技术特征:
1.一种基于融合概率模型的足式机器人控制方法,应用于足式机器人上,其特征在于,所述足式机器人包括至少两个支腿,每个所述支腿上设置有用于检测接触力的检测元件,该基于融合概率模型的足式机器人控制方法包括以下步骤:
获取所述足式机器人中每个所述支腿的步态信息,对所述步态信息分析得到每个所述支腿与地面之间接触的第一概率,并根据与每个所述支腿对应所述第一概率构建预测概率模型;
获取所述足式机器人中每个所述支腿与地面之间的足高信息,根据每个所述支腿的所述足高信息构建地面的高度观测概率模型;
获取所述足式机器人中每个所述支腿上通过所述检测元件检测的接触力,根据每个所述支腿的所述接触力构建接触力观测概率模型;
通过卡尔曼数据融合方法对所述预测概率模型、所述高度观测概率模型和所述触力观测概率模型进行数据融合处理,得到每个所述支腿足端位置状态的预测值;
通过所述预测值控制与所述预测值对应所述支腿的运行。
2.根据权利要求1所述的基于融合概率模型的足式机器人控制方法,其特征在于,构建预测概率模型的步骤包括:
在不同时刻,获取所述足式机器人中每个所述支腿的步态相位和支腿足端的状态构成N个步态信息;
依据所述支腿的N个所述步态相位和所述支腿足端的状态,采用第一概率计算公式得到对应所述支腿与地面之间接触的N个第一概率;
N个所述第一概率组成N行1列的矩阵作为预测概率模型;
其中,所述第一概率计算公式为:
式中,φ为支腿的步态相位,sφ为基于步态相位φ下的支腿足端状态,P(c|sφ,φ)为基于步态相位φ下支腿与地面之间接触的第一概率,c为支腿足端的期望状态,μc0为第一对角线两个支腿触地状态切换到摆腿状态的均值,σc0为第一对角线两个支腿触地状态切换到摆腿状态的均方差,μc1为第二对角线两个支腿触地状态切换到摆腿状态的均值,σc1为第二对角线两个支腿触地状态切换到摆腿状态的均方差,μc0为第一对角线两个支腿摆腿状态切换到触地状态的均值,σc0为第一对角线两个支腿摆腿状态切换到触地状态的均方差,μc1为第二对角线两个支腿摆腿状态切换到触地状态的均值,σc1为第二对角线两个支腿摆腿状态切换到触地状态的均方差。
3.根据权利要求1所述的基于融合概率模型的足式机器人控制方法,其特征在于,所述支腿足端的状态包括支腿足端与地面接触状态和支腿足端摇摆状态;若所述支腿足端的状态为支腿足端与地面接触状态,sφ=1;若所述支腿足端的状态为支腿足端摇摆状态,sφ=0。
4.根据权利要求1所述的基于融合概率模型的足式机器人控制方法,其特征在于,构建地面的高度观测概率模型的步骤包括:
在不同时刻,获取所述足式机器人中每个所述支腿与地面之间的距离pz和地面的摩擦度σzg的N个足高信息;
依据所述支腿的N个所述距离pz和所述摩擦度σzg,通过足端与地面接触概率公式计算,得到对应所述支腿与地面之间的N个接触概率;
所述支腿的N个接触概率组成N行1列的矩阵作为高度观测概率模型;
其中,所述足端与地面接触概率公式为:
式中,μzg为0,P(c|pz)为支腿的足端与地面接触的接触概率。
5.根据权利要求1所述的基于融合概率模型的足式机器人控制方法,其特征在于,构建接触力观测概率模型的步骤包括:
在不同时刻,获取所述足式机器人中每个所述支腿上通过所述检测元件检测的接触力fz,得到对应所述支腿的N个接触力;
对同一个所述支腿上的N个所述接触力采用高斯分布处理,得到对应所述支腿的接触力期望值μfc和接触力标准差σfc;
依据所述支腿的接触力期望值μfc、N个所述接触力fz和接触力标准差σfc,采用接触概率计算公式计算得到对应所述支腿的N个接触力概率;
