一種類人機器人上肢運動的類神經(jīng)控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種類人機器人運動的控制方法，尤其涉及一種類人筋腱式機器人上 肢運動的控制方法。
【背景技術(shù)】
[0002] 傳統(tǒng)機器人采用以關(guān)節(jié)電機為主的驅(qū)動方式，通過關(guān)節(jié)之間的變換關(guān)系反解出運 動控制矩陣，存在坐標(biāo)轉(zhuǎn)換復(fù)雜、計算量大、靈活度低、適應(yīng)力差等缺點。類人機器人作為下 一代智能機器人技術(shù)的發(fā)展方向之一，采用仿人的肌肉-關(guān)節(jié)結(jié)構(gòu)，具備了更強的靈活性、 通用性和可靠性。但由于其特殊的結(jié)構(gòu)設(shè)計，增加了運動模型的自由度和非線性性，也使得 對模型的反向求解計算過程繁瑣，計算量龐大，因此對傳統(tǒng)的控制方法提出了更高的要求。
[0003] 類人機器人的上肢運動規(guī)劃除了滿足高精度和學(xué)習(xí)能力的要求，還必須保證快速 的反應(yīng)能力。到目前為止，針對機器人的運動規(guī)劃主要有兩類，一類是基于傳統(tǒng)控制理論及 信息技術(shù)的控制方法，這是在目前機器人運動規(guī)劃中主要采用的方法。另外一類是模擬人 體運動控制系統(tǒng)的控制方法。
[0004] 基于傳統(tǒng)控制理論及信息技術(shù)的控制方法包括自適應(yīng)控制、模糊控制、預(yù)測控制、 人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等。為了實現(xiàn)高精度的運動控制，此類方法都需要復(fù)雜而大量的 計算，因此必然會犧牲機器人的快速反應(yīng)能力。除此之外，高精度的運動控制依賴于對機器 人每一關(guān)節(jié)的精準(zhǔn)控制，所以任一關(guān)節(jié)處的細(xì)小偏差都可能導(dǎo)致運動結(jié)果的巨大誤差。采 用此類算法控制的機器人大多缺乏良好的學(xué)習(xí)能力。根據(jù)攝像頭及傳感器反饋所得的視覺 與力的信息，機器人可以在預(yù)設(shè)的軌跡上完成運動，卻無法勝任環(huán)境時刻變化的任務(wù)。當(dāng)采 用類似于ZMP理論，將人工計劃與控制算法相結(jié)合時，機器人的控制性能可以得到提高。但 該方法所需的對機器人和環(huán)境的建模同樣將產(chǎn)生巨大的計算量，犧牲了機器人的快速反應(yīng) 能力。所以，此類方法可以分別實現(xiàn)機器人控制的高精度控制、學(xué)習(xí)能力和快速反應(yīng)能力， 卻無法同時滿足三個要求。
[0005] 人體的運動系統(tǒng)可以完成像運動和裝配等高精度任務(wù)，且同時具備快速反應(yīng)能力 和學(xué)習(xí)能力，所以人們希望通過模擬人體運動控制系統(tǒng)來改進(jìn)控制算法。在神經(jīng)認(rèn)知領(lǐng)域， 基于對人體運動系統(tǒng)的研究，生物學(xué)家們提出了兩種人體的運動控制機制，分別為優(yōu)化控 制理論和習(xí)慣計劃理論?，F(xiàn)有論文《Optimal feedback control and the neural basis of volitional motor control》描述了優(yōu)化控制理論，其認(rèn)為，人體經(jīng)通過運動路徑和做 功的計算分析，來控制每一塊肌肉以實現(xiàn)某一運動任務(wù)。但在處理復(fù)雜的機器人運動系統(tǒng) 時，該方法會產(chǎn)生龐大的計算量，因而無法滿足實時控制的要求?，F(xiàn)有論文《Muscle coordination is habitual rather than optimal》描述了習(xí)慣計劃理論，其認(rèn)為，人體傾 向于通過學(xué)習(xí)所得的運動模板而不是實時優(yōu)化來完成一個新的運動任務(wù)。本發(fā)明就是基于 將習(xí)慣計劃理論應(yīng)用于類人機器人控制而提出的。

【發(fā)明內(nèi)容】

[0006] 為解決現(xiàn)有的機器人控制方法無法同時滿足機器人上肢運動中高精度、學(xué)習(xí)能力 和快速反應(yīng)能力的要求，本發(fā)明提出了一種類人機器人上肢運動的類神經(jīng)控制方法，大幅 減少了計算量，提高了反應(yīng)能力，還可以根據(jù)已有模板進(jìn)行自主學(xué)習(xí)，根據(jù)誤差和控制精度 的要求，不斷生成精度更高的運動模板。
[0007] 本發(fā)明提出的一種類人機器人上肢運動的類神經(jīng)控制方法，包括以下兩大部分：
