基于改良粒子群算法的機器人穩定步態規劃方法和裝置制造方法及圖紙

本發明專利技術公開了一種基于改良粒子群算法的機器人穩定步態規劃方法和裝置。其中，該方法包括：確定適應度函數值，并根據適應度函數值，利用粒子群算法對粒子的速度和位置進行更新，對粒子進行變異，并重新確定適應度函數值，循環上述所有步驟，直至滿足預設次數；確定適應度函數值最大時的兩髖關節中心參數；根據兩髖關節中心參數，利用三次樣條插值函數確定機器人踝關節和髖關節的運動軌跡。本發明專利技術解決了現有技術中使用粒子群算法進行機器人步行軌跡優化時由于迭代次數的增加造成陷入局部最優解無法跳出的技術問題。

【技術實現步驟摘要】

本專利技術涉及機器人控制領域，具體而言，涉及一種基于改良粒子群算法的機器人穩定步態規劃方法和裝置。
技術介紹
機器人是一門集控制、機械、電子、材料等學科于一體的高度交叉的前沿學科，近年來，機器人產業迅速發展，并引起了國家的高度重視，在不久的將來中國將有望成為世界上最大的機器人市場。仿人機器人代表了當今機器人研究領域最為尖端的水平，與其他機器人相比，仿人機器人因具有行走能力更強、上下臺階更方便、工作空間更廣闊等等的優勢而具有廣闊的應用前景。穩定步行是仿人機器人最基本的類人行為,也是仿人機器人研究領域的熱點和難點之一?，F有的雙足步行軌跡優化方法中最常用的是粒子群算法和遺傳算法，標準的粒子群算法通過追蹤個體極值和群體極值完成優化過程，操作簡單，收斂速度快，但隨著迭代次數的增加，可能陷入局部最優解而無法跳出。遺傳算法是把問題參數編碼為染色體，再利用迭代的方式進行選擇、交叉以及變異等運算來交換種群中染色體的信息，最終生成符合優化目標的染色體。但很難處理維度較高的問題，由于仿人機器人計算非常復雜，涉及到大量的個體計算，比較浪費時間。針對現有技術中使用粒子群算法進行機器人步行軌跡優化時由于迭代次數的增加造成陷入局部最優解無法跳出的問題，目前尚未提出有效的解決方案。
技術實現思路
本專利技術實施例提供了一種基于改良粒子群算法的機器人穩定步態規劃方法和裝置，以至少解決現有技術中使用粒子群算法進行機器人步行軌跡優化時由于迭代次數的增加造成陷入局部最優解無法跳出的技術問題。根據本專利技術實施例的一個方面，提供了一種基于改良粒子群算法的機器人穩定步態規劃方法，包括：確定適應度函數值，并根據適應度函數值，利用粒子群算法對粒子的速度和位置進行更新；對粒子進行變異，并重新確定適應度函數值；循環上述所有步驟，直至滿足預設次數；確定適應度函數值最大時的兩髖關節中心參數；根據兩髖關節中心參數，利用三次樣條插值函數確定機器人踝關節和髖關節的運動軌跡。根據本專利技術實施例的另一方面，還提供了一種基于改良粒子群算法的機器人穩定步態規劃裝置，包括：第一確定模塊，用于確定適應度函數值，并根據適應度函數值，利用粒子群算法對粒子的速度和位置進行更新；變異模塊，用于對粒子進行變異，并重新確定適應度函數值；循環模塊，用于循環調用第一確定模塊和變異模塊，直至滿足預設次數；第二確定模塊，用于確定適應度函數值最大時的兩髖關節中心參數；第三確定模塊，用于根據兩髖關節中心參數，利用三次樣條插值函數確定機器人踝關節和髖關節的運動軌跡。在本專利技術實施例中，對傳統的粒子群算法進行改良，通過確定適應度函數值，并根據適應度函數值，利用粒子群算法對粒子的速度和位置進行更新，之后對粒子進行變異，并重新確定適應度函數值，然后循環上述所有步驟，直至滿足預設次數，確定適應度函數值最大時的兩髖關節中心參數，然后根據兩髖關節中心參數，利用三次樣條插值函數確定機器人踝關節和髖關節的運動軌跡，達到了避免陷入局部最優解的目的，從而實現了機器人穩定步態的技術效果，進而解決了現有技術中使用粒子群算法進行機器人步行軌跡優化時由于迭代次數的增加造成陷入局部最優解無法跳出的技術問題。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：圖1是根據本專利技術實施例1的一種基于改良粒子群算法的機器人穩定步態規劃的方法流程圖；圖2是根據本專利技術實施例1的機器人雙腿關節結構圖；圖3是根據本專利技術實施例1的機器人髖關節液壓機構原理圖；圖4是根據本專利技術實施例1的機器人膝關節液壓機構原理圖；圖5是根據本專利技術實施例1的機器人踝關節液壓機構原理圖；圖6是根據本專利技術實施例1的利用D-H建模方法建立機器人雙腿模型的示意圖；圖7是根據本專利技術實施例1的應用邊界條件一和邊界條件二時左踝關節在x方向運動曲線對比圖；圖8是根據本專利技術實施例1的應用邊界條件一和邊界條件二時左踝關節在z方向運動曲線對比圖；圖9是根據本專利技術實施例1的單腳支撐的穩定區域示意圖；圖10是根據本專利技術實施例1的雙腳支撐的穩定區域示意圖；圖11是根據本專利技術實施例1的適應度函數的變化曲線示意圖；圖12是根據本專利技術實施例1的ZMP軌跡示意圖；圖13是根據本專利技術實施例1的x-z方向軌跡曲棍圖；圖14是根據本專利技術實施例1的三維步態軌跡曲棍圖；以及圖15是根據本專利技術實施例2的一種基于改良粒子群算法的機器人穩定步態規劃的裝置結構圖。具體實施方式為了使本
的人員更好地理解本專利技術方案，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分的實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本專利技術保護的范圍。需要說明的是，本專利技術的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等是用于區別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數據在適當情況下可以互換，以便這里描述的本專利技術的實施例能夠以除了在這里圖示或描述的那些以外的順序實施。此外，術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統、產品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或對于這些過程、方法、產品或設備固有的其它步驟或單元。以下為本專利技術中使用到的部分名詞解釋：步態規劃，指根據步行要求，給定步態中踝關節及髖關節在各關鍵時刻徑向和側向的位置及邊界條件，求出一條過這些關鍵點的最優有效路徑。零力矩點(ZMP)，是仿人機器人所受的重力和慣性力的合力延長線與支撐地面的交點,在該點處地面反力的合力矩沿水平面內的兩個垂直方向的分量為零。穩定區域，即滿足將機器人足底與地面之間所有接觸點都包含在內的最小多邊形區域。穩定裕度，是指ZMP到穩定區域各邊界距離的最小值。顯然,ZMP穩定裕度越大,步態的穩定性越好,仿人機器人步行時的抗干擾能力也越強。實施例1根據本專利技術實施例，提供了一種基于改良粒子群算法的機器人穩定步態規劃的方法實施例，需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計算機可執行指令的計算機系統中執行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執行所示出或描述的步驟。圖1是根據本專利技術實施例的基于改良粒子群算法的機器人穩定步態規劃方法，如圖1所示，該方法包括如下步驟：步驟S100，確定適應度函數值，并根據適應度函數值，利用粒子群算法對粒子的速度和位置進行更新。步驟S102，對粒子進行變異，并重新確定適應度函數值。步驟S104，循環上述所有步驟，直至滿足預設次數。具體的，預設次數可以根據實際情況進行設置，本專利技術對預設次數的具體數值不做限定，其中，步驟S104中的“循環上述所有步驟”指的是循環步驟S100和步驟S102，即步驟S102中確定了適應度函數值之后，再執行步驟S100時使用的適應度函數值為步驟S102中確定的適應度函數值。步驟S106，確定適應度函數值最大時的兩髖關節中心參數。步驟S108，根據兩髖關節中心參數，利用三次樣條插值函數確定機器人踝關本文檔來自技高網...

