网站大量收购闲置独家精品文档,联系QQ:2885784924

仿人机器人相似性阶梯行走约束与优化控制.PDFVIP

仿人机器人相似性阶梯行走约束与优化控制.PDF

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
仿人机器人相似性阶梯行走约束与优化控制

第36 卷第2 期 机器人 ROBOT Vol.36, No.2 2014 年3 月 Mar., 2014 DOI :10.3724/SP.J.1218.2014.00233 仿人机器人相似性阶梯行走约束与优化控制 1 1 2 1 柯文德 ,彭志平 ,蔡则苏 ,陈 珂 (1. 广东石油化工学院计算机科学与技术系,广东 茂名 525000 ; 2. 哈尔滨工业大学计算机科学与技术学院,黑龙江 哈尔滨 150001) 摘 要:针对基于运动相似性的仿人机器人动作规划中固定运动捕获轨迹难以适应可变目标环境的问题,以 仿人机器人上阶梯为例,提出了一种基于运动相似性的行走约束与优化控制方法.首先,为相似性阶梯运动轨迹 划分子相关键姿势,施加运动学约束;其次,对运动的稳定性、方向、落脚缓冲等施加动力学约束;再次,结合 粒子群优化与分层强化学习方法,提出粒子群分层强化矢量位置择优算法,用于对机器人阶梯运动轨迹进行优化. 实验证明了方法的有效性. 关键词:仿人机器人;相似性;约束;优化 中图分类号:TP242.6 文献标识码:A 文章编号:1002-0446(2014)-02-0233-08 Constraint and Optimization Control on Similar Stepping Upstairs for Humanoid Robot KE Wende1 ,PENG Zhiping1 ,CAI Zesu2 ,CHEN Ke1 (1. Department of Computer Science and Technology, Guangdong University of Petrochemical Technology, Maoming 525000, China; 2. School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) Abstract: A method of constraint and optimization control on the similar stepping-upstairs process for humanoid robots is proposed to solve the problem that the fixed tracks captured from the human locomotion can’t be used in the changeable target environment in the similar motion planning of humanoid robots. Firstly, the similar stepping-upstairs processes are divided into the sub phases and key poses, and the corresponding kinematics constraints are set as well. Secondly, the dynamics constraints are also set for the locomotion stability, walking direction and landing-buffer process. Thirdly, the HRPSO (particle swarm optimization with hierarchical reinforcement learning) algorithm is propos

文档评论(0)

laolao123 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档