双足机器人稳定行走的仿人预测控制研究

针对双足机器人的稳定行走,提出了一种新的仿人预测控制在线步行模式生成方法。把期望零力矩点(ZMP)分解成离线规划好的参考ZMP和实时变化的可变ZMP之和,通过预测控制和其逆系统共同作用对质心运动进行控制,从而生成具有自适应性的步行模式。但单一的预测控制系统对诸如矩形齿状扰动的可变ZMP的跟踪存在较大的误差,结合仿人智能控制对误差的强抑制能力,设计了与预测控制相结合的仿人预测控制系统。仿真实验验证对矩形齿状扰动的可变ZMP,仿人预测系统也能实现较好的跟踪。

仿人预测控制在双足机器人步行控制中的应用

基于零力矩点(ZMP)的预测控制是目前双足机器人步行控制中最先进的方法,但是预测控制需要比较精确的预测模型,在环境扰动导致模型失配时,预测控制的性能下降较快。为了解决这个问题,利用仿人智能控制对环境误差具有较强抑制的特点改进预测控制。探讨了在步行控制中引入仿人智能控制的必要性和仿人智能控制改进预测控制的可行性,并设计了仿人预测控制器。最后通过仿真实验验证了新的控制器对双足机器人步行控制的有效性。

仿人MPC算法在步进电机储能与建模中的研究

步进电机在电能存储和补偿过程中存在建模精确度低、输入采样量失真、模型结构多变和负荷输出失配等问题,从而导致电能存储和补偿无法达到预期设计标准。为此,将仿人MPC算法引入步进电机的数学建模过程中。首先,分析电能从输入采样到输出反馈的数学模型构建过程,以及步进电机存储与建模的工作原理;其次,针对模型失配和参数动态变化对步进电机产生的影响,利用仿人预测控制策略有效地解决了步进电机电能存储和补偿的精度问题。仿真实验结果表明,控制结果在模型匹配时性能良好,在模型失配时依然能满意运行,使储能与建模幅度和误差精度都能达到要求。

Stability Control and Simulation Experiments of Biped Humanoid Robot Walking on Rough Terrains

In this paper, we provide several methods to solve the problem of humanoid robot walking on rough terrains. By using the Passive Inverted Pendulum Model（PIPM） and predictive control, with some optimizing strategy added, we realized the smooth walking on a slope with rocks on it.