類人猿機器人雙足全方位步行智能學習運動控制研究.pdf

1、近年來,國內(nèi)外學者在增強環(huán)境適應(yīng)方面對雙足步行機器人進行了諸多有意義的研究,機器人行走的環(huán)境適應(yīng)性有了一定的提高,然而,雙足步行機器人的環(huán)境適應(yīng)性研究仍處于起步階段,自適應(yīng)智能控制處于理論研究階段,真正用于實際機器人的智能控制屈指可數(shù)。未來,智能學習研究是機器人智能化的一個重要研究內(nèi)容,機器人智能化是提高雙足步行機器人環(huán)境適應(yīng)能力的最佳途徑。
　　本文主要通過對全方位步行規(guī)劃以及步行學習研究,為提高雙足步行機器人的靈活性與適應(yīng)性提

2、供一種方法與思路。具體而言,首先對全方位步行傅里葉級數(shù)逼近規(guī)劃法進行了研究,該方法充分利用步行周期循環(huán)的特性,并結(jié)合基于ZMP的三維倒立擺的穩(wěn)定特性,完成了對機器人運動時復(fù)雜質(zhì)心運動的規(guī)劃,為機器人穩(wěn)定行走提供理論依據(jù)。從編程與可實現(xiàn)角度上講,該方法利用級數(shù)逼近的方法,方法簡單可操作性強,是一種比較理想的步行規(guī)劃方法。利用轉(zhuǎn)向步行與前向步行的質(zhì)心軌跡之間的關(guān)系,巧妙地規(guī)劃了轉(zhuǎn)向時的質(zhì)心運動軌跡,最終實現(xiàn)了雙足步行機器人的全方位步行規(guī)劃。

3、
　　步行學習的研究是基于上述規(guī)劃方法得到的步行樣本進行的,對雙足步行機器人穩(wěn)定行走而言,影響因素有主有次,步行學習是要對影響步行穩(wěn)定的主要信息進行學習,在此基礎(chǔ)上,對步行樣本智能生成方法進行研究。對步行樣本的學習分了不同步長、不同步速、不同步長與步速以及不同轉(zhuǎn)彎半徑四種情況進行學習,通過對成功步行樣本的泛化學習,生成未經(jīng)歷的步行樣本。步行樣本的學習由小腦神經(jīng)網(wǎng)絡(luò)CMAC完成,步行樣本學習效果的評價是由關(guān)節(jié)角之間自身關(guān)系以及仿真驗