王剛，韓金華，韓世凱，陳曦，葉秀芬

?

基于CPG的仿蟹機(jī)器人復(fù)雜地形步態(tài)生成方法

王剛1,2，韓金華3，韓世凱2，陳曦4，葉秀芬3

(1. 哈爾濱工程大學(xué)船舶工程學(xué)院，黑龍江哈爾濱，150001；2. 哈爾濱工程大學(xué)水下機(jī)器人技術(shù)重點實驗室，黑龍江哈爾濱，150001；3. 哈爾濱工程大學(xué)自動化學(xué)院，黑龍江哈爾濱，150001；4. 黑龍江工程學(xué)院機(jī)電工程學(xué)院，黑龍江哈爾濱，150050)

為了提高仿蟹機(jī)器人的復(fù)雜環(huán)境適應(yīng)性，提出一種基于生物神經(jīng)反射機(jī)理的自適應(yīng)復(fù)雜地形步態(tài)生成方法。首先，采用互抑神經(jīng)元振蕩器構(gòu)建仿蟹機(jī)器人CPG運動控制網(wǎng)絡(luò)模型；其次，利用具有良好逼近能力的前饋神經(jīng)網(wǎng)絡(luò)將CPG輸出的節(jié)律信號映射為步行足足端軌跡；然后，在CPG模型中引入基于力傳感器觸發(fā)的反射機(jī)制，實現(xiàn)了機(jī)器人自適應(yīng)復(fù)雜地形步態(tài)生成；最后，通過仿蟹機(jī)器人復(fù)雜地形運動控制的實驗研究，驗證所提出的基于生物神經(jīng)反射機(jī)理的自適應(yīng)復(fù)雜地形步態(tài)生成方法的有效性。

仿蟹機(jī)器人；中樞模式發(fā)生器(CPG) ；步態(tài)生成；復(fù)雜地形

科學(xué)家們借鑒多足動物獨特的運動方式，研制了各種各樣的足式仿生機(jī)器人，與傳統(tǒng)的移動機(jī)器人相比具有更好的環(huán)境適應(yīng)性、靈活性及運動作業(yè)能力[1]。多足機(jī)器人研究領(lǐng)域一個重大技術(shù)難題就是運動的控制，特別是多足協(xié)調(diào)控制，常見的多足仿生機(jī)器人運動控制方法主要有3種，分別為基于模型、行為以及仿生的控制方法[2?3]?；谀Ｐ偷姆椒ú捎媒?規(guī)劃?控制的思路，能夠完成精確復(fù)雜的任務(wù)，但缺點是建模繁瑣、運動規(guī)劃復(fù)雜、環(huán)境適應(yīng)性差；基于行為的方法采用感知?反射的思路，控制簡單靈活、具有較好的環(huán)境適應(yīng)性，但是不能對任務(wù)作出全局規(guī)劃，缺乏高層調(diào)節(jié)能力；仿生控制是對生物自身控制機(jī)制的工程模擬和實現(xiàn)，與其他2種控制方法相比，其具有更好的柔順性和環(huán)境適應(yīng)性，其中廣泛采用的一種是基于中樞模式發(fā)生器(CPG)的控制方法[4?5]。該方法模擬哺乳動物的低級神經(jīng)中樞，能自發(fā)產(chǎn)生穩(wěn)定振蕩，從而激發(fā)機(jī)體節(jié)律性運動[6]。避免了復(fù)雜的動力學(xué)建模，具有控制簡單、易調(diào)節(jié)、參數(shù)化整定、耦合性強(qiáng)等特點，適合多足仿生機(jī)器人運動控制[7]。多足仿生機(jī)器人研究領(lǐng)域一個重要的課題就是如何實現(xiàn)復(fù)雜地形下自適應(yīng)步態(tài)生成[8]。KIMURA等[9]通過對哺乳動物神經(jīng)系統(tǒng)的模仿，利用生物反射建模實現(xiàn)了四足機(jī)器人的CPG控制，完成了不平坦路面自適應(yīng)行走的功能；ARENA等[10]采用CNN-CPG的底層步態(tài)控制和MMC的高層姿態(tài)控制體系相結(jié)合的方法，解決了機(jī)器人復(fù)雜地貌行走問題，實現(xiàn)了機(jī)器人在不平路面上的自適應(yīng)控制；TRAN等[11]采用一種新型的CPG對四足機(jī)器人步態(tài)進(jìn)行控制，該CPG模型中通過與傅里葉變換和自循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)合，可以產(chǎn)生穩(wěn)定節(jié)律信號，而且在加入反饋機(jī)制和姿態(tài)調(diào)節(jié)模塊后，可以實現(xiàn)未知環(huán)境的穩(wěn)定性走。ZHANG等[12?13]基于MATSUOKA微分振蕩模型進(jìn)行了四足機(jī)器人Biosbot的CPG控制實驗，實現(xiàn)了平坦路面的節(jié)律性行走和上下坡、越障、避障等功能；曾翔宇等[14]針對四足機(jī)器人在溝壑類或下臺階等非連續(xù)地形行走時出現(xiàn)的姿態(tài)失穩(wěn)問題，提出了模仿生物神經(jīng)反射機(jī)理的抗垂直慣性力平衡控制方法，并進(jìn)行了跨越溝壑和下臺階實驗。以往在復(fù)雜地形自適應(yīng)行走研究中大多是將非結(jié)構(gòu)化地貌進(jìn)行簡化，機(jī)器人可以利用跨越的方式通過，實際環(huán)境中大多數(shù)的地貌都是凹凸不平的，無法用跨越的方式通過，當(dāng)機(jī)器人通過時，會對機(jī)體造成較大波動。本文作者以仿蟹機(jī)器人為研究對象，提出一種模仿生物神經(jīng)反射機(jī)理的自適應(yīng)平衡控制方法，采用基于Hopf振蕩器構(gòu)建的CPG網(wǎng)絡(luò)結(jié)構(gòu)與神經(jīng)網(wǎng)絡(luò)配合實現(xiàn)了波形步態(tài)的生成，在CPG模型中引入反射機(jī)制，實現(xiàn)了復(fù)雜地形的自適應(yīng)平衡控制，并進(jìn)行了樣機(jī)實驗，驗證了該方法的有效性。

