CN108345211A - 双足仿人机器人及其非线性步态规划方法以及控制方法 - Google Patents

Abstract

一种双足仿人机器人及其非线性步态规划方法以及控制方法，规划方法包括：S1、获取用户输入的步态参数；S2、基于用户输入的步态参数生成ZMP参考轨迹；S3、采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关。本发明可提高步态规划性能，节省系统整体的运动能量消耗，优化现有的双足机器人线性行走姿态；只需要用户输入五个“所见即所得”的参数，不需要用户具有机器人步态规划的专业知识，具有良好的用户体验。

Description

双足仿人机器人及其非线性步态规划方法以及控制方法

技术领域

本发明涉及人工智能领域，尤其涉及一种双足仿人机器人及其非线性步态规划方法以及控制方法。

背景技术

人类制造机器人的首要目的是造出能代替人类的类人系统，帮自己去完成很难甚至不可能的任务。完整的仿人机器人主要由视觉系统+双臂/腕/手系统+双足系统构成。视觉担当大脑中枢，利用视觉传感器反馈回的信息制定全局的行动计划，双臂/腕/手利用力觉触觉等传感器去实现这些操作，而双足系统扩大了机器人的工作空间，保证了机器人在复杂或危险地形中可以持续工作，同时不需要专门为其对环境进行大规模改造，可以直接在人类的生活和工作环境中与人类协同作业。正因如此，双足类人机器人以其独特的优势受到了各方的广泛关注，成为机器人研究领域的热点。与轮式机器人相比，双足类人机器人行走系统占地面积小，活动范围大，对步行环境要求低且具有一定的逾越障碍的能力，移动“盲区”小，因而具有更广阔的应用领域，也具有很高的生产价值和商业价值。如在极限环境下代替人工作业，海底勘探，水下资源开发，地震搜救，核电站内的监视和维护等。此外，双足本身是移动机器人系统的入门，经过改进还可以制成足球机器人，机器蜘蛛、机器狗等。

其中，轨迹规划及步态平衡问题是双足机器人研究领域的焦点。机械结构上，双足步行机器人一般单腿有6个自由度，分布在踝关节(2个自由度)，膝关节(1个自由度)和髋关节上(3个自由度)。双腿12个自由度可以实现行走，跑动，跳跃，下蹲，上/下楼梯，横向移动等动作。轨迹规划就是对机器人实现这些动作时脚部和质心(腰部)应该具有怎样的移动路径的研究，好的规划算法得到的轨迹可以保持运动中机器人系统持久的稳定性。以行走为例，该过程被定义为双足左右交替作为支撑脚，在保持和地面间稳定的支撑状态同时，移动脚交替向前移动。这一过程是否处于稳定状态，目前学术和工业界均采用ZMP(零力矩点)理论作为判断依据，即：步行中的机器人，其质心位置存在着重力和质心加减速时带来的惯性力，这两个力的合力(或合力延长线)与地面的交点为零力矩点(ZMP)，该点水平方向的力和力矩为零，即在该点处机器人没有水平方向倾倒的趋势。如果行走过程中，ZMP点始终处于单足足面内或是在双足轨迹构成的多边形内，则认为步态是稳定的。

然而，由于是否考虑质心纵向运动(沿Z轴方向运动)决定了机器人行走的轨迹规划问题是否是非线性，目前双足行走轨迹规划问题大多被简化为不考虑质心纵向运动(沿Z轴方向运动)的线性问题去考虑。解决这类线性问题的算法包括线性插值，线性傅立叶变换，线性Preview Control等。其中线性Preview Control算法可以根据未来的ZMP参考轨迹调整当前的质心轨迹，不过，这种简化的线性行走为了满足ZMP稳定判据，质心在x-y轴构成的平面上需要较大幅度摆动以使腿部关节防止奇异位形，以及必须保持膝关节持续弯曲的显著特征。前者造成机器人行走模式偏离人类行走模式，后者需要在膝关节处施加持续的力矩，增加了机器人的能量消耗。另一方面，非线性的步态规划算法目前多采用基于三对角矩阵的Thomas算法，然而它并没有考虑未来ZMP轨迹信息对当前质心轨迹的影响。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种双足仿人机器人及其非线性步态规划方法以及控制方法。

