敬成林 朱曉銘
【摘要】雙足機器人基于零力矩點(ZMP)的行走方式得到了廣泛的研究,以前的方法主要是讓機器人在離線規(guī)劃好的ZMP軌跡下行走,這種方式很明顯缺乏自適應性。本文分析在線添加可變ZMP的作用,可變ZMP可以用來消除外力干擾、適應不平整地面和姿態(tài)控制,這樣才與人在復雜環(huán)境下步行時實時調(diào)整步態(tài)相類似。
【關鍵詞】雙足機器人;可變零力矩點;自適應性;行走控制
1.可變ZMP的定義
雙足機器人在行走過程中將由環(huán)境擾動、模型失配等因素引起步態(tài)跟蹤誤差,作者在文獻[1]中研究過調(diào)節(jié)預測控制器參數(shù)的方法來消除一些隨機擾動,但也很難通過調(diào)節(jié)參數(shù)的方法消除這種跟蹤誤差。要降低或消除它,就應該考慮ZMP的實時變化,不能只用離線規(guī)劃好的ZMP作為步行控制器的輸入,只有加入了實時變化的可變ZMP,才能使步行模式具有自適應性,所以將期望ZMP表示為考慮了環(huán)境變化的表達式:
(1)
左邊為期望ZMP。右邊第一項為參考ZMP,是由步行速度、步幅和步行周期等參數(shù)離線規(guī)劃好的,一般在行走過程中不發(fā)生變化,通過參考ZMP來控制機器人的全局穩(wěn)定性。第二項為具有實時性的可變ZMP,也就是本文所討論的可變ZMP,它是根據(jù)環(huán)境的變化實時加入的,控制機器人的局部穩(wěn)定性。第三項表示隨機擾動,通過作者在文獻[1]中的研究,能夠通過選擇步行控制器的參數(shù)消除它??勺僙MP可以用來消除外力干擾、適應不平整地面和姿態(tài)控制[2]。很明顯,只有考慮了可變ZMP,機器人的步行模式才具有自適應性,才與人在復雜環(huán)境下步行時實時調(diào)整步態(tài)相類似。下文分析可變ZMP的作用。
2.可變ZMP的作用
(a)消除外力。如圖1(a)所示,當機器人受到外力沖擊時,這些外力的合力等價作用于質(zhì)心的前向水平力F,要想消除這個外力干擾,離線規(guī)劃好的參考ZMP就要向左移動,這個左移是通過加入可變ZMP來實現(xiàn)的,這也體現(xiàn)了可變ZMP是根據(jù)實際環(huán)境變化來實時規(guī)劃的。要使機器人不受外力干擾而穩(wěn)定,重力相對于可變ZMP產(chǎn)生的力矩必須與外力力矩平衡,則有下列等式:
(2)
其中Zc為質(zhì)心高度,M為機器人的質(zhì)量,g為重力加速度。
等式(2)表示在離線規(guī)劃好的參考ZMP基礎上,實時規(guī)劃可變ZMP量,以便能消除外力干擾。但是,當外力很大時,ZMP移動到腳后跟部位,機器人將繞腳后跟旋轉(zhuǎn)甚至跌倒,這種消除外力的作用也是有限的。
(b)適應不平整地面。如圖1(b)所示,當機器人在不平整地面上行走時,此時支撐腳將有一部分與地面失去接觸,提前離線規(guī)劃好的ZMP軌跡點可能將不落在支撐范圍內(nèi),這時步行模式生成器可以實時添加可變ZMP,及時將參考ZMP移動到腳底與地面接觸的支撐區(qū)域內(nèi),以確保機器人能夠穩(wěn)定地行走。
(c)姿態(tài)控制。如圖1(c)所示,當機器人的上身由于環(huán)境影響向前傾斜時,可以通過模型ZMP控制來恢復平衡。這種控制方式為:當實際機器人的上身與模型的上身相比向前傾斜時,模型上身強力加速,結果目標慣性力變大致使目標ZMP相對于原來的參考ZMP向后移動,這樣實際機器人的姿態(tài)得以恢復。這種模型ZMP控制方法,在本田雙足機器人P2上得到了很好應用。這種情況下,ZMP的移到量,也可以通過在步行模式生成器中添加可變ZMP來實現(xiàn)。
3.結語
本文分析了可變ZMP在雙足機器人行走控制中的作用,通常為了設計方便起見,用離線規(guī)劃好的ZMP作為行走控制器的輸入,而沒有考慮機器人行走過程中環(huán)境的復雜性,這樣將導致行走穩(wěn)定性降低。通過在線規(guī)劃實時可變ZMP,可以提高雙足機器人基于ZMP行走方式的自適應能力。
參考文獻
[1]敬成林,薛方正,張華等.雙足機器人穩(wěn)定步行模式的預測控制實現(xiàn)方法[J].儀器儀表學報,2010,31(12):2700-2705.
[2]S.Kajita,F(xiàn).Kanehiro,K.Kaneko,et al.Biped walking pattern generation by using preview control of ZMP[C]//Int.Conference on Robotics&Automation,Taiwan,china,2003:1620-1626.
作者簡介
敬成林(1973-),男,漢族,四川南部縣人,博士,副教授。主要研究領域為智能機器人控制.
基金項目
貴州省科學技術基金資助項目(黔科合J字[2012]2097號).