1 仿蟹機(jī)器人CPG模型

1.1 神經(jīng)振蕩器模型建立

CPG可以產(chǎn)生周期性的節(jié)律信號用于多足機(jī)器人步態(tài)的生成。本文采用Hopf振蕩器作為節(jié)律信號發(fā)生器，模型結(jié)構(gòu)如圖1所示。該振蕩器模型的優(yōu)點是具有穩(wěn)定的諧波極限環(huán)，并且極限環(huán)的形狀不依賴于參數(shù)的選擇，輸出信號可調(diào)節(jié)。

●—抑制連接；○—興奮連接

圖1 振蕩器模型

Fig. 1 Oscillator model

2個互抑神經(jīng)元組成的振蕩器模型為

式中：和分別為興奮、抑制神經(jīng)元的輸出；和(＞0和＞0)分別為影響系統(tǒng)振蕩振幅和頻率的常數(shù)；(＞0)為控制振蕩系統(tǒng)收斂速度的常數(shù)；p和p為外界反射信號輸入。

當(dāng)無反射時，即p=p=0，1個典型的振蕩器非線性微分方程如下式所示。

1.2 極限環(huán)的存在性和穩(wěn)定性

從式(2)可以看出：點(0,0)是1個奇點，且是系統(tǒng)的不穩(wěn)定平衡點。要證明其極限環(huán)的存在性，取 函數(shù)

則

由于＞0，所以，

由Bendixson?Dulac定理可知：該振蕩系統(tǒng)最多存在1個極限環(huán)，若極限環(huán)存在，一定是穩(wěn)定極限環(huán)。前面已經(jīng)證明極限環(huán)存在，因此，該極限環(huán)一定是唯一穩(wěn)定存在的。任意給出一組參數(shù)：=2，=1，=2π，當(dāng)系統(tǒng)無外部反饋輸入，得到的神經(jīng)振蕩器的極限環(huán)如圖2所示。由圖2可知：無論振蕩器的初始狀態(tài)如何，都會產(chǎn)生周期的節(jié)律震蕩，最終收斂到極限環(huán)。

1.3 互耦振蕩器相對相位預(yù)測

為了實現(xiàn)仿蟹機(jī)器人波形步態(tài)的生成，需要對振蕩器之間的耦合機(jī)制進(jìn)行研究。構(gòu)建2個振蕩器的耦合模型如圖3所示。該模型可以用下列非線性微分方程組表示：

圖2 神經(jīng)振蕩器極限環(huán)

圖3 2個互相耦合的振蕩器

式中：為狀態(tài)變量的相位；為狀態(tài)變量的幅值；0為無擾動下系統(tǒng)自然振蕩角頻率；F(，)為半徑的隨時間動態(tài)變化；和p分別為外界擾動作用到狀態(tài)變量相位和幅值上的成分。

