基于虚拟模型控制器和模糊神经网络的平行四足机器人步参数规划系统的设计

科学领域:

• 机器人技术 机器人技术 机器人技术
• 控制系统 控制系统
• 人工智能的人工智能

背景情况:

• 动态四足机器人控制中的快速运动具有挑战性,特别是在不平坦的地形上.
• 现有的控制系统往往难以实时适应不断变化的道路状况.
• 优化步态参数对于高效和稳定的机器人运动至关重要.

研究的目的:

• 为四足机器人提出一种新的步态参数规划系统.
• 增强快速运动能力和适应各种道路条件的适应性.
• 为了降低运输成本 (CoT) 和移动过程中的振动.

主要方法:

• 开发一个步态参数规划系统,集成一个虚拟模型控制器 (VMC) 和一个模糊神经网络控制器 (FNNC).
• 在专家知识的基础上使用FNNC优化中央模式生成器 (CPG) 和VMC参数.
• 实施重量适应法,以改善前所未有的道路条件的穿越.
• 引入运输成本 (CoT) 作为一个关键的绩效评估指标.

主要成果:

• 基于FNNC的系统准确地识别并实时调整不同路况的步态参数.
• 快速运动表现的明显改善,以态度和脚部力来表示.
• 与基线方法相比,运输成本 (CoT) 和振动的显著降低.
• 通过模拟和物理原型测试验证.

结论:

• 拟议的基于FNNC的步态参数规划系统有效地增强了四足机器人运动.
• 该系统为动态环境提供实时适应性和优化.
• 减少CoT和振动意味着四足机器人的能源效率和稳定性得到了改善.