所述支腿的N个接触力概率组成N行1列的矩阵作为接触力观测概率模型;
其中,所述接触概率计算公式为:
式中,P(c|fz)为基于检测元件检测的接触力的足端与地面接触的接触力概率。
6.根据权利要求1所述的基于融合概率模型的足式机器人控制方法,其特征在于,得到每个所述支腿足端位置状态的预测值的步骤包括:将所述预测概率模型作为所述卡尔曼数据融合方法中卡尔曼方程的输入,以及将所述高度观测概率模型和所述触力观测概率模型作为所述卡尔曼数据融合方法中卡尔曼方程的观测矢量进行数据融合处理,得到每个所述支腿足端位置状态的预测值。
7.根据权利要求1所述的基于融合概率模型的足式机器人控制方法,其特征在于,所述检测元件为气压传感器。
8.一种基于融合概率模型的足式机器人控制系统,应用于足式机器人上,其特征在于,所述足式机器人包括至少两个支腿,每个所述支腿上设置有用于检测接触力的检测元件,该基于融合概率模型的足式机器人控制系统包括第一模型构建模块、第二模型构建模块、第三模型构建模块、预测模块和执行模块;
所述第一模型构建模块,用于获取所述足式机器人中每个所述支腿的步态信息,对所述步态信息分析得到每个所述支腿与地面之间接触的第一概率,并根据与每个所述支腿对应所述第一概率构建预测概率模型;
所述第二模型构建模块,用于获取所述足式机器人中每个所述支腿与地面之间的足高信息,根据每个所述支腿的所述足高信息构建地面的高度观测概率模型;
所述第三模型构建模块,用于获取所述足式机器人中每个所述支腿上通过所述检测元件检测的接触力,根据每个所述支腿的所述接触力构建接触力观测概率模型;
所述预测模块,用于通过卡尔曼数据融合方法对所述预测概率模型、所述高度观测概率模型和所述触力观测概率模型进行数据融合处理,得到每个所述支腿足端位置状态的预测值;
所述执行模块,用于通过所述预测值控制与所述预测值对应所述支腿的运行。
9.根据权利要求8所述的基于融合概率模型的足式机器人控制系统,其特征在于,所述预测模块还用于将所述预测概率模型作为所述卡尔曼数据融合方法中卡尔曼方程的输入,以及将所述高度观测概率模型和所述触力观测概率模型作为所述卡尔曼数据融合方法中卡尔曼方程的观测矢量进行数据融合处理,得到每个所述支腿足端位置状态的预测值。
10.一种基于融合概率模型的足式机器人控制设备,其特征在于,包括处理器以及存储器;
所述存储器,用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器,用于根据所述程序代码中的指令执行如权利要求1-7任意一项所述的基于融合概率模型的足式机器人控制方法。
技术总结
本发明涉及一种基于融合概率模型的足式机器人控制方法、系统及设备,该方法通过建立预测概率模型、高度观测概率模型和接触力观测概率模型,并采用卡尔曼数据融合方法对预测概率模型、高度观测概率模型和触力观测概率模型进行数据融合处理,得到每个支腿足端位置状态的预测值,以及通过预测值控制与预测值对应支腿的运行,实现足式机器人的运行控制。该方法通过支腿上检测元件就可以实现在未知非结构地形下的精准触底检测来获取控制的预测值数据,大大提高了该基于融合概率模型的足式机器人控制方法对应系统的鲁棒性,从而提高了足式机器人的运动稳定性,解决了现有足式机器人行驶的控制方式不适用不规则复杂地面且行驶稳定性差的技术问题。
技术研发人员:黄政杰;曾杰;李俊;吴元清;鲁仁全;彭衍华;钟文键;
受保护的技术使用者:广东工业大学;
技术研发日:2021.07.26
技术公布日:2021.10.15
本文用于企业家、创业者技术爱好者查询,结果仅供参考。