對于2個互相耦合的振蕩器，其相對相位可用下式計算：

式中：1和2分別為互耦振蕩器1和2的相位；d為2個互耦振蕩器的相對相位。

為使互耦振蕩器間相對相位可以預(yù)測，定義2個旋轉(zhuǎn)矩陣1和2：

式中：R為旋轉(zhuǎn)矩陣旋轉(zhuǎn)角。

2個振蕩器之間的耦合關(guān)系為

式中：為2個振蕩器狀態(tài)變量間的耦合矩陣，在下面的研究中將其取為單位矩陣，表示1個振蕩器的變量將受到相耦合振蕩器變量的影響；為耦合常數(shù)；1和2為互耦振蕩器之間互相擾動成分，將式(11)和(12)代入式(13)可得：

通過分析系統(tǒng)狀態(tài)空間圖2可知：相位導(dǎo)數(shù)的變化只與相位方向上的擾動量有關(guān)系，也就是與極限環(huán)切向方向上的擾動量成分相關(guān)。與極限環(huán)相切的單位矢量可用下式進(jìn)行計算：

因此，2個耦合振蕩器相位之間的互相干擾成 分為

可以得到互耦振蕩器相位導(dǎo)數(shù)的差值：

由此可得：

當(dāng)2個振蕩器振蕩頻率相同時，即d=0，可知2個振蕩器相對相位可以由R唯一確定，計算公式如下：

引入旋轉(zhuǎn)矩陣后，兩互耦振蕩器非線性微分方程可表示為

1.4 仿蟹機(jī)器人CPG網(wǎng)絡(luò)構(gòu)建

仿蟹機(jī)器人具有多關(guān)節(jié)冗余自由度，如果每個關(guān)節(jié)都采用1個振蕩器進(jìn)行控制會使控制系統(tǒng)變得復(fù)雜，降低實時性和可控性。針對多足機(jī)器人常采用的波形步態(tài)，只要相鄰步行足之間相位差確定，步態(tài)類型就可以唯一確定。本研究中機(jī)器人的每條步行足采用1個Hopf振蕩器作為控制器，以減少振蕩器的數(shù)目，相鄰振蕩器之間連接表示相互耦合，利用振蕩器之間的相互耦合實現(xiàn)步行足間相對相位的預(yù)測，構(gòu)建仿蟹機(jī)器人CPG網(wǎng)絡(luò)如圖4所示。圖4中：，和為來自高層的控制信號，表示振蕩器振蕩頻率、振幅和步態(tài)占地系數(shù)，分別控制機(jī)器人運動的周期、步長和步態(tài)類型；xout和yout(=1，…，6)為各個振蕩器的輸出信號；CPG1，CPG3和CPG5控制機(jī)體一側(cè)的第1，3和5腿；CPG2，CPG4和CPG6控制機(jī)體另一側(cè)的第2，4和6腿。根據(jù)前面對互耦振蕩器的分析，建立仿蟹機(jī)器人CPG網(wǎng)絡(luò)數(shù)學(xué)模型為

圖4 仿蟹機(jī)器人CPG網(wǎng)絡(luò)

式中：=1，…，6，為機(jī)器人的腿序數(shù)；為與耦合的CPG對應(yīng)的腿序號；為耦合系數(shù)，為和2條步行足之間的相位差，滿足=?關(guān)系；為各個CPG的振蕩頻率，為了實現(xiàn)機(jī)器人運動速度的調(diào)整，利用下式建立占地系數(shù)與CPG振蕩頻率之間的關(guān)系：

式中：為1個極大的正整數(shù)；為自然振蕩角頻率；stance和swing分別為支撐相、擺動相頻率。由式(16)可知：狀態(tài)變量的振蕩頻率在和之間交替變化，當(dāng)＞0，振蕩頻率為，對應(yīng)步行足的支撐相；當(dāng)＜0其振蕩頻率為，對應(yīng)步行足的擺動相，如圖5所示，可以看出振蕩上升部分對應(yīng)步態(tài)的擺動相，此時狀態(tài)變量＜0；振蕩下降部分對應(yīng)步態(tài)的支撐相，相應(yīng)＞0。

圖5 運動相與節(jié)律信號之間的關(guān)系

2 基于神經(jīng)網(wǎng)絡(luò)足端軌跡生稱

要想將CPG模型生成的節(jié)律性信號用于機(jī)器人的運動控制，應(yīng)建立節(jié)律信號與關(guān)節(jié)驅(qū)動信號之間映射關(guān)系，將時變的節(jié)律信號通過前饋神經(jīng)網(wǎng)絡(luò)FFNN映射到單步行足的足端工作空間，直接對足端軌跡進(jìn)行控制。