本发明解决其技术问题所采用的技术方案是：构造一种双足仿人机器人非线性步态规划方法，方法包括：

S1、获取用户输入的步态参数；

S2、基于用户输入的步态参数生成ZMP参考轨迹；

S3、采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关。

在本发明所述的双足仿人机器人非线性步态规划方法中，步骤S3中所述的采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹包括：在线性Preview Control算法的状态迁移方程和输出方程的组合中整合非线性因子，构建非线性的轨迹规划数学模型，并根据未来的ZMP参考轨迹调整当前的质心轨迹，

所述状态迁移方程为：X(k+1)＝AX(k)+Bu(k)，

所述输出方程为：x_zmp(k)=C^**X(k)，

其中：

其中，参数A、B为由频率Δt确定的固定参数；参数C^*为整合了非线性因子的变量，g表示重力加速度，z_com表示运动时质心沿重力加速度方向的位移，表示运动时质心沿重力加速度方向的加速度；X(k)为状态迁移方程的输出，x(k)、分别表示k时刻质心的位移、速度和加速度；u(k)代表最优输入控制器，为状态迁移方程的输入，表示k时刻加速度的微分；x_zmp(k)为输出方程的输出，表示k时刻ZMP参考轨迹的一个点，状态迁移方程的输出X(k)是输出方程的输入，所述输出方程建立了质心点和ZMP参考轨迹间的非线性关系；为ZMP实际轨迹与ZMP参考轨迹的误差和，G_xX(k)为质心轨迹的反馈，为k时刻之后N_p个采样时间内的参考ZMP轨迹；其中，G_i,G_x,G_p分别为增益参数，且通过将参数A、B和C^*作为输入的离散黎卡提方程计算得到。

在本发明所述的双足仿人机器人非线性步态规划方法中，步骤S1中输入的步态参数为：步长x、步宽y、每步所用时间t_f、静止时质心高度z_height和步数Num。

在本发明所述的双足仿人机器人非线性步态规划方法中，所述步骤S2包括：

S21、定义机器人初始站立位置的正前方为X轴正方向、右手侧为Y轴正方向，两脚之间中心点设为原点，在单脚支撑阶段，与地面接触的脚称为支撑脚、另一只为摆动脚；

S22、基于用户输入的步态参数生成支撑脚在X-Y平面内的参考轨迹向量supportX、supportY，以及身体在X-Y平面内的参考轨迹向量torsoX、torsoY，其中，supportX表示沿x轴方向支撑脚轨迹，supportY表示沿Y轴方向支撑脚轨迹，torsoX表示沿X轴方向的身体轨迹，torsoY表示沿Y轴方向的身体轨迹；

其中，supportX＝[0,x,2x,3x,…,Num·x]，当先以左脚为支撑脚，右脚为摆动脚时，supportY＝[-y,y,-y,y,…,(-1)^Num·y]，当先以右脚为支撑脚，左脚为摆动脚时，supportY=[y,-y,y,-y,…,(-1)^(Num-1)·y]；torsoX＝[0,x/2,3x/2,5x/2,…,(2Num-1)·x/2]，torsoY＝[0,0,0,0,…0]；

S23、基于支撑脚和身体的参考轨迹向量获取参考ZMP轨迹。

在本发明所述的双足仿人机器人非线性步态规划方法中，所述步骤S23包括：

S230、定义t₀、t₁、t₂分别为初始时刻、接近t₀的定点和接近步骤S1输入的所用时间t_f的定点，torsoX_i为沿x轴第i步的身体位置；

S231、如果t≥t₀并且t＜t₁

S232、如果t≥t₁并且t＜t₂

x_zmp(t)＝supportX(t)

y_zmp(t)＝supportY(t)

S233、如果t≥t₂并且t＜t_f,

本发明还公开了一种双足仿人机器人非线性步态控制方法，包括：

S100、执行权利要求1-5任一项所述的步态规划方法以获取质心轨迹；

S200、计算摆动脚轨迹；

S300、基于质心轨迹和摆动脚轨迹，利用逆运动学模型求得腿部各关节的时间序列角度，舵机按照此时间序列角度控制关节转动以使机器人走出步骤S1中的步态参数所对应的期待步态。

