四足机器人运动状态聚类与自主决策方法技术

一种四足机器人运动状态聚类与自主决策方法，包括以下步骤：（1）记录机器人各足迈步时对应的迈步时间序列进行时域特征提取，记录机器人不同稳定状态时对应的躯干横滚角的变化，进行时域特征提取，并分别将其聚类；（3）建立四足机器人运动性能的综合评价函数；（4）根据综合评价函数，进行四足机器人通过复杂地形的实验，得到机器人自主决策中的相关参数；（5）根据确定的自主决策中的相关参数及机器人运动过程中实时的迈步时间和躯干横滚角信息实现控制参数的自主决策，自主生成与当前行走地形与机器人运动状态相适应的运动。该方法综合利用迈步时间和当前稳定性聚类分析结果，进行自主决策，实现四足机器人对地形的自适应性，保证控制的实时性。

【技术实现步骤摘要】
四足机器人运动状态聚类与自主决策方法
本专利技术涉及一种用于四足仿生机器人运动状态聚类与自主决策的方法，能够使四足仿生机器人在复杂度较高的地形上行走时，能够根据自身运动状态数据，对自身状态进行聚类分析，并根据分析结果进行自主决策，以提高其自身状态的地形适应性与自主性，属于机器人控制领域。
技术介绍
复杂地形环境具有突出的复杂多样性，是造成四足机器人各种运动困难和遭遇险情的主要原因。准确地感知机器人在复杂地形上行走时的实时运动状态，是制定符合当前运动状态的控制策略，实现稳定行走的重要前提。在四足机器人运动状态感知的研究方面，“足式机器人本体运动状态估计方法研究”(沈阳理工大学硕士学位论文,2014)主要针对四足机器人的本体运动状态进行研究，提出了基于运动学模型的本体速度状态计算方法，实现了对四足机器人本体速度状态的感知；“四足仿生机器人状态信息分布式并行感知系统设计”(中南大学硕士学位论文,2013)中研究了四足仿生机器人高实时性和可靠性的状态感知系统设计方法以及状态感知核心单元硬件的设计方法，分析了四足仿生机器人结构与状态信息，建立了状态感知系统结构，并给出了解决状态感知实时性和可靠性问题的办法；“Real-timefootattitudeestimationforahumanoidrobotbasedoninertialsensorsandforcesensor”(RoboticsandBiomimetics,2008.ROBIO2008.IEEEInternationalConferenceon.IEEE,2009:365-370)中利用MEMS三轴加速度传感器以及三个单轴的角速率陀螺仪得到相关信息,来实现双足机器人足部姿态的实时感知。目前，虽然部分成果对机器人的运动状态感知方面开展了一定的研究，但是未能针对四足机器人在复杂地形上行走时，其自身运动状态的典型特点，给出相匹配的运动状态实时分析方法，且未对运动状态分析的结果进行后续的深入分析，不能实现机器人对运动参数的自主决策。
技术实现思路
为解决现有技术存在的不能实现机器人对运动参数的自主决策的问题，本专利技术提供一种四足机器人在使用静步态行走时，利用聚类算法对四足机器人运动状态进行聚类分析并进而实现自主决策方法，以提高四足机器人在复杂、未知地形环境中的自主性与地形适应性。本专利技术的四足机器人运动状态聚类与自主决策方法，具体包括以下步骤：(1)记录机器人在具有不同崎岖度的地形上行走过程中各足迈步时对应的迈步时间序列，对该序列进行时域特征提取，并根据所提取的时域信息使用模糊聚类方法，将其聚为3类；(2)记录机器人运动过程中具有不同稳定状态时对应的躯干横滚角的变化，进行时域特征提取，并根据所提取的时域信息使用模糊聚类方法，将其聚为3类；(3)综合机器人运动过程中的能耗、稳定性评价指标，建立四足机器人运动性能的综合评价函数J(t)；(4)根据综合评价函数，在不同的迈步时间聚类和稳定性聚类状态下分别进行四足机器人通过复杂地形的实验，并分析实验数据，得到机器人自主决策中的相关参数；(5)根据确定的自主决策中的相关参数及机器人运动过程中实时的迈步时间和躯干横滚角信息实现控制参数的自主决策，自主生成与当前行走地形与机器人运动状态相适应的运动。所述步骤(1)中进行时域特征提取的过程是：记四足机器人在第i次迈步过程中，由抬足开始到触地所花费的时间为ti，将四足机器人在行走过程中各足迈步时间存入数组S中，如下式所示：S＝(t1,t2,…,ti,…,tp)，提取数组S的时域特征，包括：①最大值②最小值③峰峰值④平均值⑤标准差所述步骤(2)中进行时域特征提取的过程是：使用躯干姿态的横滚角衡量机器人的平稳性，将四足机器人运动过程中躯干横滚角角度变化存入数组R中，如下式所示：R＝(α1,α2,…,αq)，综合上述特征信息，组成特征矩阵ST：提取数组R的时域特征，包括：①最大值②最小值③平均值④标准差综合上述特征信息，组成特征矩阵RT：所述步骤(1)和步骤(2)中使用模糊聚类方法的步骤如下所述：①初始化隶属度U＝[uij]矩阵U(0)；②计算聚类中心向量C(k)＝[cj]；③更新隶属度矩阵U(k)和U(k+1)；④如果||U(k+1)-U(k+1)||<ε，停止迭代。所述步骤(3)的具体过程是；①机器人的能耗评价：使用机器人躯干运动的加速度，衡量其在重心调整阶段中的能量消耗，如下式：其中，Bcy(t)表示的是机器人在重心调整过程中沿侧方向上的运动轨迹。②机器人的稳定性评价：使用躯干姿态的横滚角衡量机器人运动过程中的稳定性，记α(t)表示机器人运动过程中躯干横滚角的变化，则对应的稳定性评价函数αJ(t)，如下式：αJ(t)＝∫|α(t)|dt，③机器人运动评价函数J(t)为：J(t)＝BJ(t)+FJ(t)。本专利技术对机器人行走过程中各足的迈步时间进行聚类分析，间接评价所行走地形的崎岖度；利用躯干横滚角角度进行运动状态进行聚类分析，以评估机器人的稳定状态。综合利用迈步时间和当前稳定性聚类分析结果，进行自主决策，实现四足机器人对地形的自适应性。具有以下有益效果：1.机器人能够通过自身运动状态，包括迈步时间、躯干姿态角的变化对自身运动状态做出准确地评估，能够在不依靠视觉设备的情况下，获得当前行走地形的崎岖度及其对机器人稳定性的影响；2.给出的运动状态聚类分析方法，可对运动状态进行合理归类，能够有效地降低控制策略决策的复杂度，保证控制系统的实时性；3.运动规划过程中兼顾了机器人运动的平稳性与能耗，优化了机器人的运动性能；4.能够实现四足机器人在复杂地形环境中的自主决策，提高了其自主性，进而提高了智能化水平。附图说明图1是十二自由度四足仿生机器人的仿真模型图。图2是稳定欲度Sm的示意图。图3是机器人的步态流程图。图4是机器人摆动足的矩形足底轨迹。图5是最优参数训练流程(仿真实验流程)图。图6是机器人仿真实验示例图。图7是机器人步态控制流程图。具体实施方式本专利技术的研究对象为仿生四足机器人，如图1所示，其具有十二个自由度。四足仿生机器人具有多种行走步态，能够在具有不同复杂度的地形上稳定行走。在复杂度较高的地形上，四足机器人一般使用静步态能够有效增加其稳定能力。当机器人在使用静步态行走时，往往通过躯干在侧方向上的调整，增加其自身的稳定性，为了使机器人具有足够的稳定欲度，因此在静步态规划中一般设置一个最小稳定裕度(Sm)，如图2所示。机器人通过躯干在侧方向上的运动，增加了其在行走过程中的稳定裕度。但是，如果Sm的值设置较大，本文档来自技高网...