為了實現(xiàn)非線性空間的轉(zhuǎn)換，采用激勵函數(shù)為Sigmoid函數(shù)型的2層FFNN，通過使用BP算法訓(xùn)練可以得到神經(jīng)元之間連接的權(quán)值。FFNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。由圖6可知：該神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層3層組成。輸入矢量為二維，代表了單個振蕩器輸出的節(jié)律信號；輸出層對應(yīng)的為三維，代表了單步行足的3個關(guān)節(jié)驅(qū)動變量；隱含層神經(jīng)元數(shù)目的增加會導(dǎo)致生成的足端點軌跡震蕩增加，綜合考慮隱含層神經(jīng)元的數(shù)目選為8個。

具體的訓(xùn)練過程如下。

1) 初始化，對所有權(quán)值賦以隨機(jī)任意小值。

2) 給定訓(xùn)練數(shù)據(jù)集，即提供輸入向量(CPG輸出的節(jié)律信號)和期望輸出向量(單腿三關(guān)節(jié)運動角度)，這里的訓(xùn)練集包含了4個樣本模式(，)(=1，2，3，4)，分別對應(yīng)=1/2，2/3，3/4和5/6這4種 步態(tài)。

3) 計算實際輸出：

4) 調(diào)整權(quán)值，按誤差反向傳播方向，基于權(quán)值修正公式，順次進(jìn)行輸出層和隱層之間結(jié)合權(quán)值的調(diào)整，以及隱層和輸入層之間結(jié)合權(quán)值的調(diào)整。

圖6 FFNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

5) 返回第2)步重復(fù)，直至誤差滿足權(quán)值要求 為止。

3 基于CPG環(huán)境適應(yīng)性步態(tài)生成

3.1 基于CPG波形步態(tài)生成

步態(tài)是指生物為了實現(xiàn)軀體移動所完成的各步行足間抬腿與落腿的順序關(guān)系[15]。對于平坦路面上行進(jìn)，在眾多的步態(tài)中，波形步態(tài)是效率最高且穩(wěn)定性最好的一種步態(tài)[16]。為了對仿蟹機(jī)器人波形步態(tài)生成和轉(zhuǎn)換進(jìn)行研究，首先給出6足動物波形步態(tài)的數(shù)學(xué)定義[17]：

式中：P為步行足處于擺動相的時間，與和無關(guān)，為恒值；W為步態(tài)周期，其取值范圍；為第條步行足第步的初始時刻。其中，擺動相時間P與占地系數(shù)滿足

由圖8可以看出：4種步態(tài)擺動相時間近似相同，而支撐相時間不同。占地系數(shù)=1/2時對應(yīng)的邁腿順序近似為：(4，5，1)和(6，3，2)(括號內(nèi)的數(shù)字代表同時邁步的步行足序數(shù))，擺動相和支撐相持續(xù)時間基本相同；=2/3時對應(yīng)的邁腿順序近似為：6，1，4，5，2和3，支撐相時間近似是擺動相時間的2倍；=3/4時對應(yīng)的邁腿順序近似為：(6，1)，4，(5，2)和3，支撐相時間近似是擺動相時間的3倍；=5/6時對應(yīng)的邁腿順序近似為：6，4，2，5，3和1，支撐相時間近似是擺動相時間的5倍。與文獻(xiàn)[17]中所提到的六足波形步態(tài)完全吻合，可見基于CPG模型仿蟹機(jī)器人波形步態(tài)的生成是可行的，驗證了前面建立的非線性振蕩器模型的正確性。

(a)=1/2；(b)=2/3；(c)=3/4；(d)=5/6 1—leg1；2—leg2；3—leg3；4—leg4；5—leg5；6—leg6。

圖7 CPG網(wǎng)絡(luò)輸出曲線

Fig. 7 Output curve of CPG network

(a)=1/2；(b)=2/3；(c)=3/4；(d)=5/6 □—代表擺動相；■—代表支撐相

圖8 步態(tài)時序圖

Fig. 8 Sequence diagram of gait

3.2 基于CPG自適應(yīng)控制研究

機(jī)器人在動態(tài)行走時，如果遇到凹凸不平的復(fù)雜地形，就會出現(xiàn)穩(wěn)定性差、機(jī)體波動劇烈等問題。為了使機(jī)器人能夠應(yīng)對這種復(fù)雜地形，必須建立合理的控制策略。本文借鑒生物觸覺反射的機(jī)理，針對凹凸不平復(fù)雜地形，建立了足端可達(dá)空間軌跡庫，通過變換足端軌跡來適應(yīng)復(fù)雜地形，增強(qiáng)機(jī)器人行走的穩(wěn)定性。反射運動由足端壓力信號觸發(fā)。

