基于稳定性的仿生四足机器人控制系统的制作方法

阅读：评论：0

1.本发明属于机器人领域，涉及机器人控制技术，具体是基于稳定性的仿生四足机器人控制系统。

背景技术：

2.机器人是一种能够半自主或全自主工作的智能机器。机器人具有感知、决策、执行等基本特征，可以辅助甚至替代人类完成危险、繁重、复杂的工作，提高工作效率与质量，服务人类生活，扩大或延伸人的活动及能力范围。其中，仿生机器人是指模仿生物、从事生物特点工作的机器人，在进入老龄化社会，发展仿人机器人将弥补年轻劳动力的严重不足，解决老龄化社会的家庭服务和医疗等社会问题，并能开辟新的产业，创造新的就业机会。
3.现有技术中，仿生四足机器人需要连续地面支撑，仿生四足机器人的躯干轨迹与足底轨迹不可以解耦控制，仿生四足机器的腿足式结构在运动时不具备灵活性和环境适应性，稳定较差；同时，仿生四足机器人无法对行进方向上的障碍物进行分析规避，无法依据规避分析结果优选出行进路线，为此，我们提出基于稳定性的仿生四足机器人控制系统。

技术实现要素：

4.针对现有技术存在的不足，本发明目的是提供基于稳定性的仿生四足机器人控制系统。
5.本发明所要解决的技术问题为：
6.(1)如何有效提升仿生四足机器人的稳定性，并使腿足式结构在运动时具备灵活性和环境适应性；
7.(2)仿生四足机器人如何行进方向上的障碍物进行分析规避并优选出行进路线。
8.本发明的目的可以通过以下技术方案实现：
9.基于稳定性的仿生四足机器人控制系统，包括数据采集模块、状态估计子系统、轨迹规划子系统和处理器，所述数据采集模块用于采集四足机器人行进方向的障碍物信息，并将障碍物信息发送至处理器，所述处理器将障碍物信息发送至障碍分析模块；
10.所述轨迹规划子系统包括足点规划模块、避障分析模块、路径优选模块和地图导入模块，所述处理器中存储有若干个物体的预设轮廓图和预设安全距离，所述障碍分析模块连接有扫描单元，避障分析模块结合扫描单元用于对四足机器人行进方向的障碍物进行分析，分析生成避障信号发送至处理器，处理器依据避障信号生成避障指令加载至四足机器人的控制电机；
11.所述地图导入模块用于将四足机器人所在区域的地图资料导入至路径优选模块，所述路径优选模块结合地图资料用于对四足机器人的行进路线进行优选，得到行进路线的选取表并反馈至处理器，处理器依据选取表选择行进路线；
12.所述足点规划模块基于仿生学的角度对四足机器人摆动腿落脚点的位置进行规划；
13.所述状态估计子系统包括浮动基座动力模块和模型预测控制模块，所述浮动基座动力模块用于计算四足机器人的关节矩阵，并依据关节矩阵生成关节矩阵指令加载至四足机器人的控制电机；
14.所述模型预测控制模块采用足端力控制法使四足机器人的机身平稳。
15.进一步地，障碍信息为障碍物的实时轮廓图、移动速度和实时位置。
16.进一步地，所述避障分析模块的分析过程具体如下：
17.步骤s1：当四足机器人的行进方向存在障碍物时，将障碍物标记为u，u1＝1，2，
……
，z，z为正整数；扫描单元对障碍物进行扫描得到障碍物的实时轮廓图，并将实时轮廓图标记为lku；
18.步骤s2：将实时轮廓图lku与预设轮廓图进行比对，得到对应的预设轮廓图，通过预设轮廓图将四足机器人行进方向上的障碍物判定为静障碍物和动障碍物；
19.步骤s3：若为动障碍物，则获取动障碍物的障碍移动速度zysu以及四足机器人与动障碍物之间的直线距离jlu；
20.若为静障碍物，则获取四足机器人与静障碍物之间的直线距离jlu；
21.步骤s4：获取处理器中存储的预设安全距离al；
22.若直线距离小于等于预设安全距离，则生成避障信号；
23.若直线距离大于预设安全距离，则进入下一步骤；
24.步骤s5：获取四足机器人的实时移动速度sysu；
25.若实时移动速度小于等于障碍移动速度，则不进行任何操作；
26.若实时移动速度大于障碍移动速度，则进行碰撞分析得到四足机器人与动障碍物之间的遇障时间t1u和四足机器人与静障碍物之间的遇障时间t2u；
27.步骤s6：经过遇障时间t1u或t2u后，生成避障信号。
28.进一步地，碰撞分析具体如下：
29.步骤s51：若障碍物为动障碍物，则通过公式dyscu＝sysu-zysu计算得到四足机器人与动障碍物之间的移动速度差值dyscu；
30.若障碍物为静障碍物，则通过公式jyscu＝sysu-0计算得到四足机器人与静障碍物之间的移动速度差值jyscu；