【技术保护点】
1.一种四足机器人运动状态聚类与自主决策方法，其特征是，包括以下步骤：/n(1)记录机器人在具有不同崎岖度的地形上行走过程中各足迈步时对应的迈步时间序列，对该序列进行时域特征提取，并根据所提取的时域信息使用模糊聚类方法，将其聚为3类；/n(2)记录机器人运动过程中具有不同稳定状态时对应的躯干横滚角的变化，进行时域特征提取，并根据所提取的时域信息使用模糊聚类方法，将其聚为3类；/n(3)综合机器人运动过程中的能耗、稳定性评价指标，建立四足机器人运动性能的综合评价函数；/n(4)根据综合评价函数，在不同的迈步时间聚类和稳定性聚类状态下分别进行四足机器人通过复杂地形的实验，得到机器人自主决策中的相关参数；/n(5)根据确定的自主决策中的相关参数及机器人运动过程中实时的迈步时间和躯干横滚角信息实现控制参数的自主决策，自主生成与当前行走地形与机器人运动状态相适应的运动。/n

【技术特征摘要】
1.一种四足机器人运动状态聚类与自主决策方法，其特征是，包括以下步骤：
(1)记录机器人在具有不同崎岖度的地形上行走过程中各足迈步时对应的迈步时间序列，对该序列进行时域特征提取，并根据所提取的时域信息使用模糊聚类方法，将其聚为3类；
(2)记录机器人运动过程中具有不同稳定状态时对应的躯干横滚角的变化，进行时域特征提取，并根据所提取的时域信息使用模糊聚类方法，将其聚为3类；
(3)综合机器人运动过程中的能耗、稳定性评价指标，建立四足机器人运动性能的综合评价函数；
(4)根据综合评价函数，在不同的迈步时间聚类和稳定性聚类状态下分别进行四足机器人通过复杂地形的实验，得到机器人自主决策中的相关参数；
(5)根据确定的自主决策中的相关参数及机器人运动过程中实时的迈步时间和躯干横滚角信息实现控制参数的自主决策，自主生成与当前行走地形与机器人运动状态相适应的运动。


2.根据权利要求1所述的四足机器人运动状态聚类与自主决策方法，其特征是，所述步骤(1)中进行时域特征提取的过程是：
记四足机器人在第i次迈步过程中，由抬足开始到触地所花费的时间为ti，将四足机器人在行走过程中各足迈步时间存入数组S中，如下式所示：
S＝(t1,t2,…,ti,…,tp)，
提取数组S的时域特征，包括：
①最大值



②最小值
③峰峰值
④平均值
⑤标准差


3.根据权利要求1所述的四足机器人运动状态聚类与自主决策方法，其特征是，所述步骤(2)中进行时域特征提取的过程是：
使用躯干姿态的横滚角衡量机器人的平稳性，将四足机器人运动过程中躯干横滚角角度变化存入数组R中，如下式所示：
R＝(α1,α2,…,αq)，
综合上述特征信息，组成特征矩阵ST：



提取数组R的时域特征，包括：...

【专利技术属性】
技术研发人员：张帅帅，朱其刚，尹燕芳，刘明，荣学文，范永，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37