要實現(xiàn)機(jī)器人在復(fù)雜地形的自適應(yīng)控制，首先建立可達(dá)空間內(nèi)的足端軌跡庫。在機(jī)器人單腿坐標(biāo)系平面內(nèi)規(guī)劃足端軌跡，如圖9所示。

圖9中正向為機(jī)器人行進(jìn)方向，正向為垂直機(jī)體向上的方向，機(jī)器人在復(fù)雜地形行進(jìn)時，足端遇到的凸起和凹陷映射到平面內(nèi)表現(xiàn)為坐標(biāo)的不同。根據(jù)機(jī)器人的關(guān)節(jié)運動范圍通過運動學(xué)可以求解出足端可達(dá)空間，映射到平面可得足端在方向的運動范圍[?200，200] mm，這也是機(jī)器人步行足可以跨越的障礙和溝壑的范圍。將可達(dá)空間方向距離分為份(依據(jù)控制精度而定)，規(guī)劃出條形狀相同而坐標(biāo)不同的軌跡，存到軌跡庫。

圖9 足端軌跡規(guī)劃

機(jī)器人在平坦路面正常節(jié)律運動時，每個邁步周期內(nèi)單腿進(jìn)入支撐相的時刻是固定的，設(shè)定1個力閾值F，通過足端壓力傳感器檢測力值大小，當(dāng)檢測到的力大于力閾值時則認(rèn)為機(jī)器人觸地，可以得到機(jī)器人的正常觸地時刻touch。在＜touch時刻機(jī)器人檢測到足端壓力＞F，則認(rèn)為機(jī)器人踩到障礙觸地，觸發(fā)遇障反射；在=touch時刻機(jī)器人檢測到足端壓力=0，則認(rèn)為機(jī)器人踩到溝壑而沒有觸地，觸發(fā)踏空反射。機(jī)器人在凹凸不平復(fù)雜路面行走時，遇到障礙或溝壑相應(yīng)反射規(guī)劃足端軌跡曲線如圖10所示。

(a) 障礙；(b) 溝壑

圖10 復(fù)雜地形反射規(guī)劃曲線

Fig. 10 Planning trajectories of reflex over complex terrain

具體的遇障反射和踏空反射調(diào)節(jié)過程如下。

1) 遇障反射。機(jī)器人在行走過程中某條腿踩到障礙，該腿對應(yīng)CPG停振，在觸地點等待其他擺動腿發(fā)出觸地信號，在所有擺動腿都發(fā)出觸地信號后切換到支撐相，CPG重新起振，從軌跡庫中調(diào)用相應(yīng)的軌跡，驅(qū)動遇障腿按照新的軌跡運動，實現(xiàn)障礙路面平穩(wěn) 行走。

2) 踏空反射。機(jī)器人在行走過程中某條腿踩到溝壑，CPG網(wǎng)絡(luò)停止振蕩，所有腿等待，通過高層控制器驅(qū)動踏空腿實現(xiàn)搜索運動，踏空腿踩到溝壑底部，發(fā)出觸發(fā)信號，切換到支撐相，CPG網(wǎng)絡(luò)重新起振，從軌跡庫中調(diào)用相應(yīng)的軌跡，驅(qū)動踏空腿按照新的軌跡運動，使機(jī)器人平穩(wěn)通過溝壑路面。

4 實驗研究

為了試驗CPG 控制體系，本文搭建了六足仿蟹機(jī)器人實驗平臺，如圖11所示。該系統(tǒng)包括上位機(jī)控制終端、嵌入式PC104主控器、舵機(jī)驅(qū)動器。

圖11 仿蟹機(jī)器人控制體系

上位PC機(jī)控制終端通過TCP/IP網(wǎng)絡(luò)通信協(xié)議給嵌入式PC104主板發(fā)出控制指令，同時接收機(jī)器人自身狀態(tài)和外部環(huán)境的反饋信息，實現(xiàn)半自主控制；嵌入式PC104主板集成在機(jī)器人體內(nèi)，負(fù)責(zé)融合傳感信息通過內(nèi)部算法實現(xiàn)機(jī)器人運動規(guī)劃；舵機(jī)驅(qū)動器通過串口RS232與嵌入式PC104主板通信，接收運動指令驅(qū)動機(jī)器人運動。

