楊莉莉

YANG Li-li

(淄博職業(yè)學院，淄博 255314)

0 引言

隨著機器人應(yīng)用領(lǐng)域的不斷拓展，作為仿生機器人領(lǐng)域的跳躍機器人，因自身的結(jié)構(gòu)特點從而具有較強的環(huán)境適應(yīng)能力，在實際應(yīng)用時，能夠模擬袋鼠、青蛙等動物的跳躍方式，輕松躍過數(shù)倍于自身高度的障礙物或低洼場地、溝渠、坑道，可替代人類用于危急情況下復雜地段的作業(yè)，因而在考古、軍事、勘探、救援等領(lǐng)域中有廣泛應(yīng)用，此外，對跳躍機器人的研究有助于提高人類對動物奔跑、跳躍運動機理的認識和掌握，對指導跳高跳遠等跳躍類運動具有很好的啟發(fā)意義。同時，跳躍機器人的研究涉及多體系統(tǒng)動力學、非線性動力學、穩(wěn)定性控制及優(yōu)化算法等多種學科基礎(chǔ)理論和關(guān)鍵技術(shù)，近年來一直是機器人研究領(lǐng)域的熱點和難點問題。

自1980年美國學者Raibert研制出世界上最早的單足彈跳機器人[1]以來，國內(nèi)外學者以此機器人模型為基礎(chǔ)開展了大量的研究[2]，如對機器人模型的穩(wěn)定性研究[3]、跳躍運動步態(tài)的研究[4]、動力學特性分析[5]以及相關(guān)的控制理論研究[6]等。作者[7]考慮機器人系統(tǒng)的非完整約束特性，通過引入遺傳算法，研究了單足跳躍機器人非完整運動規(guī)劃的最優(yōu)控制問題，得到控制系統(tǒng)運動的最優(yōu)控制規(guī)律，但從仿真實驗結(jié)果看，利用此方法得到的最優(yōu)控制輸入在系統(tǒng)運動的初始和終止時刻均不為零，不便于利用電機實現(xiàn)對機器人系統(tǒng)運動的控制。

為解決這一問題，本文利用樣條逼近方法替代文獻[7]中的傅里葉基逼近方法，在實際仿真實驗時選用三次樣條逼近方法進行擬合，通過粒子群優(yōu)化算法求得初值和終值均為零的最優(yōu)控制輸入，并在設(shè)定的運動周期內(nèi)控制機器人從初始位姿運動到期望的末端位姿。首先建立系統(tǒng)的動力學模型，在系統(tǒng)角動量守恒的情況下，將帶有非完整約束的系統(tǒng)運動規(guī)劃問題轉(zhuǎn)化成最優(yōu)控制問題，引入樣條逼近方法和粒子群優(yōu)化算法，得到系統(tǒng)姿態(tài)運動的優(yōu)化運動軌跡和在運動初始及終止時刻系統(tǒng)控制輸入均為零的最優(yōu)控制規(guī)律。文末結(jié)合算例進行了數(shù)值仿真，結(jié)果表明所提出的方法對非完整單足跳躍機器人姿態(tài)運動控制是有效的。

1 單足跳躍機器人模型

設(shè)單足跳躍機器人系統(tǒng)由本體和一條可轉(zhuǎn)動并能伸縮的可驅(qū)動腿構(gòu)成，如圖1所示，系統(tǒng)具有二個自由度，可做平面運動。根據(jù)多體系統(tǒng)動力學理論，在無外力矩作用時，系統(tǒng)的“約束”為角動量守恒，則有單足跳躍機器人系統(tǒng)的角動量[1]：

式中，I為機器人本體的慣性矩陣，m為腿的質(zhì)量，并假定集中在腳上，d 為上腿長度。q=為機器人系統(tǒng)位形參數(shù)，其中，為驅(qū)動腿相對于本體的轉(zhuǎn)角，l 為腿的伸縮量，為本體的轉(zhuǎn)角。

