人机器人能够在实际环境中实现期望的稳定步行，国内外学者对该问题进行了相应的研究。Mart等人研究出基于双足机器人的动力学模型计算关节力矩控制稳定步行，但该方法需要机器人精确的动力学模型，而仿人机器人是一个自由度多、结构复杂的非线性系统，其动力学模型维度高、耦合性强。Sugihara等人研究将仿人机器人简化成倒立摆模型，通过改变倒立摆的质心位置调整ZMP，然而倒立摆模型不能反映仿人机器人各连杆的动力学和运动学特性。黄强等人提出了根据ZMP误差校正支撑腿踝关节角度的步行控制，但该方法只是单个踝关节控制，没有考虑仿人机器人的整体特性。王丽杨等人通过只校正支撑腿的髋关节角度来控制机器人的步行，而Kaynov等人将仿人机器人简化为二级倒立摆，通过调节支撑腿的髋关节和踝关节角度来实现步行控制。因为它们没有考虑机器人双腿所有关节角度变化对ZMP的影响，故难以取得理想的步行控制效果。

发明内容

针对上述仿人机器人步行控制方法中存在的缺点和不足，综合考虑各关节角度误差对ZMP的影响，提出一种基于神经网络调节双腿关节角的仿人机器人步行控制方法。是先设计一个BP神经网络逼近ZMP误差和各关节角度校正量之间的非线性关系，然后将训练好的BP神经网络控制器植入仿人机器人的步行控制系统，再根据步行时的ZMP误差和各关节的实际角度由BP神经网络控制器在线给出各关节的角度调节量，以此跟踪期望ZMP，提高仿人机器人的步行稳定性。

为了实现上述目的，本发明的技术方案为：

基于神经网络调节双腿关节角的仿人机器人步行控制方法，是通过双闭环控制方法实现双腿各关节角度调节的仿人机器人步行的方法，包括外闭环基于神经网络控制器的各关节角度校正和内闭环基于PD控制器的各关节角度跟踪；

具体地：

外闭环根据双腿各关节实际角度θ_r、角速度和角加速度由仿人机器人的正运动学模型和式(1)组成的ZMP计算器输出实际ZMP位置其中式(1) 是ZMP关于各连杆的质心位置(x_i,z_i)和加速度的关系式：

式(1)中，m_i为连杆i的质量，g为重力加速度；