动态双足机器人建模及步态优化设计

双足机器人行走时的稳定性是重中之重。如何规划合适的运动步态是提高稳定性的关键,也是当今众多学者的研究热点。首先,采用多连杆结构进行双足机器人建模,并使用D-H矩阵描述这种连杆结构,建立其正逆运动学模型。然后,提出以稳定性和能耗为目标的多目标步态优化方案,通过构造惩罚函数求得多目标优化问题的Pareto最优解集。最后,在ADAMS平台上建立模型并和Matlab进行联合仿真,将踝关节、髋关节的侧向角速度和左腿质心在前向、侧向和竖直方向的速度与加速度作为对比指标,通过与原始倒立摆步态规划、遗传算法优化比较得出:多目标步态优化方案在动态双足机器人行走过程中具有更高的稳定性。因此,基于稳定性和能耗的多目标步态优化方法,能够为双足机器人稳定性的研究提供理论指导和改进方向。     

采用DDPG的双足机器人自学习步态规划方法

为解决多自由度双足机器人步行控制中高维非线性规划难题,挖掘不确定环境下双足机器人自主运动潜力,提出了一种改进的基于深度确定性策略梯度算法（DDPG）的双足机器人步态规划方案。把双足机器人多关节自由度控制问题转化为非线性函数的多目标优化求解问题,采用DDPG算法来求解。为解决全局逼近网络求解过程收敛慢的问题,采用径向基（RBF）神经网络进行非线性函数值的计算,并采用梯度下降算法更新神经网络权值,采用SumTree来筛选优质样本。通过ROS、Gazebo、Tensorflow的联合仿真平台对双足机器人进行了模拟学习训练。经数据仿真验证,改进后的DDPG算法平均达到最大累积奖励的时间提前了45.7%,成功率也提升了8.9%,且经训练后的关节姿态角度具有更好的平滑度。     

基于深度Q网络的仿人机器人步态优化

为实现仿人机器人快速稳定的行走，在满足有效参数组合的条件下，提出一种基于深度强化学习的步行参数训练算法以优化机器人步态。首先，从环境中捕获机器人步态模型参数作为DQN的输入；然后，用DQN来拟合机器人行走产生的状态-动作值函数；最后，通过动作选择策略选择当前机器人执行的步态动作，同时产生奖励函数达到更新DQN的目的。选择NAO仿真机器人为实验对象，在RoboCup3D仿真平台上进行实验，结果证明在此算法下，NAO仿人机器人可以获得稳定的双足步行。     

欠驱动双足机器人动态步态规划方法研究

以欠驱动双足机器人为对象研究其周期稳定的动态步态规划方法。首先建立欠驱动双足机器人的混杂动力学模型,然后采用时不变步态规划策略对机器人步态进行规划,并研究周期步态的收敛条件。步态参数直接决定周期步态的稳定性,采用遗传算法,以能耗最优为目标,以限制条件为约束对步态参数进行选择和优化。最后通过虚拟样机对机器人的行走过程进行动力学仿真。实验表明规划步态收敛于稳定的极限环,实现了高速动态步行,该规划方法是可行的。     

动态双足机器人的控制与优化研究进展

对动态双足机器人的可控周期步态的稳定性、鲁棒性和优化控制策略的国内外研究现状与发展趋势进行了探讨.首先,介绍动态双足机器人的动力学数学模型,进一步,提出动态双足机器人运动步态和控制系统原理;其次,讨论动态双足机器人可控周期步态稳定性现有的研究方法,分析这些方法中存在的缺点与不足;再次,研究动态双足机器人的可控周期步态优化控制策略,阐明各种策略的优缺点;最后,给出动态双足机器人研究领域的难点问题和未来工作,展望动态双足机器人可控周期步态与鲁棒稳定性及其应用的研究思路.     