本发明还公开了一种基于所述的非线性步态控制方法的双足仿人机器人，包括：

人机交互单元，用于获取用户输入的步态参数；

ZMP参考轨迹生成单元，用于基于用户输入的步态参数生成ZMP参考轨迹；

质心轨迹生成单元，用于采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关；

步态执行单元，用于计算摆动脚轨迹，基于质心轨迹和摆动脚轨迹，利用逆运动学模型求得腿部各关节的时间序列角度，舵机按照此时间序列角度控制关节转动以使机器人走出用户输入的步态参数所对应的期待步态。

实施本发明的双足仿人机器人及其非线性步态规划方法以及控制方法，具有以下有益效果：本发明对线性Preview Control算法进行优化，整合与沿重力加速度方向的运动参数相关的非线性因子，既考虑了未来ZMP轨迹信息对当前质心轨迹的影响，又可以提高步态规划的性能，节省系统整体的运动能量消耗，优化现有的双足机器人线性行走姿态；进一步地，本发明只需要用户输入步长、步宽、每步所用时间、静止时质心高度和步数这五个“所见即所得”的参数，不需要用户具有机器人步态规划的专业知识，具有良好的用户体验；而且在生成参考ZMP轨迹时，有考虑到双脚支撑阶段和单脚支撑阶段的交替，生成更加平滑更加接近连续曲线的参考ZMP轨迹。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图：

图1是本发明双足仿人机器人非线性步态规划方法的较佳实施例的流程图；

图2是线性和非线性步态的质心运动轨迹对比示意图；

图3是线性和非线性倒立摆模型对比示意图；

图4是桌子小车模型简化图；

图5是多个行走周期内支撑脚和参考ZMP轨迹；

图6是质心高度2.2单位，以2单位为幅度，沿重力加速度方向周期变化时，非线性Preview Control算法得到的脚部和质心轨迹的3D图及俯视图；

图7是质心高度2.2单位，以2单位为幅度，沿重力加速度方向周期变化时，线性Preview Control算法得到的脚部和质心轨迹的3D图及俯视图；

图8是质心高度2.2单位，以2单位为幅度，沿重力加速度方向周期变化时，非线性Thomas算法得到的脚部和质心轨迹的3D图及俯视图；

图9是质心高度2.2单位，以2单位为幅度，沿重力加速度方向周期变化时，三种算法得到的质心沿Y轴轨迹对比图；

图10是图6和图7中非线性和线性Preview Control算法得到的质心沿Y轴轨迹对比放大图；

图11是质心高度2.2单位，以0.05单位为幅度，沿重力加速度方向周期变化时，非线性Preview Control算法得到的脚部和质心轨迹的3D图及俯视图；

图12是质心高度2.2单位，以0.05单位为幅度，沿重力加速度方向周期变化时，线性Preview Control算法得到的脚部和质心轨迹的3D图及俯视图；

图13是质心高度2.2单位，以0.05单位为幅度，沿重力加速度方向周期变化时，非线性Thomas算法得到的脚部和质心轨迹的3D图及俯视图；

图14是质心高度2.2单位，以0.05单位为幅度，沿重力加速度方向周期变化时，三种算法得到的质心沿Y轴轨迹对比图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。

参考图1，是本发明双足仿人机器人非线性步态规划方法的较佳实施例的流程图。本发明的双足仿人机器人非线性步态规划方法包括：

S1、获取用户输入的步态参数；

S2、基于用户输入的步态参数生成ZMP参考轨迹；

S3、采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关；

本发明的控制方法包括；

S100、执行所述的步态规划方法以获取质心轨迹；

S200、利用Polynomial Trajectory Algorithm(PTA)算法计算摆动脚轨迹,该轨迹也被认为是腿部连杆末端坐标系的轨迹；

S300、基于质心轨迹和摆动脚轨迹，利用逆运动学模型求得腿部各关节的时间序列角度，舵机按照此时间序列角度控制关节转动以使机器人走出步骤S1中的步态参数所对应的期待步态，该部分属于现有技术，此处不再赘述。

下面对步骤S1-S3进行详细说明。

关于步骤S1：

该步骤中参数具体包括：步长x、步宽y、每步所用时间t_f、静止时质心高度z_height和步数Num。这5个“所见即所得”的参数，不需要用户具有机器人步态规划的专业知识。此外，本发明后续用到的参数也一起归纳在表1中，除了上述的5个参数，其余参数不需要用户给出，增加了用户使用上的便利。

