摘要
双足机器人有着与人类相似的结构，其独有的双足步行的移动方式，可以很好的在轮式机器人难以应对的复杂或危险的环境中移动，代替人类完成任务，在医疗，日常服务，军事及救援等领域有着广泛的应用。然而由于人体下肢结构复杂，当前大部分双足机器人的自由度都与人体不相匹配，且有着步态过于僵硬仿人性较差行走不稳定的问题。因此提高双足机器人在机械结构与步态规划方面的拟人性和稳定性成为了双足机器人研究的核心问题。本文围绕基于七连杆模型的双足机器人的设计及其步态规划展开研究，论文主要工作有: 第一，基于七连杆模型的双足机器人设计与实现。在仿人机器人需求分析的基础上，基于七连杆模型进行了双足机器人物理对象模型自由度的配置;设计并搭建了七连杆双足机器人硬件系统，其感知模块中配备了压力传感器和位姿传感器，提高了双足机器人与环境交互的能力;完成了双足机器人各模块的元器件选型;基于Solidworks完成了其机械结构的设计;对七连杆模型进行组装及模块功能的调试;在V-REP仿真实验环境下搭建了仿真模型，为后续的仿人步态规划研究建立了硬件及仿真研究平台。 第二，实现了基于CPG-ZMP混合行走控制方法的步态规划。采用仿生性强的CPG（Central Pattern Generator，中枢模式发生器）控制方法产生节律信号，以驱动双足机器人的仿人行走，搭建了由10个自由度振荡器和1个中央振荡器组成的七连杆双足机器人行走控制的CPG网络拓扑结构;针对双足机器人在CPG行走控制方法中抗扰动能力以及行走稳定性较差的问题，将ZMP稳定判据与CPG相结合，在CPG产生双足机器人行走所需的关节角度信号驱使机器人行走时，利用双足机器人物理对象模型的压力传感器实时获取零力矩点位置，并与期望的ZMP点比较，通过其差值产生相应的关节角度补偿，形成闭环控制结构;引用遗传算法对闭环控制结构中的参数进行寻优和确定;仿真实验结果表明:CPG-ZMP混合行走控制方法改善了CPG控制方法中机器人行走不稳定的情况;物理实验结果表明:CPG-ZMP混合行走控制方法可以使七连杆双足机器人完成稳定行走。 第三，实现了基于DDPG（Deep Deterministic Policy Gradient，深度确定性策略梯度算法）的CPG行走方向控制。针对地面滑动等误差会导致双足机器人行走方向出现偏移的问题，通过分析人体在行走过程中调整步行方向的方式，在CPG网络中加入了调整方向所需的髋关节偏航角振荡器;引入DDPG强化学习网络，设计其Actor模块与Critic模块的网络结构，确定DDPG网络的奖励函数，网络以机器人行走过程中位姿传感器获取到的机器人躯干状态以及位置信息作为输入量，输出可变的权值gain，通过与CPG的节律信号相结合，控制双足机器人髋关节偏航角舵机旋转角度，改变行走方向;完成强化学习网络的训练;仿真实验结果表明:基于DDPG的CPG行走方向控制方法可以有效改善七连杆双足机器人行走过程中行走方向偏移的问题。 本文围绕基于七连杆模型的双足机器人设计及其仿人步态规划问题进行研究，设计了双足机器人物理对象模型，以CPG为基础设计控制方法，保证其仿人性的同时，提高行走稳定性，对双足机器人在机械结构与步态规划的仿人性研究有一定的参考价值。
NETL