圖1 單足跳躍機器人模型

當機器人處于騰空狀態(tài)時，設(shè)系統(tǒng)初始角動量為零，則由式（1）可得：

由系統(tǒng)角動量守恒得到的式（3）為不可積的形式，即單足跳躍機器人系統(tǒng)具有不可積的角速度約束，也稱為非完整約束[8]。

2 系統(tǒng)姿態(tài)運動的優(yōu)化控制問題

由式（3）可知，q是u和t的函數(shù)。式（3）可視為單足跳躍機器人姿態(tài)運動（3個狀態(tài)變量）受控于2個控制輸入的控制系統(tǒng)。當給定系統(tǒng)運動的初始位形和末端位形后，通過優(yōu)化給定的目標函數(shù)可以求得一組最優(yōu)控制輸入控制系統(tǒng)在運動周期T內(nèi)從q0運動到qf。

當系統(tǒng)運動時，其姿態(tài)會發(fā)生相應(yīng)的變化，當姿態(tài)快速變化時，會消耗較多的能量[9]，因此，可將能耗作為系統(tǒng)運動的優(yōu)化目標。根據(jù)最小能量原理，選擇機器人姿態(tài)運動時消耗的能量作為最優(yōu)控制目標，其目標函數(shù)可表示為：

將式（5）代入式（4）中，即可求得系統(tǒng)的目標函數(shù)值，將控制輸入向量λ視為新的控制變量，考慮系統(tǒng)運動到末端位置的精度約束，引入罰函數(shù)法，則式（4）可表示為：

3 系統(tǒng)運動規(guī)劃的粒子群優(yōu)化算法

粒子群優(yōu)化算法[10]（簡稱PSO），是基于鳥類集群覓食行為而提出的一種模擬群體進化的智能優(yōu)化算法。在利用該算法時，每個備選解都被視為一只鳥，稱為“粒子”。多個“粒子”構(gòu)成鳥群，在搜索空間內(nèi)尋優(yōu)。每個粒子都有一個目標函數(shù)值，在搜索時不斷優(yōu)化該值來跟蹤當前群體的最優(yōu)位置，此外，粒子還有一個速度決定它們飛翔的方向和距離。實際計算應(yīng)用時，每個粒子的初始位置和速度隨機產(chǎn)生，通過迭代進化在解空間內(nèi)搜尋最優(yōu)解。設(shè)每個粒子的維數(shù)為D維，第i個粒子的位置矢量為速度矢量

其中w為慣性因子； 1 2,c c 為加速因子，其取值為正常數(shù)；之間均勻分布的隨機數(shù)；粒子的第維的位置和速度變化均有固定取值范圍，在迭代時，若粒子的位置和速度超過邊界范圍則取邊界值。

應(yīng)用于非完整單足跳躍機器人系統(tǒng)姿態(tài)運動規(guī)劃的粒子群優(yōu)化算法，其計算步驟如下：

2）更新粒子速度和位置。根據(jù)式（7）和式（8）更新粒子的速度和位置。

3）判斷是否需更新目標函數(shù)值。根據(jù)式（6）計算每個粒子的目標函數(shù)值。如果當前的目標函數(shù)值優(yōu)于更新前的目標函數(shù)值，則更新目標函數(shù)值。若所得的Pi和Pg值優(yōu)于更新前的Pi和Pg值，則更新Pi和Pg值。

4） 檢驗終止條件。若程序達到預先設(shè)定的最大迭代次數(shù)，則終止程序并輸出最優(yōu)解，否則轉(zhuǎn)到步驟2）繼續(xù)迭代直到到達最大迭代次數(shù)。

4 基于樣條逼近的算例仿真

以單足跳躍機器人模型為算例，如圖1所示。設(shè)定系統(tǒng)的質(zhì)量幾何參數(shù)為：

仿真實驗時，取T=5s，將[0,T]進行5等份，令控制輸入的初值和終值均為零，則每個控制輸入對應(yīng)的參數(shù)個數(shù)為4，兩個控制輸入對應(yīng)的λ的維數(shù)為8。取粒子群優(yōu)化算法的控制參數(shù)[11]分別為：粒子個數(shù)n=1 5，粒子維數(shù)D=8，加速因子