表1：本发明中使用的主要的步态参数列表

关于步骤S2：

具体的，本发明的步骤S2包括：

S21、定义重力加速度方向为Z轴，机器人初始站立位置的正前方为X轴正方向、右手侧为Y轴正方向，两脚之间中心点设为原点，在单脚支撑阶段，与地面接触的脚称为支撑脚、另一只为摆动脚；

S22、基于用户输入的步态参数生成支撑脚在X-Y平面内的参考轨迹向量supportX、supportY，以及身体在X-Y平面内的参考轨迹向量torsoX、torsoY。其中，supportX表示沿x轴方向支撑脚轨迹，supportY表示沿Y轴方向支撑脚轨迹，torsoX表示沿X轴方向的身体轨迹，torsoY表示沿Y轴方向的身体轨迹。需要注意的是，虽然轨迹本身是连续的，但从步骤S1的五个参数只能先获得离散的向量，生成参考ZMP轨迹时，本发明会对离散数据做平滑处理，以期待接近连续曲线。图5的矩形轨迹展示了支撑脚在多步周期内的离散的交换和移动。

当先以左脚为支撑脚，右脚为摆动脚时支撑脚的轨迹定义为：

supportX＝[0,x,2x,3x,…,Num·x]

supportY＝[-y,y,-y,y,…,(-1)^Num·y]

如果是先以右脚为支撑脚，左脚为摆动脚的支撑脚在Y方向上轨迹变为：

supportY＝[y,-y,y,-y,…,(-1)^(Num-1)·y]

定义沿X轴方向的身体轨迹torsoX总是落后于支撑脚半步即x/2的距离，即：

torsoX＝[0,x/2,3x/2,5x/2,…,(2Num-1)·x/2]

沿Y轴方向的身体轨迹尽量保持小的摇晃，理想状态为：

torsoY＝[0,0,0,0,…0]

S23、基于支撑脚和身体的参考轨迹向量获取参考ZMP轨迹。

基于ZMP理论，按图5所示，为了保持步态的稳定，参考ZMP轨迹应该尽量接近支撑脚轨迹的中心线来设计。可以直接简化将x_zmp=supprotX,y_zmp＝supprotY，支撑脚轨迹当作参考ZMP轨迹，但因为交换支撑脚时刻没有考虑短暂的双脚支撑的情况，造成曲线的突变。本发明使用相当于线性插值的线性贝塞尔曲线(Bézier Curve)，生成包括双脚支撑阶段，更加平滑更加接近连续曲线的参考ZMP，具体如下：

首先，定义t₀、t₁、t₂分别为初始时刻、接近t₀的定点和接近步骤S1输入的所用时间t_f的定点，所谓接近t₀是指较之t₀大预设数值，接近t_f是指较之t_f小预设数值，例如t₀＝0.0,t_f＝1.0,t₁＝0.1,t₂＝0.9。从t₀到t₁和从t₂到t_f相当于双脚支撑阶段，从t₁到t₂相当于单脚支撑阶段。t为在终点时刻t_f内以Δt为间隔的采样时间，torsoX_i为沿x轴第i步的身体位置；

如果t≥t₀并且t＜t₁

如果t≥t₁并且t＜t₂

x_zmp(t)=supportX(t)

y_zmp(t)＝supportY(t)

如果t≥t₂并且t＜t_f,

关于步骤S3：

图2中，左边为非线性步态的质心运动轨迹，右边为线性步态的质心运动轨迹。可以看出，存在质心的纵向运动使得膝盖处不需要持续保持弯曲状态，姿态上也更接近于人类行走。图3显示了不存在z轴方向运动的倒立摆模型(被看作一种简化的机器人模型)的质心运动空间是x-y轴构成的平面。下面从双足机器人系统的运动平衡力系模型上证明这种非线性性质。