4.1 平坦地面實驗

本節(jié)進(jìn)行基于CPG步態(tài)生成的平地行走實驗，設(shè)定CPG振蕩頻率，振幅(對應(yīng)機(jī)器人行走步距為100 mm)進(jìn)行占地系數(shù)為1/2，2/3，3/4和5/6的波形步態(tài)實驗。時對應(yīng)六足機(jī)器人常見的三角步態(tài)，實驗過程如圖12所示。

(a) leg1，leg 4和leg 5支撐，leg 2，leg 3和leg 6擺動；(b) 相位轉(zhuǎn)換；(c) leg2，leg 3和leg 6支撐，leg 1，leg 4和leg 5擺動；(d) 相位轉(zhuǎn)換

圖12 占地系數(shù)1/2 行走實驗

Fig. 12 Walking test in duty factor 1/2

4.2 復(fù)雜地形實驗

針對復(fù)雜地形下的單足自適應(yīng)控制進(jìn)行研究，實驗過程如圖13所示。在機(jī)器人的行進(jìn)路線上分別擺上厚度為30 mm和50 mm的障礙物來模擬凹凸不平的路面。使機(jī)器人的1條腿leg1在運動過程中踩到障礙物，機(jī)器人向前行進(jìn)，實時采集機(jī)器人leg1的關(guān)節(jié)角度變化，如圖14所示。

圖13 單足自適應(yīng)行走實驗

1—1；2—2；3—3。

圖14 單足自適應(yīng)關(guān)節(jié)角度變化

Fig. 14 Adaptive joint angle changes of single leg

在實現(xiàn)了單足自適應(yīng)控制之后，本文進(jìn)一步研究了機(jī)器人波形步態(tài)行走時的整機(jī)協(xié)調(diào)自適應(yīng)平衡控制策略并進(jìn)行了相應(yīng)實驗。對波形步態(tài)中的一種典型步態(tài)三角步態(tài)()進(jìn)行了重點研究。采用厚度分別為50，20和40 mm的障礙物來模擬復(fù)雜地形進(jìn)行試驗，實驗過程如圖15所示。

(a) 無反射行走；(b) 有反射行走

圖15 復(fù)雜地形自適應(yīng)平衡控制實驗

Fig. 15 Adaptive balancing control test in complex terrain

在機(jī)器人的行進(jìn)路線上隨機(jī)擺放不同厚度的障礙物，模擬凹凸不平的路面，使得機(jī)器人每條腿隨機(jī)踩到障礙物，機(jī)器人橫向行進(jìn)，遇到障礙物以后，觸發(fā)相應(yīng)的反射，對應(yīng)腿切換足端軌跡來適應(yīng)復(fù)雜地形。得到機(jī)器人關(guān)節(jié)角度變化如圖16所示(其中：R為第條腿第個關(guān)節(jié))。

由圖16機(jī)器人關(guān)節(jié)角度變化可以看出：leg1，leg5和leg4依次踩到不同高度障礙物，分別觸發(fā)遇障反射，切換對應(yīng)軌跡來適應(yīng)不同高度障礙物；跨過障礙物以后，leg1，leg5和leg4依次回到平坦路面，相當(dāng)于從高處踏入了溝壑，分別觸發(fā)踏空反射，切換相應(yīng)軌跡。機(jī)器人在復(fù)雜地形行走時，通過安裝于機(jī)體的傾角傳感器實時測量機(jī)體姿態(tài)角度的變化。機(jī)器人在復(fù)雜地形行走時，機(jī)體的俯仰角和翻滾角變化如圖17所示。

由圖17可以看出：在無反射情況下，當(dāng)leg1踩到障礙后機(jī)體會出現(xiàn)1個負(fù)的俯仰角和1個正的翻滾角，代表機(jī)體出現(xiàn)了向右后方的傾翻；接下來，當(dāng)leg5踩到障礙后機(jī)體出現(xiàn)了1個負(fù)的俯仰角和1個負(fù)的翻滾角，代表機(jī)體出現(xiàn)了左后翻；最后，當(dāng)leg4踩到障礙后出現(xiàn)1個正的俯仰角和1個很小翻滾角，代表機(jī)體出現(xiàn)了向前傾翻。與圖15(a)的機(jī)器人實際運行情況一致。加入反射以后，當(dāng)leg1，leg5和leg4依次踩到相同的障礙時，機(jī)體的俯仰角和翻滾角變化很小，相比于無反射狀態(tài)，姿態(tài)角度變化可以減小50%左右，機(jī)器人基本保持穩(wěn)定，與圖15(b)所示的機(jī)器人實際運行情況一致。通過調(diào)整機(jī)器人的姿態(tài)使機(jī)體變得更加穩(wěn)定，機(jī)器人穩(wěn)定性得到提高，證明該控制方法針對復(fù)雜地形是有效的。