31.步骤s52：而后通过公式jlcu＝al-jlu计算得到预设安全距离与直线距离的距离差值jlcu；
32.步骤s53：通过公式t1u＝jlcu/dyscu计算得到四足机器人与动障碍物之间的遇障时间t1u；
33.通过公式t2u＝jlcu/jyscu计算得到四足机器人与静障碍物之间的遇障时间t2u。
34.进一步地，所述路径优选模块的优选过程具体如下：
35.步骤一：依据地图资料获取四足机器人的出发点和到达点，通过出发点和到达点得到若干条行进路线，将若干条行进路线标记为i，i＝1，2，
……
，x，x为正整数；
36.步骤二：获取若干条行进路线上的转弯，统计转弯的数量以及每个转弯的弯曲度，每个转弯的弯曲度相加求和除以转弯的数量得到行进路线的转弯度zwdi；
37.步骤三：获取行进路线上当前存在的障碍物，统计障碍物的数量得到行进路线的障碍物数zasi；
38.步骤四：获取行进路线上的运动物体，对运行物体进行运行分析；
39.若运行物体与四足机器人同向运动，则获取运行物体的运动速度，若运行速度大于等于四足机器人的移动速度，则将运行物体标记为绿点，若运行速度小于四足机器人的移动速度，则将运行物体标记为蓝点；
40.若运行物体与四足机器人相向运动，则将运动物体标记为红点；
41.统计行进路线上的红点数hdsi、蓝点数ldsi和绿点数ldsu，通过公式yxi＝(hdsi
×
c1+ldsi
×
c2)/(ldsi
×
c3)计算得到行进路线上的运行值yxi；式中，c1、c2和c3均为固定数值的比例系数，且c1、c2和c3的取值均大于零；
42.步骤五：将转弯度zwdi、障碍物数zasi和运行值yxi代入计算式计算得到行进路线的选取值xqi，计算式具体如下：
43.式中，a1和a2均为固定数值的比例系数，且a1和a2取值均大于零；
44.步骤六：按照数值大小将行进路线的选取值降序排列，得到行进路线的选取表。
45.进一步地，四足机器人调整摆动腿落脚点的位置向失稳方向偏移，用数学语言描述为：δp＝k(v-vd)；
46.其中，δ是落足点偏移量，k是系数，v和vd分别是躯干实际速度和期望速度。
47.进一步地，四足机器人为浮动基座机器人，在四足机器人的浮动基座添加一个6自由度虚拟关节，等效为一个13关节的固定基座机器人，浮动基座机器人的标准动力学方程为：
[0048][0049][0050]
式中，m为质量矩阵，为期望关节加速度，c为偏置力，q为关节角度，为关节速度，sj为选择矩阵，τ为关节矩阵，为接触雅可比矩阵，fc为地面接触力。
[0051]
进一步地，足端力控制法是以保持机身平稳为目标，使用闭环处理器，计算出每个支撑足对地面的作用力，然后使用动力学方法解算每个关节所需的扭矩，最终给电机发送力矩指令。
[0052]
进一步地，模型预测控制模块的数学原理：
[0053]
将四足机器人建模为一个单刚体模型，单刚体模型在空间中6个自由度的位置与速度采用12个变量描述四足机器人的状态；
[0054]
将状态方程离散化，得到具有递推性质的离散化状态方程，并利用递推特性对未来一段时间做预测得到预测方程；
[0055]
将预测的轨迹与实际轨迹做差，将控制问题转化为优化问题求解出作为控制量的足底反力。
[0056]
与现有技术相比，本发明的有益效果是：
[0057]
1、本发明通过足点规划模块基于仿生学的角度对四足机器人摆动腿落脚点的位置进行规划，调整四足机器人摆动腿的落脚点的位置向失稳方向偏移，从而有利于保持身体平衡，同时通过浮动基座动力模块计算四足机器人的关节矩阵，并依据关节矩阵生成关节矩阵指令加载至四足机器人的控制电机，并通过模型预测控制模块采用足端力控制法保持四足机器人的机身平稳；
[0058]
2、本发明通过避障分析模块结合扫描单元对四足机器人行进方向的障碍物进行分析，分析得到遇障时间，依据在达到遇障时间时生成避障信号并发送至处理器，处理器依据避障信号生成避障指令加载至四足机器人的控制电机，同时通过路径优选模块结合地图资料用于对四足机器人的行进路线进行优选，依据行进路线的选取表选择四足机器人的行进路线，本发明提前使四足机器人规避障碍物，避免障碍物相接触导致四足机器人倾倒或损坏。
附图说明
[0059]
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
[0060]
图1为本发明的整体系统框图；
[0061]
图2为本发明中处理器的系统框图。
具体实施方式