RoboCup3D仿真机器人步态优化研究

在RoboCup3D比赛中,拥有一个快速灵活、稳定的步态模式是赢得机器人足球比赛的关键之一。为了获得这样的步态模式,提出一种双足机器人垂直质心高度可变的机器学习训练方法。首先,通过规划双足机器人垂直质心高度的轨迹、利用倒立摆模型和数值化方法控制零力矩点,实现双足机器人的类人行走。然后,采用自适应协方差矩阵进化算法对步态参数优化,为了获得快速稳定的步行,采用累积分层的学习方法在之前优化的基础上进一步优化。最后,采用蜂拥编队壁障算法验证多机器人环境下优化步态的稳定性、灵活性。实验和竞赛结果均表明本文提出算法的有效性。     

基于三维线性倒立摆的双足机器人步态规划

双足机器人的步态控制策略是保证双足稳定行走的重要条件之一.提出一种基于三维线性倒立摆模型的双足机器人步态规划的算法.首先简化了三维倒立摆模型,并且假设了步行周期起始状态的ZMP位置,然后通过运动方程推导出含参数的质心与时间的函数,再将机器人的步态规划简化到每个步行周期,通过每个周期的初始条件获得函数的相关参数,最后将此方法推广到带转向的步态规划中,并应用于实际Robocup3D比赛中.实验结果表明该方法具有可行性和有效性.     

双足机器人跨越动态障碍物在线控制系统设计

在双足机器人跨越动态障碍物的在线控制问题中,脚步规划和步态控制的学习时间是关键问题;提出了一种将机器人的步态控制和脚步规划分别独立设计的控制策略;步态控制目的是产生关节点轨迹并控制对理想轨迹的跟踪,考虑到双足机器人关节点轨迹的不连续性,应用小脑模型连接控制CMAC记忆特征步态的关节点轨迹;脚步规划的控制目标是通过对环境的视觉感知预测机器人的运动路径,算法是基于无需对动态环境精确建模的模糊Q学习算法;仿真结果表明该控制策略的可行性,并且可以有效缩短在线学习时间。     

NSGA-Ⅱ在蛇形机器人中的优化与控制

研究蛇形机器人蜿蜒运动步态的优化与控制问题。结合摩擦力模型,并分析蛇形机器人运动步态模型,根据基于闭环反馈的控制系统结构运用PID控制器对其步态进行跟踪控制,在此基础上采用基于非支配排序遗传算法(NSGA-Ⅱ)对步态进行优化,该优化方法实现对闭环反馈跟踪控制系统的参数优化。仿真结果表明,NSGA-Ⅱ算法能达到变量优化目的,在功率和速度之间寻找最优值,对于解决蛇形机器人运动步态多目标优化问题是可行有效的。     

基于能效优化的仿人机器人跑步步态优化与控制

针对高能耗导致的仿人机器人难以大规模实用化的问题,提出了一种新的仿人机器人参数化跑步步态优化方法。分析了不同跑步步态参数对仿人机器人水平、垂直方向的稳定性及能耗的影响,将机器人步态优化问题转化为对步态参数的多目标寻优问题,根据连杆模型得到机器人跑步过程中水平、垂直方向的稳定裕度及能耗表达式,并构造目标函数,采用基于对位学习的遗传算法对机器人参数化跑步步态进行多目标寻优,在保证机器人俯仰、翻滚和偏摆各方向力矩平衡的前提下降低整体能量消耗;针对传统遗传算法早熟及收敛速度慢的问题,提出基于领域知识的精细化初始成员策略,采取生成种群成员对位点的方式更新种群,以加快收敛速度;为提高轨迹跟踪性能,设计了自适应控制器,并给出了稳定性证明。仿真实验表明:该方法能有效降低能耗并保证其稳定性。     

基于能效优化的两足机器人步态控制方法

针对高能耗导致的两足机器人实用化障碍,提出了一种全新的、系统化的步态能效优化控制方法.基于两足机器人运动的重要能耗指标(平均功率、平均功率偏差、平均力矩损耗),提出了能耗预估策略和能效优化算法,获取了零力矩点(ZMP)稳定区域内的能耗极小值.沿着能耗极小值所对应的上体轨迹对机器人步态实施能效优化控制,最终获得满足ZMP稳定判据的低能耗步态.仿真结果证明,该方法能够有效降低机器人能耗并保持其稳定性.     

Multi-objective colonial competitive algorithm for hybrid flowshop problem

This study analyses the multi-objective optimization in hybrid flowshop problem, in which two conflicting objectives, makespan and total weighted tardiness, are considered to be minimized simultaneously. The multi-objective version of Colonial Competitive Algorithm (CCA) for real world optimization problem is introduced and investigated. In contrast to multi-objective problems solved by CCA, presented in the literature, which used the combination of the objectives as single objective, the proposed algorithm is established on Pareto solutions concepts. Another novelty of this paper is estimating the power of each imperialist by a probabilistic criterion for this multi objective algorithm. Besides that, the variable neighborhood search is implemented as an assimilation strategy. Performance of the algorithm is finally compared with a famous algorithm for scheduling problem, NSGA-II, and the multi-objective form of CCA [28].     