1—12；2—13；3—52；4—53；5—42；6—43。

圖16 關(guān)節(jié)角度變化

Fig. 16 Changes of robot joint angle

(a) 俯仰角變化；(b) 翻滾角變化1—無反射；2—有反射。

圖17 機(jī)器人機(jī)體姿態(tài)角度曲線

Fig. 17 Posture curves of robot body

5 結(jié)論

1) 基于互抑神經(jīng)元振蕩器模型，構(gòu)建了仿蟹機(jī)器人CPG網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)了CPG輸出節(jié)律信號到足端軌跡的映射。

2) 在CPG模型中引入基于力傳感器觸發(fā)的反射機(jī)制，實現(xiàn)機(jī)器人自適應(yīng)復(fù)雜地形步態(tài)生成，完成了平坦路面和復(fù)雜地形下的機(jī)器人行走實驗。

3) 平坦路面下機(jī)器人可以利用基于CPG生成的波形步態(tài)快速平穩(wěn)行走，最快速度可以達(dá)到0.1 m/s；在復(fù)雜地形下機(jī)器人可以平穩(wěn)高效的通過凹凸路面，有效抑制機(jī)體的姿態(tài)角度變化，與無反射的情況相比，機(jī)體俯仰翻滾角度變化可以減小50%，提高了機(jī)器人的穩(wěn)定性。

4) 本文提出的模仿生物神經(jīng)反射機(jī)理的自適應(yīng)步態(tài)生成方法，可以較好地適應(yīng)復(fù)雜非結(jié)構(gòu)地形，對于促進(jìn)仿蟹機(jī)器人的實際應(yīng)用具有重要意義。

[1] SOYGUDER S, ALLI H. Kinematic and dynamic analysis of a hexapod walking–running–bounding gaits robot and control actions[J]. Computers & Electrical Engineering, 2012, 38(2): 444?458.

[2] 劉煒驊. 基于CPG網(wǎng)絡(luò)的六足機(jī)器人行走步態(tài)規(guī)劃方法研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué)深圳研究生院, 2013: 6?8. LIU Weihua. Gait planning methed for hexapod robot based on cpg rhythm generator network[D]. Harbin: Harbin Institute of Technology. Shenzhen Graduate School, 2013: 6?8.

[3] KIMURA H, FUKUOKA Y, COHEN A H. Adaptive dynamic walking of a quadruped robot on natural ground based on biological concepts[J]. The International Journal of Robotics Research, 2007, 26(5): 475?490.

[4] STEINGRUBE S, TIMME M, W?RG?TTER F, et al. Self-organized adaptation of a simple neural circuit enables complex robot behaviour[J]. Nature Physics, 2010, 6(3): 224?230.

[5] WANG Tingting, GUO Wei, LI Mantian, et al. CPG control for biped hopping robot in unpredictable environment[J]. Journal of Bionic Engineering, 2012, 9(1): 29?38.

[6] ZHANG Daibing, HU Dewen, SHEN Lincheng, et al. Design of an artificial bionic neural network to control fish-robot’s locomotion[J]. Neurocomputing, 2008, 71(4): 648?654.

[7] 王紹治, 郭偉, 于海濤, 等. 基于 CPG 的六足步行機(jī)器人運動控制系統(tǒng)研究[J]. 機(jī)械與電子, 2010(8): 65?68. WANG Shaozhi, GUO wei, YU Haitao, et al. Study on Motion System of a Six-legged Walking Robot Based on CPG[J]. Machinery & Electronics, 2010(8): 65?68.

[8] 鄂明成, 劉虎, 張秀麗, 等. 一種粗糙地形下四足仿生機(jī)器人的柔順步態(tài)生成方法[J]. 機(jī)器人, 2014, 36(5): 584?591. E Mingcheng, LIU hu, ZHANG Xiuli, et al. Compliant gait generation for a quadruped bionic robot walking on rough terrains[J]. Robot. 2014, 36(5): 584?591.

