一种液压四足机器人单腿关节解耦控制方法
【技术领域】
[0001] 本发明涉及四足机器人控制技术领域，尤其涉及一种液压四足机器人单腿关节解 耦控制方法。
【背景技术】
[0002] 液压驱动四足机器人是一个典型的多输入多输出的非线性系统，一般情况下，腿 部某一个关节的输入会受到其他关节输出的影响，同时，这个关节的输出也会受到其他关 节输入的影响，因此各关节之间存在着耦合现象。对于一个非线性多耦合的复杂系统，由于 多个变量间产生的耦合，使得系统控制也变得十分复杂，这种非线性强耦合效应在低速时 以及对机器人的精度要求不高的情况下可以忽略不计，各关节的运动也可以独立的进行分 析研究。但是在高速的情况下，非线性强耦合效应会严重影响到机器人的控制精度。这给液 压驱动四足机器人的运动控制带来了很大的困难，必须进行解耦控制才能获得满意的控制 效果，于是，解耦控制为液压四足机器人自动化水平的提高提供了一种有效方法。
[0003] 解耦控制的基本思想是通过设计一个解耦网络，寻找合适的控制规律将多输入多 输出耦合系统解耦为多个单输入单输出的独立系统，降低各回路之间的相互耦合关系，或 者使親合限制在一定范围内。
[0004] 由液压四足机器人的动力学方程可知，该机器人系统是一个非线性的高度耦合的 控制系统，其耦合在方程中体现在惯量、哥氏力和重力之间的相互影响。
[0005] 在实际运动中，想要对四足机器人的一个关节进行控制，只有在腿部的其他所有 关节都被锁定时才有可能，当这些关节解除锁定后，各关节之间存在着交连耦合影响，因 此，机器人每一个关节的运动都受到其他关节的耦合影响，致使控制效果并不理想。因而， 降低机器人系统的交连耦合影响，对机器人各个关节进行解耦控制变得十分必要。
[0006] 中国专利文献CN102785248A公开了一种解耦型六自由度工业机器人的运动控制 方法，通过本发明，具备可预知过奇异点路径、算法简单、反解速度快以及能较好地确定唯 一解等优点，并能很好地应用于实际的工业机器人运动控制。
[0007] 中国专利文献CN103341865A公开了一种三自由度等速解耦空间机器人主动球型 腕与万向柔顺控制方法，本发明定位准确，运动平稳，避免了运动耦合与机械臂的振动现 象，球型腕全柔顺模式可有效解除机械干涉。
[0008] 以上两个发明均是对机器人的解耦控制进行研究，但两个发明研究的机器人种类 均非足式步行机器人，其控制方法很难移植到足式步行机器人上，特别是对于液压驱动的 四足机器人，由于其具有高动态、高负载能力，其控制方法会更加复杂，经查阅相关资料， 尚没有相应的专利对液压四足机器人关节间的解耦控制进行研究，因此，本发明具有一定 的原创性。
【发明内容】
[0009] 针对现有技术的缺陷和技术需求，本发明提出了一种液压四足机器人单腿关节解 耦控制方法，其主要思想是:设定好系统无耦合情况下的参考模型，然后训练神经网络控制 器，使系统的输出能够跟随参考模型的输出；同时，利用神经网络模型预测，根据被控对象 当前和之前的输入输出数据，预测系统下一步的输出；最后根据预测输出与给定的参考输 出在线修正神经网络的权值，以使神经网络解耦控制器的优化指标达到极小，实现解耦控 制目的。
[0010 ]为了解决上述技术问题，本发明予以实现的技术方案是：
[0011] -种液压四足机器人单腿关节解耦控制方法，该方法包括PID神经网络解耦控制 模块、神经网络模型参考解耦控制模块和预测控制模块。所述PID神经网络解耦控制模块采 用2个BP神经元子网络构成，各子网络隐含层中均分别为比例(P)神经元、积分(I)神经元和 微分(D)神经元;所述神经网络模型参考解耦控制模块包括参考轨线、预测模型、反馈校正 和滚动优化;所述预测控制模块包括参考轨线、预测模型、反馈校正和滚动优化。将上述的 PID神经网络解耦控制模块、神经网络模型参考解耦控制模块和预测控制模块有机地结合， 按照下述步骤构成了液压四足机器人单腿关节的解耦控制。