Hybridizing a multi-objective simulated annealing algorithm with a multi-objective evolutionary algorithm to solve a multi-objective project scheduling problem

In this paper, a multi-objective project scheduling problem is addressed. This problem considers two conflicting, priority optimization objectives for project managers. One of these objectives is to minimize the project makespan. The other objective is to assign the most effective set of human resources to each project activity. To solve the problem, a multi-objective hybrid search and optimization algorithm is proposed. This algorithm is composed by a multi-objective simulated annealing algorithm and a multi-objective evolutionary algorithm. The multi-objective simulated annealing algorithm is integrated into the multi-objective evolutionary algorithm to improve the performance of the evolutionary-based search. To achieve this, the behavior of the multi-objective simulated annealing algorithm is self-adaptive to either an exploitation process or an exploration process depending on the state of the evolutionary-based search. The multi-objective hybrid algorithm generates a number of near non-dominated solutions so as to provide solutions with different trade-offs between the optimization objectives to project managers. The performance of the multi-objective hybrid algorithm is evaluated on nine different instance sets, and is compared with that of the only multi-objective algorithm previously proposed in the literature for solving the addressed problem. The performance comparison shows that the multi-objective hybrid algorithm significantly outperforms the previous multi-objective algorithm.     

基于螺旋模型的仿人机器人步态参数优化算法

步行运动是仿人机器人运动控制的关键环节之一.为了实现快速、稳定的步态,在协方差矩阵自适应进化策略(CMA-ES)的基础上,文中提出仿人机器人螺旋模型算法.在步行优化过程中,将优化任务先划分为3个子任务,按照优化目标分别挑选参数加入相应优化组,同时构建CMA-ES优化器.根据不同的学习目标设计每个CMA-ES优化器,在前一优化组优化结果基础上结合新的需求进行螺旋迭代优化,最终达到既定的学习目标,获得最佳参数值.文中算法应用在HfutEngine仿真3D球队中,机器人的相关步态测试数据显示算法效果较佳.     

双足步行机器人的步态规划

主要研究了双足步行机器人的基本步态的建立过程,进行了参数化处理,提出了一种简单可行的步态规划方法,并对数据结果进行了仿真验证。仿真及试验结果表明,该文给出的方法能实现不同步速的连续动态步行。通过标准步态数据的建立,为实时步态规划校正和在线控制补偿算法奠定了基础。     

异构多目标差分-动态窗口算法 及其在移动机器人中的应用

为了实现在多移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划,提出异构多目标差分-动态窗口法(heterogeneous multi-objective differential evolution-dynamic window algorithm,HMODE-DWA).首先,建立行驶时间、执行器作用力和平滑度的3目标优化模型,设计具有碰撞约束的异构多目标差分进化算法来获得3个目标函数的最优解,进而在已知的静态环境中获得帕累托前沿,利用平均隶属度函数获得起点与终点间最优的全局路径;其次,定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障,利用所提出的HMODE-DWA算法动态避障的同时实现节能规划.仿真和实验结果表明,所提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗.     

Multi-objective optimization problem under fuzzy rule constraints using particle swarm optimization

In this paper, a fuzzy multi-objective programming problem is considered where functional relationships between decision variables and objective functions are not completely known to us. Due to uncertainty in real decision situations sometimes it is difficult to find the exact functional relationship between objectives and decision variables. It is assumed that information source from where some knowledge may be obtained about the objective functions consists of a block of fuzzy if-then rules. In such situations, the decision making is difficult and the presence of multiple objectives gives rise to multi-objective optimization problem under fuzzy rule constraints. In order to tackle the problem, appropriate fuzzy reasoning schemes are used to determine crisp functional relationship between the objective functions and the decision variables. Thus a multi-objective optimization problem is formulated from the original fuzzy rule-based multi-objective optimization model. In order to solve the resultant problem, a deterministic single-objective non-linear optimization problem is reformulated with the help of fuzzy optimization technique. Finally, PSO (Particle Swarm Optimization) algorithm is employed to solve the resultant single-objective non-linear optimization model and the computation procedure is illustrated by means of numerical examples.