根据达朗贝尔原理(D'Alambert principle)，在质点运动的任一时刻，主动力、约束力与惯性力构成平衡力系，即在该质点处没有额外的力或是力矩施加。比如公式(1)描述了图4中桌子小车模型(视为简化的机器人多体系统模型)在ZMP点的达朗贝尔平衡力系。小车中心相当于机器人质心，是不存在z轴方向运动的平衡力系模型。公式(1)第一部分为小车质心沿z轴方向到ZMP点的力矩，g为重力加速度，第二部分为小车沿x轴方向的力矩，常量z_height为静止时质心高度，第三部分为小车的惯性力矩。如果考虑z轴方向的运动，如公式(2)，在第一部分g处需要加上沿z方向质心的加速度第二部分的z_height替换为变化的质心高度z_com。公式(3)和(4)分别描述了泛化到多体系统时根据平衡力系公式(2)推导出的ZMP点与质点轨迹的关系。如果忽略惯性力矩项和并认为∑_im_ix_i/∑_im_i＝x_com(同理y_com)，公式(3)和(4)可以分别简化为公式(5)和(6)。目前线性的轨迹规划算法都是定义z_com＝z_height,简化为线性公式(7)和(8)，用已知的参考ZMP轨迹x_zmp,y_zmp和常数z_height,g来生成质心轨迹x_com,y_com。公式(5)和(6)中的称为非线性因子。

本发明提出基于保留了该因子的非线性关系生成质心轨迹的Preview Control优化算法，可以提高步态规划的性能，节省系统整体的运动能量消耗，优化行走姿态。具体的，本发明步骤S3包括：在线性Preview Control算法的状态迁移方程和输出方程的组合中整合非线性因子，构建非线性的轨迹规划数学模型，并根据未来的ZMP参考轨迹调整当前的质心轨迹。

状态迁移方程为：

X(k+1)＝AX(k)+Bu(k)，

线性输出方程为：

x_zmp(k)＝C*X(k) (9A)

非线性输出方程为：

x_zmp(k)＝C^**X(k) (9B)

其中：

C≡[1 0 -z_height/g] (11)

其中，X(k)为状态迁移方程的输出，x(k)、分别表示k时刻质心的位移、速度和加速度；u(k)代表最优输入控制器，表示k时刻加速度的微分；x_zmp(k)表示k时刻ZMP参考轨迹的一个点。状态迁移方程的输入为u(k)、输出为X(k)，状态迁移方程的输出X(k)是输出方程的输入，输出方程是公式(5)(6)(7)和(8)的矩阵形式，参数选择C(对应公式7和8)还是C*(对应公式5和6)决定了输出方程是线性还是非线性，输出方程的输出为x_zmp(k)，所述输出方程建立了质心点和ZMP参考轨迹间的非线性关系。

可以看出，一旦确定了频率Δt和质心高度z_height，A，B和C在状态迁移过程中均为固定的参数。然而，上述对非线性因子的讨论可知参数C并不是像公式(11)描述的固定不变的，而是像公式(12)描述的在Z轴方向有非线性变化。这个变化会对最优输入控制器模型u(k)的参数有影响，从而对性能指标的结果和生成的质心轨迹有影响。公式(10)描述了线性Preview Control方法最小化性能指标时需要的最优输入控制器模型u(k)，其中，为ZMP实际轨迹与ZMP参考轨迹的误差和，G_xX(k)为质心轨迹的反馈， 为k时刻之后N_p个采样时间内的参考ZMP轨迹。G_i,G_x,G_p分别为增益参数。这些参数值如表2的伪代码描述的，是将A、B和C^*作为输入的离散黎卡提方程(Discrete-time Algebraic Riccati Equations)计算得到。由该过程可以看出，C^*中变化的非线性因子使得最优输入控制器模型的参数也随着动态变化，而现有技术中由于C的线性因子z_height/g不变所以线性问题中最优控制器模型的三个参数也不变。

表2：由状态迁移方程和输出方程参数求控制器参数的伪代码

下面结合图6-14，通过两组实验说明本发明与线性Preview Control算法及非线性Thomas算法的性能对比。两组实验的区别是质心在沿Z轴方向上周期运动的幅度不同。设置步长x＝1，步宽y＝0.45，每步所用时间t_f＝0.2，静止时质心高度z_height＝2.2和步数Num＝30。以z_height＝2.2单位为标准，取沿Z轴运动幅度Vz分别为2和0.05单位的周期运动和参考值：

