仿人步行的生物学启发式方法研究

摘要

仿人机器人是一个复杂的多刚体系统，其系统描述是多组复杂的高阶非线性方程，并且多个自由度之间有强耦合性。这不仅对实现其稳定行走的步态规划算法的性能提出了很高的要求，而且要求对其平衡运动控制的性能也提出了非常高的要求。
　　 生物启发式方法通过对生物过程和自然现象的模拟，能够使研究对象在一定程度上拥有适应性和智能性。本文在总结当前仿人机器人步态规划方法和生物学启发式平衡运动控制策略的基础上，通过对人类行走的步骤分析和生物学模拟，提出了交互学习控制模型，采用了基于小脑关节模型CMAC神经网络的生物学启发式控制策略和以小脑关节GCMAC神经网络为基元组成的交互学习控制模型来实现仿人步行的控制。
　　 在仿人步行的实现中，首先建立了多基座标系，把仿人机器人步行中步态过程看作是多基坐标系的切换过程，并求出了切换矩阵。采用了三维线性倒立摆模型对机器人的步态进行了规划，规划了地面坐标系下机器人质心的运动，把机器人单腿运动分为单独支撑、联合支撑和非支撑三个状态，单独支撑的运动从地面坐标系下的运动转换而来，联合支撑和非支撑态通过确定边界条件，插入贝塞尔曲线得到。规划步态的稳定型通过ZMP稳定性判据得到了证明。随后设计了CMAC-PD并行控制器和基于GCMAC神经网络的交互学习控制器来实现仿人步行的控制。
　　 最后，使用ODE物理引擎构建的仿人机器人仿真平台对仿人步行进行了仿真，证明了所采用的基于多基座标系下步态规划法的合理性，验证了基于生物学启发式方法的小脑关节模型CMAC神经网络对仿人步行控制的优越性，它能够减小仿人步行的行走误差，实现步态的在线学习调整，同时证明了交互学习策略用于参数不确定、非线性的仿人步行系统能够改善单一学习控制器的控制精度以及控制平滑度。