[9] KIMURA H, FUKUOKA Y. Biologically inspired adaptive dynamic walking in outdoor environment using a self-contained quadruped robot:'Tekken2'[C]//IEEE International Conference on Intelligent Robots and Systems. Sendai: IEEE Computer Society, 2004: 986?991.

[10] ARENA P, FORTUNA L, FRASCA M, et al. A CNN-based chip for robot locomotion control[J]. IEEE Transactions Circuits and Systems I: Regular Papers, 2005, 52(9): 1862?1871.

[11] TRAN D T, KOO I M, VO G L, et al. A new method in modeling Central Pattern Generators to control quadruped walking robots[C]//IEEE International Conference on Intelligent Robots and Systems. St. Louis: IEEE Computer Society, 2009: 129?134.

[12] ZHANG Xiuli, ZHENG Haojun. Walking up and down hill with a biologically-inspired postural reflex in a quadrupedal robot[J]. Autonomous Robots, 2008, 25(1/2): 15?24.

[13] ZHANG Xiuli, ZHENG Haojun. Autonomously clearing obstacles using the biological flexor reflex in a quadrupedal robot[J]. Robotica, 2008, 26(1): 1?7.

[14] 曾翔宇, 鄂明成, 李冬冬, 等. 溝壑類非連續(xù)地形下的四足機(jī)器人運動控制[J]. 機(jī)器人, 2012, 33(6): 700?705. ZENG Xiangyu, E Mingcheng, LI Dongdong, et al. Quadruped robot walking control on trench-like noncontinuous terrain[J]. Robot, 2012, 33(6): 700?705.

[15] RIGHETTI L, IJSPEERT A J. Pattern generators with sensory feedback for the control of quadruped locomotion[C]//IEEE International Conference on Robotics and Automation. Pasadena: IEEE Computer Society, 2008: 819?824.

[16] 王剛, 張立勛, 王立權(quán). 八足仿蟹機(jī)器人步態(tài)規(guī)劃方法[J]. 哈爾濱工程大學(xué)學(xué)報, 2011, 32(4): 486?491. WANG Gang, ZHANG Lixun, WANG Liquan. Research on a gait planning method for a crab-like octopod robot[J]. Journal of Harbin Engineering University, 2011, 32(4): 486?491.

[17] 王剛, 張立勛, 王立權(quán). 仿蟹機(jī)器人交錯等相位波形步態(tài)研究[J]. 機(jī)器人, 2011, 33(2): 237?243. WANG Gang, ZHANG Lixun, WANG Liquan. On alternating equal-phase wave gait of crab-like robot[J]. Robot, 2011, 33(2): 237?243.

(編輯 楊幼平)

Gait generation method of crablike robot walking on complex terrain based on CPG

WANG Gang1, 2, HAN Jinhua3, HAN Shikai2, CHEN Xi4, YE Xiufen3

(1. College of Shipbuilding Engineering, Harbin Engineering University, Harbin 150001, China; 2. Science and Technology on Underwater Vehicle Laboratory, Harbin Engineering University, Harbin 150001, China;3. College of Automation, Harbin Engineering University, Harbin 150001, China;4. College of Mechanical and Electrical Engineering, Heilongjiang Institute of Technology, Harbin 150050, China)

In order to improve the environmental adaptability of crablike robot in complex terrain, an adaptive gait generation method for complex terrain was proposed based on biological neural reflex mechanism. Firstly, a CPG network model of the crablike robot was built by mutual inhibition neural oscillator. Secondly, the rhythm signals generated by CPG model were mapped to walking leg trajectory by neural network. Then, the reflection mechanism triggered by force sensor was added to CPG model, to realize the adaptive gait generation for complex terrain. Finally, the motion control experiments of crablike robot in complex terrain were carried out to verify the effectiveness of adaptive gait generation method for complex terrain.

crablike robot; central pattern generator (CPG); gait generation; complex terrain

10.11817/j.issn.1672-7207.2016.12.016

TP242

A

1672?7207(2016)12?4070?11

2015?12?07；

2016?02?27

國家自然科學(xué)基金青年基金資助項目(51409058)；黑龍江省自然科學(xué)基金資助項目(E2016017)(Project(51409058) supported by the National Natural Science Foundation of China? Project(E2016017) supported by the Natural Science Foundation of Heilongjiang Province of China)

王剛，博士，講師，從事水下機(jī)器人技術(shù)、兩棲多足仿生機(jī)器人運動控制研究；E-mail：wanggang@hrbeu.edu.cn