[0012] 步骤一:关节间的耦合关系： 液压四足机器人的行走主要依赖于髋关节和膝关节的2个主动自由度实现，只有在机 器人出现打滑或转向的时候，横摆关节的液压缸才开始动作。于是，当机器人在前进方向行 走时，髋部不动，只有髋关节和膝关节驱动机器人的大腿和小腿，并带动足端运动，因此，本 发明着重解决大腿和小腿之间的耦合情况，即，髋关节和膝关节之间的耦合。
[0013] 由于在运动过程中，液压四足机器人各关节的运动均属于低速运动，因此，关节间 的运动受哥氏力和向心力的影响较小，可忽略不计，但受惯性力和重力的影响较大，为了便 于分析和解决问题，需要抓住问题的主要矛盾，故只考虑惯性力和重力的影响，忽略哥氏力 和向心力的影响，这样，液压四足机器人腿部动力学模型变为如下形式： F = Μ (>'))> -f Cj0?) 于是，髋关节和膝关节的出力与液压缸位移之间的动力学关系如下： 式中，
对上式进行拉氏变换，可得耦合关系式如下：
[0014]由上式可以看出，髋关节的输出72受到膝关节输出y3的影响，膝关节的输出y 3受到 髋关节输出y2的影响，即液压四足机器人大、小腿关节之间存在明显的耦合。
[0015] 步骤二:PID神经网络解耦控制： 由于液压四足机器人单腿在前进方向只有两个关节，因此在髋部固定的条件下，可认 为机器人单腿系统是两个输入、两个输出的多变量系统，变量之间存在相互耦合、相互影 响，对于具有2个输入、2个输出的系统，基于不变性原理，PID神经网络解耦控制器中，每一 个子网络的输入端均具有两个输入，一个是输入的设定值^(1 = 2,3)，另一个是输出反馈 值yi(i = 2，3)，m(i = 2，3)为被控对象的第i个输入控制量，也是网络的第i个输出量。
[0016] 2个PID神经元子网络构成了神经网络解耦控制器，各子网络隐含层中均有3个神 经元，分别为比例(P)、积分（I)、微分(D)神经元，不同子网络的输入层到隐含层之间是相互 独立的，而隐含层到输出层之间彼此有连接权，输出层完成对控制规律的综合，从而构成了 PID神经网络解耦控制系统，实现了多变量系统的解耦控制。
[0017] 对于PID神经网络中的第s个子网络，隐含层的比例神经元、积分神经元、微分神经 元的输出算法如下： 比例神经元的输出算法为：
积分神经元的输出算法为：
微分神经元的输出算法为：
步骤三:神经网络模型参考解耦控制： a) 参考模型： 设定系统在无耦合情况下的参考模型:将液压四足机器人大小腿间存在耦合的模型中 次对角线的耦合项去掉，便可得到大小腿之间在无耦合情况下的参考模型：
b) 神经网络辨识器： 由于液压四足机器人单腿在前进方向只有两个关节，因此在髋部固定的条件下，可认 为机器人单腿系统是两个输入、两个输出的多变量系统，因而，神经网络辨识器的结构也是 两个输入两个输出，设:U2、u3为被控对象的输入，y2、y3为被控对象的输出，为预测 输出。
[0018] 神经网络辨识器是根据被控对象当前和之前的输入输出来预测系统的下一步输 出，从而可得到预测输出与系统实际输出之间的误差为：
利用q 来调整神经网络辨识器的权值，则神经网络辨识器的目标函数为：
式中，Τι为辨识周期。 c) 神经网络控制器： 与神经网络辨识器相同，神经网络控制器的结构也是两个输入、两个输出，设:yr2、yr3 为给定的输入信号，y 2、y3为被控对象的输出，U2、u3为系统的控制量。
[0019] 参考模型的输出与系统实际输出之间的误差为： e2(k)=y(k)_y〇(k) 神经网络控制器是根据误差e2(k)来调整u(k)，从而使被控对象跟踪参