基于双足式机器人的步态规划及展望.docx

??

?

??

基于双足式机器人的步态规划及展望

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：仿生双足式机器人相比于传统机器人而言，在社会发展中扮演着更加重要的角色。步态轨迹规划方法是研究双足式机器人连续步行中的核心，研究步态轨迹规划方法具有及其深远的意义。本文着重介绍双足式机器人的现状及工作原理，以及几种常见的步态轨迹规划方法及其优缺点。最后给出双足式机器人研究现状和未来的发展方向作出了展望。

关键词：步态轨迹规划方法，双足式机器人，工作原理，展望；

1背景及意义

随着科学技术的不断发展，机器人在现代人类生产生活中扮演着越来越重要的角色。而双足机器人的研发难度比传统的轮式机器人、履带式机器人复杂的多[1]。目前生物界难度最高的步行动作是仿人双足步行，但是进行该类研究的也最多，究其原因是双足式机器人交替支撑步行模式使得它有着广泛的适应性，更能满足人类发展的需求。

近年来，国家不断推动双足机器人的研究，然而取得的成果甚微。国内对于双足式机器人需求较大，然而自身技术落后，国外要么高。所以对双足式机器人的研究迫在眉睫，急需核心技术的革新者！

步态规划是双足机器人平稳、快速行走的核心，也是双足机器人研发中的难点。步态是指在步行的过程中，机器人各个在时自由度空上的一种相互协调。步态通常由各节点的运动轨迹来描述，而步态规划的目标即在各个步行周期中精准的产生期望的运动轨迹。要想达到这个目的，就需要一个高效、可行的步态规划方法。

综上所述，步态规划作为双足机器人的核心技术之一，已成为双足机器人研究领域的一个重要课题，是决定双足机器人行走流畅的关键技术。

2研究现状分析

步态规划作为双足机器人行走的核心所在，现今主要有三种主要控制方法：基于仿生学的步态规划、基于算法的步态规划、基于模型的步态规划。

2.1基于算法的步态规划

现有的双足式机器人存在环境适应性弱、学习能力差等问题，而像遗传算法、模糊控制、神经网络等智能算法具有学习能力强、容错率高和自适应能力高等特点[2]，两者的有效结合推动了机器人发展的新篇章！

基于神经网路的步态规划方法由输入节点变量、中间神经元和输出节点变量组成，输入节点变量是在双足式机器人的步行周期内，采集各关节的坐标和微分，输出节点变量为各关节的角度或力矩等，通过设计相应的中间神经元来规划机器人的步态。该规划方法需要大量的可靠样本和严密计算从而确定每个神经元的权重比，同时，还需要解决如何构造样本空间和其收敛性的相关问题。该方法由于说需样本大且实施难度较大，所以在国内几乎看不见由该方法控制的双足仿生机器人，属于比较冷门的步态规划方法。

双足步行机器人是一个十分精密复杂的大规模系统，所以在控制时可以采用模糊控制来进行更加高效的控制。基于模糊控制的步态规划方法中，模糊控制器的输入变量由双足式机器人运动过程中实时的步行状态参数和预先设定的步态初始参数组成，输出变量是每一关节的力矩或角度，按照一定的模糊控制规则来规划机器人的步态[3]。将模糊控制应用到双足步行机器人这样一个复杂系统上,能有效实现控制精度的提高。经实际检验,使用模糊控制的确可以获得很好的控制效果。北京科技大学曾有学者就使用了模糊控制来控制双足式机器人，最终在行走环境较为简单的情况下，控制的效果比较好。

基于遗传算法的步态规划方法是先将重要节点的位置、速度和加速度等在各关键时间点上设定好，并用多项式插值的方式得到参数化的步态，然后采用遗传换算法找到满足步态稳定性最多条件下的最优参数，以得到稳定性较强的期望步态[4]。该方法无明显缺点，可以提高双足式机器人行走效率，实现双足式机器人稳定快速的行走[5]。东京大学的kougaka教授便曾使用遗传算法实现动态步行的轨迹补偿，国内也有不少使用该方法进行控制，效果都比较显著。

2.2基于模型的步态规划方法基于模型的步态规划方法是将复杂的双足式机器人系统通过解祸、降阶等方法最终简化为比较简单的模型。常用的模型有D-H模型、连杆模型、质量弹簧模型、倒立摆模型等。

D-H模型是将机器人的每个节点都设定一个唯一的参考坐标系，然后，通过一个确定的变换关系，实现节点间的变换。该模型在双足式机器人上应用不大，很少有人使用，但有人曾用该模型进行过MATLAB仿真验证[8]，且最终MATLAB仿真的效果十分不错。

三维倒立摆模型(3D-LIPM:3D-LinearInvertedPendulumMode)方法是参考轨迹法中动力学模型法的一种，该方法利用两足机器人本身的动力学特性来提高步行效率[3]。如今，倒立摆模型被广泛用于双足式机器人的控制中，这源于倒立摆系统具有模块化和品种多样化的优点，除此之外倒立摆系统机械结构简单、便于设计和制造的特点，也是其广泛被使用的原因之一。

2.3基于仿生