基于深度确定性策略梯度算法的双轮机器人平衡控制研究

针对深度强化学习在双轮机器人中的应用问题,提出了一种基于深度确定性策略梯度算法的平衡控制方法。首先,该方法将双轮机器人作为智能体,读取状态信息并建立动作策略和奖惩机制;其次,智能体依据算法给出的随机动作指令执行,执行完动作之后反馈状态信息,算法根据反馈的状态信息给出新动作;最后,通过多回合训练使双轮机器人保持平衡。实验结果表明,通过多回合训练之后,双轮机器人的姿态角度波动范围在-4°～4°以内,双轮机器人的平稳性得到了显著改善,实现了机器人的平衡控制行为学习,证明了该方法的有效性。     

大型17R“加藤一郎”机器人仿人行走控制研究

针对大型17R"加藤一郎"结构双足机器人仿人行走控制问题,从仿人机器人的机械结构、控制系统、步态仿真、动力学参数等方面对机器人的影响进行了研究,采用仿生学原理,参考了人体上、下半身比例特点,对机器人的机械结构进行了设计;对机器人控制系统进行了设计,提出了一种基于DSP+FPGA的主控系统,将多CPU协同工作、分布式远程控制技术应用到仿人机器人行走控制中;利用人类行走过程中各关节的转动参数为输入的控制方法,在ADAMS上进行了步态行走试验,分析了动力学参数对机器人步态的影响。研究结果表明,以人类行走方式控制机器人步态行走,机器人行走步态稳定可行,可应用于大型双足步行机器人步态行走控制。     

基于遗传算法的欠驱动双足机器人步态优化设计

步态设计是双足机器人运动规划和动力学控制的关键问题。为了解决欠驱动双足机器人的步态设计问题,基于虚拟约束的思想,设计了3连杆欠驱动双足机器人的时不变参考步态,并以每步能耗为目标函数采用遗传算法对步态参数进行优化求解。基于有限时间反馈控制的动力学仿真表明,采用遗传算法得到的最优时不变参考步态,3连杆欠驱动双足机器人能够产生稳定周期行走,且具有较高的能量效率和较小的驱动力矩。建立的步态优化设计方法简单有效,可推广应用于其它类型的欠驱动双足机器人。     

基于变长倒立摆模型的双足机器人爬楼梯步态规划

能在复杂环境中持续稳定地行走是双足机器人的一个重要性能,比如平地、楼梯.针对双足机器人爬楼梯的步态规划问题,提出了一种运用变长倒立摆模型来实现双足机器人爬楼梯步态规划的方法,并运用虚拟样机进行动态步行仿真.仿真结果表明,运用该步态规划方法可以得到可行的机器人爬楼梯轨迹.     

两栖六足仿生机器人的水陆运动控制研究

两栖六足机器人不仅需应对崎岖地形对陆地爬行提出的挑战,还要解决机器人在水下灵活运动的控制问题。 因此,本 文首先提出了基于深度强化学习的崎岖地形运动控制方法。 通过 MuJoCo 为机器人执行爬行任务构建交互环境,并采用近端策 略优化(PPO)算法训练智能体使其获取适应于不同崎岖程度地形的控制策略。 仿真数据表明,陆地控制策略可使机器人在平 坦、轻度崎岖、重度崎岖 3 类地形上快速、稳定地完成前进任务。 针对水下运动控制问题,本文通过分析机器人动力学模型将其 分解为:采用视线法与 PID 控制器解决平面轨迹跟踪和深度控制问题。 水下实验表明,机器人可在平面快速跟踪 Sigmoid 曲线 且轨迹偏差不超过 0. 11 m。 深度控制实验中,机器人可平稳到达指定深度且控制精度在 0. 02 m 以内。     

仿生直立双足机器人的稳定性控制算法

仿生直立双足机器人共有7个旋转自由度,对其稳定性控制是保证双足机器人稳定行走和姿态变换的关键。传统方法中对仿生直立双足机器人的稳定性控制采用二自由度超外差控制方法,对直立双足机器人抓握和操控的运动规划效果不好。提出一种基于末端效应逆运动学分解的仿生直立双足机器人的稳定性控制算法,构建了仿生直立双足机器人运动学结构模型,采用末端效应逆运动学分解方法对机器人的运动学模型进行七自由度重构,在重构的运动学状态空间中实现仿生直立双足机器人稳定性控制,实现控制算法改进。仿真结果表明,采用该算法进行机器人稳定性控制,机器人行走过程中各个机构部件具有稳定运动学参量的输出,仿生双足机器人的控制机构参数仿真结果与理论值在一定的波动范围内相符,保证了机器人在行走和各种行为动作实施过程的姿态稳定性。     

基于ADAMS的双足机器人运动学建模及仿真

由于对环境良好的适应性,双足机器人在各领域具有广泛的应用前景,步态规划是其研究重点之一.基于虚拟样机技术,根据双足机器人的行走步态,用D-H齐次坐标变换法建立双足机器人的运动学模型.设定髋部及踝部的运动轨迹,建立逆运动学方程,在MATLAB中求出前向和侧向各关节的运动参数.将求得的参数导入ADAMS中,作为虚拟样机模型的驱动,实现了机器人的静态稳定行走.仿真结果与规划的步态基本一致,验证了运动学模型的正确性,为双足机器人的结构设计和步态规划提供了理论依据.     

基于深度强化学习的作业车间调度问题优化

针对作业车间调度问题求解的复杂性,以最小化最大完工时间为目标,提出基于深度强化学习优化算法求解作业车间调度问题。首先,基于析取图模型构建深度强化学习的调度环境,并建立三通道状态特征,设计20种复合启发式调度规则作为动作空间,将奖励函数等价为机器利用率;利用深度卷积神经网络搭建动作网络和目标网络,以状态作为输入,输出每个动作的Q值,进而使用行动有效性探索和利用策略选取动作;最后,计算即时奖励和更新调度环境。使用标准案例验证了算法可以平衡求解质量和时间,训练好的智能体对非零初始状态下调度问题具有很好的泛化性。     

教学型双足步行机器人直线行走步态稳定规划方法

通过对双足机器人行走步态的研究,利用多项式插值法对双足机器人直线行走步态进行规划,分析了踝关节轨迹和髋关节轨迹,通过调节单腿支撑期和双腿支撑期的比例系数来调整机器人的行走步态,使其实现稳定步行。再通过ADAMS建立虚拟样机仿真实验,验证了这种步态规划方法的正确性与可行性。     

CPG机理的双足机器人运动轨迹生成与分析

目的在对中枢模式发生器(CPG)机理分析的基础上,生成关节运动轨迹,实现对双足机器人运动步态的控制。方法根据位姿矩阵实现对踝关节末端轨迹跟踪,整定CPG模型相位参数,利用节律信号输出叠加生成运动轨迹。通过联合仿真实验,对所规划的步态进行合理性、自稳定性和自适应性分析。结果生成的运动轨迹能够实现对双足机器人的行走步态控制。结论基于CPG生成的步态能够提高机器人的运动性能,具有更强的对复杂环境的适应性。生成的运动轨迹能够为双足机器人步态规划提供借鉴意义。