基于神经网络时间量化拉格朗日动力学与蚁群优化的九连杆双足机器人楼梯摆线轨迹实现
机器人学
2021-07-22 v3 神经与进化计算
系统与控制
系统与控制
摘要
本文提出了一种用于带趾足双足机器人关节角度轨迹跟踪控制与能量优化的新型最优技术。针对九连杆双足模型爬楼梯任务，提出了一种摆动相的摆线轨迹，其摆线变量依赖于楼梯尺寸。采用零力矩点（ZMP）准则以满足稳定性约束。本文主要可分为三步：1) 为爬上楼梯规划初始步与后续步的稳定摆线轨迹，并使用带节点平移过程的无监督人工神经网络进行逆运动学求解以最小化加加速度；2) 使用拉格朗日动力学对趾足双足模型建模，并采用弹簧-阻尼系统进行接触建模，随后开发神经网络时间量化拉格朗日动力学，其以神经网络的逆运动学输出作为输入；3) 使用蚁群优化来整定 PD（比例微分）控制器参数与躯干角度，目标是最小化关节空间轨迹误差与总能耗。选取了三种不同楼梯尺寸的案例，并进行了简要对比以验证所提工作的有效性。生成的模式已在 MATLAB 中仿真。
引用
@article{arxiv.2012.01417,
title = {Cycloidal Trajectory Realization on Staircase based on Neural Network Temporal Quantized Lagrange Dynamics (NNTQLD) with Ant Colony Optimization for a 9-Link Bipedal Robot},
author = {Gaurav Bhardwaj and Utkarsh A. Mishra and N. Sukavanam and R. Balasubramanian},
journal= {arXiv preprint arXiv:2012.01417},
year = {2021}
}