設(shè)以角度的逆時針旋轉(zhuǎn)為正，給定系統(tǒng)運動的初始和末端位形分別為：算法經(jīng)過500次迭代求得最優(yōu)解，仿真結(jié)果如圖2 和圖3 所示。其中，圖2（a）、（b）、（c）分別為系統(tǒng)3個位形參數(shù)的變化規(guī)律，圖3（a）、（b）分別為最優(yōu)控制輸入規(guī)律。從圖中可以看出，機器人在設(shè)定的運動周期5s內(nèi)，系統(tǒng)可以從初始位形運動到預先設(shè)定的目標位形，且在初始和終止時刻最優(yōu)控制輸入值均為零，便于利用電機實現(xiàn)對機器人運動的控制。求得目標函數(shù)最優(yōu)值為J=696.1112。

圖2 單足跳躍機器人位形參數(shù)變化軌跡

圖3 單足跳躍機器人運動最優(yōu)控制輸入規(guī)律

5 結(jié)論

本文針對帶有非完整約束的單足跳躍機器人系統(tǒng)模型，將樣條逼近技術(shù)和粒子群優(yōu)化算法引入到其姿態(tài)運動規(guī)劃的最優(yōu)控制問題中，求得了機器人從初始姿態(tài)運動到末端姿態(tài)的優(yōu)化運動軌跡，且得到的最優(yōu)控制輸入的初值和終值均為零，在實際應(yīng)用中，如用電機控制系統(tǒng)運動，則電機的初始和終止速度均為零，可方便的通過電機實現(xiàn)機器人姿態(tài)的運動控制。這一方法解決了利用傅里葉展開技術(shù)得到的控制輸入的初始和終止速度均不為零的問題。數(shù)值仿真實驗結(jié)果表明了該方法的有效性。

此外，粒子群優(yōu)化算法還具有結(jié)構(gòu)簡單、參數(shù)較少，易于編程，收斂速度快等優(yōu)點，也更適用于工程應(yīng)用。同時，在運動規(guī)劃中應(yīng)用樣條逼近控制輸入是一種新的有益嘗試，這一方法也為解決其他非完整系統(tǒng)的運動控制問題提供了一個有效的新途徑。

[1] Raibert M H. Legged robots that balance[M].The MIT Press, Cambridge:MA,1986.

[2] 李保江,朱劍英.彈跳式機器人研究綜述[J].機械科學與技術(shù), 2005,24(7): 803-807.

[3] Koditschek D E, Buhler M. Analysis of a simplified hopping robot[J].International Journal of Robotics Research, 1991, 10(6): 587-605.

[4] 葛文杰,沈允文,楊方.仿袋鼠機器人跳躍運動步運動學[J].機械工程學報,2006,42(5):22-26.

[5] 楊文綱,陸震,單足跳躍機器人動力學建模與仿真[J].機械與電子,2006,(10):45-48.

[6] 趙明國,裘有斌,陳向,李嘉.單足氣動跳躍機器人的基于時間事件控制方法[J].機器人, 2012,34(5) : 525-530.

[7] 楊莉莉.跳躍機器人非完整運動規(guī)劃的數(shù)值算法研究[J].制造業(yè)自動化,2013,35 (7):86-89.

[8] Murray R M, Sastry S S. Nonholonomic motion planning: steering using sinusoids[J].IEEE Transactions on Automatic Control.1993,38(5):700-716.

[9] 蘇鵬,何廣平,徐明.基于能量最小耗散原則的跳躍機器人運動仿真研究[J].機械設(shè)計與制造,2012,(4):171-173.

[10] 曾建潮,介婧,崔志華.微粒群算法[M].北京:科學出版社, 2004.

[11] 楊莉莉.不確定性機器人軌跡跟蹤控制的粒子群算法[J].制造業(yè)自動化,2013,35 (9):80-82.