【技術保護點】
一種基于改良粒子群算法的機器人穩定步態規劃方法，其特征在于，包括：確定適應度函數值，并根據所述適應度函數值，利用粒子群算法對粒子的速度和位置進行更新；對粒子進行變異，并重新確定所述適應度函數值；循環上述所有步驟，直至滿足預設次數；確定所述適應度函數值最大時的兩髖關節中心參數；根據所述兩髖關節中心參數，利用三次樣條插值函數確定所述機器人踝關節和髖關節的運動軌跡。

【技術特征摘要】
1.一種基于改良粒子群算法的機器人穩定步態規劃方法，其特征在于，包括：確定適應度函數值，并根據所述適應度函數值，利用粒子群算法對粒子的速度和位置進行更新；對粒子進行變異，并重新確定所述適應度函數值；循環上述所有步驟，直至滿足預設次數；確定所述適應度函數值最大時的兩髖關節中心參數；根據所述兩髖關節中心參數，利用三次樣條插值函數確定所述機器人踝關節和髖關節的運動軌跡。2.根據權利要求1所述的方法，其特征在于，所述確定適度函數值的步驟包括：根據零力矩點的類穩定裕度確定所述適應度函數值。3.根據權利要求2所述的方法，其特征在于，所述根據零力矩點的類穩定裕度確定所述適應度函數值的步驟包括：確定所述機器人運動的不同階段時的目標函數和權重；根據所述機器人運動的不同階段時的目標函數和權重確定所述適應度函數值。4.根據權利要求3所述的方法，其特征在于，所述機器人運動的不同階段包括：雙腳支撐左腳在前、左腳支撐、雙腳支撐右腳在前和右腳支撐。5.根據權利要求4所述的方法，其特征在于，所述根據零力矩點的類穩定裕度確定所述適應度函數值的步驟中使用如下公式：雙腳支撐左腳在前時的目標函數為：f1=Σi=n1n2(xZMP(i)-cx(i))2+(yZMP(i)-cy(i))2;]]>左腳支撐時的目標函數為：f2=λΣi=n2n3|xZMP(i)-cx(i)|+μΣi=n2n3|yZMP(i)-cy(i)|;]]>雙腳支撐右腳在前時的目標函數為：f3=Σi=n3n4(xZMP(i)-cx(i))2+(yZMP(i)-cy(i))2;]]>右腳支撐時的目標函數為：f4=λΣi=n4n5|xZMP(i)-cx(i)|+μΣi=n4n5|yZMP(i)-cy(i)|;]]>適應度函數值為：f＝βf1+αf2+βf3+αf4；其中，f1、f2、f3、f4和f分別表示雙腳支撐左腳在前時的目標函數、左腳支撐時的目標函數、雙腳支撐右腳在前時的目標函數、右腳支撐時的目標函數和適應度函數值，n1、n2、n3、n4和n5分別表示所述機器人在步行時的五個時刻，i取值為n1、n2、n3、...

【專利技術屬性】
技術研發人員：張穎，孫先濤，李晗，李楠，董芹鵬，
申請(專利權)人：航天科工智能機器人有限責任公司，
類型：發明
國別省市：北京;11