基于自适应神经网络控制器的不确定动力学三维双足步行机器人速度调节

本文提出了一种基于神经网络的自适应反馈控制结构，用于在动力学不确定性下调节三维双足机器人的速度。现有的基于混合零动力学（HZD）的控制器通过启发式调节器实现速度调节，这些调节器未考虑模型与环境不确定性，可能显著影响控制器的跟踪性能。本文从虚拟约束的降维表示角度处理机器人动力学中的不确定性，并提出集成自适应神经网络控制器，在模型参数不确定时调节机器人速度。所提方法在动力学不确定性下获得了改进的跟踪性能。本文使用的浅层自适应神经网络无需先验训练，并有望在实时机器人控制器上实现。给出了三维Cassie机器人的对比仿真研究，以说明所提方法在各种场景下的性能。