1)、质心CoM沿z轴方向运动幅度Vz＝2时，参考图6-10展示了质心沿Z轴运动幅度为2的实验结果。图6是本发明提出的非线性Preview Control优化算法得到的ZMP和质心轨迹的3D及俯视图，图7是线性Previ ew Control算法，图8是非线性Thomas算法对应的结果。

首先，从图6，7和8看出，非线性Thomas算法得到的质心轨迹在沿Y轴运动的幅度更大，超出ZMP轨迹接近7倍，意味着实体机器人腰部左右摆动相对与脚部左右摆动更加剧烈，易造成机器人平衡难以维持。而非线性和线性Preview Control算法表现比较好，在沿Y轴方向运动的幅度相对于ZMP轨迹来说很小，只占ZMP沿Y轴运动幅度的约22％，即晃动减少了近80％，实体机器人的稳定性更好。三种算法得到的质心CoM沿Y方向运动的轨迹对比为图9。

图10放大了线性和非线性Preview Control方法的差距图，可以看出本专利提出的优化非线性Preview Control算法还是将轨迹的震动幅度相比于线性方法缩小了1倍左右。

2)、质心沿z轴方向运动幅度Vz＝0.05时：图11-14展示了质心沿Z轴运动幅度为0.05的实验结果。图11是本发明提出的非线性Preview Control优化算法得到的ZMP和质心CoM轨迹的3D及俯视图，图12是线性Preview Control算法，图13是非线性Thomas算法对应的结果。

和图6-8相比，图11-13中质心沿Z轴方向的运动明显缓和。并且图11-13的质心在Y轴方向摇晃的区别不是很大。从图14细节图也看出三种算法得到的质心CoM沿Y方向运动的轨迹差别不大，其中线性和非线性Preview Control算法获得了一样的较稳定的轨迹，而非线性Thomas算法稍差于它们。

当质心CoM沿z轴震动较小时，从图14看出Thomas算法在初始阶段比线性和非线性Preview Control算法规划的CoM轨迹更加稳定。

相应的，本发明还公开了一种基于上述非线性步态规划方法的双足仿人机器人，包括：

人机交互单元，用于获取用户输入的步态参数；

ZMP参考轨迹生成单元，用于基于用户输入的步态参数生成ZMP参考轨迹；

质心轨迹生成单元，用于采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关；

步态执行单元，用于计算摆动脚轨迹，基于质心轨迹和摆动脚轨迹，利用逆运动学模型求得腿部各关节的时间序列角度，舵机按照此时间序列角度控制关节转动以使机器人走出用户输入的步态参数所对应的期待步态。

综上所述，实施本发明的双足仿人机器人及其非线性步态规划方法以及控制方法，具有以下有益效果：本发明对线性Preview Control算法进行优化，整合与与沿重力加速度方向的运动参数相关的非线性因子，既考虑了未来ZMP轨迹信息对当前质心轨迹的影响，又可以提高步态规划的性能，节省系统整体的运动能量消耗，优化现有的双足机器人线性行走姿态；进一步地，本发明只需要用户输入步长、步宽、每步所用时间、静止时质心高度和步数这五个“所见即所得”的参数，不需要用户具有机器人步态规划的专业知识，具有良好的用户体验；而且在生成参考ZMP轨迹时，有考虑到双脚支撑阶段和单脚支撑阶段的交替，生成更加平滑更加接近连续曲线的参考ZMP轨迹。

需要明确的是，本发明中词语“相等”、“相同”“同时”或者其他类似的用语，不限于数学术语中的绝对相等或相同，在实施本专利所述权利时，可以是工程意义上的相近或者在可接受的误差范围内。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (7)

1.一种双足仿人机器人非线性步态规划方法，其特征在于，方法包括：

S1、获取用户输入的步态参数；

S2、基于用户输入的步态参数生成ZMP参考轨迹；

S3、采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关。

2.根据权利要求1所述的双足仿人机器人非线性步态规划方法，其特征在于，步骤S3中所述的采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹包括：在线性Preview Control算法的状态迁移方程和输出方程的组合中整合非线性因子，构建非线性的轨迹规划数学模型，并根据未来的ZMP参考轨迹调整当前的质心轨迹，