[0008] 模型及模板的構(gòu)建：
[0009] 步驟A1，建立類人機器人的上肢動力學(xué)模型D;
[0010] 步驟A2,根據(jù)類人機器人的上肢動力學(xué)模型D，建立m組運動的初始的運動模板形 成運動模板庫并存儲于機器人控制器中；運動模板由類人機器人上肢運動的控制信號和輸 出結(jié)果組成；
[0011] 模板的選擇和控制輸出：
[0012] 步驟B1，給定新的運動任務(wù)位置pnew= {xnew，ynew};
[0013] 步驟B2,依據(jù)人體運動的習(xí)慣計劃理論和運動通路中小腦與脊髓間的信息傳播機 制，給定新的運動任務(wù)位置Pnew后機器人控制器從運動模板庫中選擇K個運動模板；
[0014] 步驟B3,根據(jù)各所選模版中上肢終點位置與pnew的距離關(guān)系確定各運動模板的權(quán) 重Wi，將所選擇的各個運動模板的控制信號Ui及對應(yīng)權(quán)重Wi相乘后求和計算出新的運動任 務(wù)所需的控制信號11_，將1!_輸入上肢動力學(xué)模型計算上肢運動的終點位置
[0015] 步驟M，計算步驟B3中得到的上肢運動的終點位置與期望終點位置pnew的誤 差值并統(tǒng)計步驟B3的執(zhí)行次數(shù)，若誤差值大于設(shè)定的誤差閾值，將該控制信號此^及終點位 置P' new所形成的一組運動模板保存入運動模板庫，再次重復(fù)步驟B2、步驟B3、步驟B4，直至 誤差值 < 設(shè)定的誤差閾值或步驟B3執(zhí)行次數(shù)大于設(shè)定的執(zhí)行次數(shù)閾值，機器人控制器將保 存對應(yīng)的控制信號及終點位置作為新任務(wù)的運動模板，執(zhí)行該模板中的控制信號，輸出運 動結(jié)果。
[0016] 優(yōu)選的，步驟A1中依據(jù)人體上肢動力學(xué)模型的建立過程為:通過對上肢運動過程 的依次建模來進(jìn)行類人機器人的上肢動力學(xué)模型D的建立。
[0017]優(yōu)選的，步驟A2中所述的類人機器人上肢運動的控制信號為類神經(jīng)元信號，該信 號為一組由機器人控制器產(chǎn)生的時間序列，機器人控制器依據(jù)類神經(jīng)元信號控制電機轉(zhuǎn) 動，進(jìn)而帶動類人機器人的上肢肌肉運動，將類人機器人上肢運動到指定的終點位置，類人 機器人上肢運動的輸出結(jié)果為上肢運動的終點位置。
[0018] 優(yōu)選的，步驟A2中運動模板庫的建立包括如下步驟：
[0019] 步驟A21，設(shè)定一次上肢運動中期望的終點位置pi= {xi，yi};
[0020] 步驟A22,根據(jù)Pl及上肢動力學(xué)模型D反向計算出對應(yīng)的控制信號m;
[0021] 步驟A23,根據(jù)m及上肢動力學(xué)模型D計算出機器人上肢運動中實際的終點位置p 'i；
[0022] 步驟A24,同一次運動中的m和i將作為一組初始的運動模板；
[0023]步驟A25，重復(fù)步驟A21至步驟A24獲得m組初始的運動模板形成運動模板庫并存儲 于機器人控制器中，運動模板庫表示為U= {ui，U2，···，Um}和P' = {p\，pS，···，p\}。
[0024]優(yōu)選的，步驟A2中初始的運動模板的個數(shù)m2 3,步驟B2中3。
[0025] 優(yōu)選的，步驟B3中Unew和P' new具體計算方法如下：
[0026] 步驟B31，依次計算pnew與步驟B2中所選的運動模板所對應(yīng)上肢終點位置i的權(quán) 重關(guān)系Wi ;
[0027]
[0028] 式中
，di表示ιΛ與pnew的歐幾里得距離；
[0029]步驟B32,利用步驟B2中所選的運動模板的控制信號m及對應(yīng)權(quán)重Wl計算新任務(wù)所 需的控制信號IW，計算公式為
[0030]
[0031]步驟B33,將控制信號unew帶入上肢動力學(xué)模型D，計算出在新任務(wù)的上肢運動中實 際的終點位置P'new。
[0032]優(yōu)選的，步驟B2中運動模板的選擇方法包括如下步驟：
[0033]步驟B21，從運動模板庫中選擇3個運動模板，使3個運動模板中類人機器人上肢的 終點位置f i能夠形成包圍pnew的最小三角形；
[0034] 步驟B22，當(dāng)選擇的模板數(shù)k>3時，從運動模板庫中選擇其余的運動模板，選擇依據(jù) 為類人機器人上肢的終點位置的距離從小到大順序選擇，且能與步驟B21中所選 擇的3個運動模板中類人機器人上肢的終點位置形成一個包圍p new的凸多邊形N;
[0035] 本步驟中所述的其余運動模板的個數(shù)為:若為首次執(zhí)行步驟B21則為K-3,若非首 次執(zhí)行步驟B21則為K-4個運動模板。
[0036]步驟B23，若為首次執(zhí)