所述状态迁移方程为：X(k+1)＝AX(k)+Bu(k)，

所述输出方程为：x_zmp(k)＝C^**X(k)，

其中：

其中，参数A、B为由频率Δt确定的固定参数；参数C^*为整合了非线性因子的变量，g表示重力加速度，z_com表示运动时质心沿重力加速度方向的位移，表示运动时质心沿重力加速度方向的加速度；X(k)为状态迁移方程的输出，x(k)、分别表示k时刻质心的位移、速度和加速度；u(k)代表最优输入控制器，为状态迁移方程的输入，表示k时刻加速度的微分；x_zmp(k)为输出方程的输出，表示k时刻ZMP参考轨迹的一个点，状态迁移方程的输出X(k)是输出方程的输入，所述输出方程建立了质心点和ZMP参考轨迹间的非线性关系；为ZMP实际轨迹与ZMP参考轨迹的误差和，G_xX(k)为质心轨迹的反馈，为k时刻之后N_p个采样时间内的参考ZMP轨迹；其中，G_i,G_x,G_p分别为增益参数，且通过将参数A、B和C^*作为输入的离散黎卡提方程计算得到。

3.根据权利要求1所述的双足仿人机器人非线性步态规划方法，其特征在于，步骤S1中输入的步态参数为：步长x、步宽y、每步所用时间t_f、静止时质心高度z_height和步数Num。

4.根据权利要求3所述的双足仿人机器人非线性步态规划方法，其特征在于，所述步骤S2包括：

S21、定义机器人初始站立位置的正前方为X轴正方向、右手侧为Y轴正方向，两脚之间中心点设为原点，在单脚支撑阶段，与地面接触的脚称为支撑脚、另一只为摆动脚；

S22、基于用户输入的步态参数生成支撑脚在X-Y平面内的参考轨迹向量supportX、supportY，以及身体在X-Y平面内的参考轨迹向量torsoX、torsoY，其中，supportX表示沿x轴方向支撑脚轨迹，supportY表示沿Y轴方向支撑脚轨迹，torsoX表示沿X轴方向的身体轨迹，torsoY表示沿Y轴方向的身体轨迹；

其中，supportX=[0,x,2x,3x,…,Num·x]，当先以左脚为支撑脚，右脚为摆动脚时，supportY＝[-y,y,-y,y,…,(-1)^Num·y]，当先以右脚为支撑脚，左脚为摆动脚时，supportY=[y,-y,y,-y,…,(-1)^(Num-1)·y]；torsoX=[0,x/2,3x/2,5x/2,…,(2Num-1)·x/2]，torsoY＝[0,0,0,0,…0]；

S23、基于支撑脚和身体的参考轨迹向量获取参考ZMP轨迹。

5.根据权利要求4所述的双足仿人机器人非线性步态规划方法，其特征在于，所述步骤S23包括：

S230、定义t₀、t₁、t₂分别为初始时刻、接近t₀的定点和接近步骤S1输入的所用时间t_f的定点，torsoX_i为沿x轴第i步的身体位置；

S231、如果t≥t₀并且t＜t₁

S232、如果t≥t₁并且t＜t₂

x_zmp(t)＝supportX(t)

y_zmp(t)＝supportY(t)

S233、如果t≥t₂并且t＜t_f,

6.一种双足仿人机器人非线性步态控制方法，其特征在于，包括：

S100、执行权力要求1-5任一项所述的步态规划方法以获取质心轨迹；

S200、计算摆动脚轨迹；

S300、基于质心轨迹和摆动脚轨迹，利用逆运动学模型求得腿部各关节的时间序列角度，舵机按照此时间序列角度控制关节转动以使机器人走出步骤S1中的步态参数所对应的期待步态。

7.一种基于权利要求6所述的非线性步态控制方法的双足仿人机器人，其特征在于，包括：

人机交互单元，用于获取用户输入的步态参数；

ZMP参考轨迹生成单元，用于基于用户输入的步态参数生成ZMP参考轨迹；

质心轨迹生成单元，用于采用整合了非线性因子的Preview Control算法，根据参考ZMP轨迹获取质心轨迹；其中，所述非线性因子与沿重力加速度方向的运动参数相关；

步态执行单元，用于计算摆动脚轨迹，基于质心轨迹和摆动脚轨迹，利用逆运动学模型求得腿部各关节的时间序列角度，舵机按照此时间序列角度控制关节转动以使机器人走出用户输入的步态参数所对应的期待步态。