[0062]
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0063]
请一并参阅图1-图2所示，基于稳定性的仿生四足机器人控制系统，制作一个仿生四足机器人，可以实现前进、后退、横移、转向等多方向运动；具有一定稳定性，主要体现在受冲击后恢复稳定、非结构化路面行走等；具有一定感知外界环境的能力，能够主动探查周围环境中的障碍物，并自主决策行走路径。
[0064]
请再次参阅图1所示，仿生四足机器人控制系统包括数据采集模块、状态估计子系统、轨迹规划子系统和处理器；
[0065]
其中需要说明的是，实线箭头表示的是控制信号流，虚线箭头表示的是状态信号流；按照不同的功能，控制系统可以分为若干个模块，仿生四足机器人控制系统主要包含数据采集模块、状态估计子系统、轨迹规划子系统和处理器四个部分即可。
[0066]
在一个实施例中，所述数据采集模块用于采集四足机器人行进方向的障碍物信息，并将障碍物信息发送至处理器，所述处理器将障碍物信息发送至障碍分析模块；
[0067]
其中，障碍信息为障碍物的实时轮廓图、移动速度、实时位置等。
[0068]
在一个较佳的实施例中，所述数据采集模块具体为安装在四足机器人上的红外扫描器。
[0069]
具体的，状态估计子系统主要解决机器人在哪儿的问题；轨迹规划子系统主要解决机器人去哪儿的问题；处理器主要解决机器人怎么去的问题。
[0070]
更为具体的，所述轨迹规划子系统包括足点规划模块、避障分析模块、路径优选模
块和地图导入模块。
[0071]
所述处理器中存储有若干个物体的预设轮廓图和预设安全距离，所述障碍分析模块连接有扫描单元，所述避障分析模块结合扫描单元用于对四足机器人行进方向的障碍物进行分析，分析过程具体如下：
[0072]
步骤s1：当四足机器人的行进方向存在障碍物时，将障碍物标记为u，u1＝1，2，
……
，z，z为正整数；扫描单元对障碍物进行扫描得到障碍物的实时轮廓图，并将实时轮廓图标记为lku；
[0073]
步骤s2：将实时轮廓图lku与预设轮廓图进行比对，得到对应的预设轮廓图，通过预设轮廓图将四足机器人行进方向上的障碍物判定为静障碍物和动障碍物；
[0074]
步骤s3：若为动障碍物，则获取动障碍物的障碍移动速度zysu以及四足机器人与动障碍物之间的直线距离jlu；
[0075]
若为静障碍物，则获取四足机器人与静障碍物之间的直线距离jlu；
[0076]
步骤s4：获取处理器中存储的预设安全距离al；
[0077]
若直线距离小于等于预设安全距离，则生成避障信号；
[0078]
若直线距离大于预设安全距离，则进入下一步骤；
[0079]
步骤s5：获取四足机器人的实时移动速度sysu；
[0080]
若实时移动速度小于等于障碍移动速度，则不进行任何操作；
[0081]
若实时移动速度大于障碍移动速度，则进行碰撞分析得到四足机器人与动障碍物之间的遇障时间t1u和四足机器人与静障碍物之间的遇障时间t2u，碰撞分析具体如下：
[0082]
步骤s51：若障碍物为动障碍物，则通过公式dyscu＝sysu-zysu计算得到四足机器人与动障碍物之间的移动速度差值dyscu；
[0083]
若障碍物为静障碍物，则通过公式jyscu＝sysu-0计算得到四足机器人与静障碍物之间的移动速度差值jyscu；
[0084]
步骤s52：而后通过公式jlcu＝al-jlu计算得到预设安全距离与直线距离的距离差值jlcu；
[0085]
步骤s53：通过公式t1u＝jlcu/dyscu计算得到四足机器人与动障碍物之间的遇障时间t1u；
[0086]
通过公式t2u＝jlcu/jyscu计算得到四足机器人与静障碍物之间的遇障时间t2u；
[0087]
步骤s6：经过遇障时间t1u或t2u后，生成避障信号。
[0088]
在具体的实施方式中，所述避障分析模块将避障信号发送至处理器，处理器依据避障信号生成避障指令加载至四足机器人的控制电机，在四足机器人使用过程中，通过避障分析模块提前使四足机器人规避障碍物，避免障碍物相接触导致四足机器人倾倒或损坏。
[0089]
所述地图导入模块用于将四足机器人所在区域的地图资料导入至路径优选模块；在具体实施时，地图资料可以四足机器人的训练场地、实验场地等，也可以是四足机器人的比赛场地等；所述路径优选模块结合地图资料用于对四足机器人的行进路线进行优选，优选过程具体如下：
[0090]
步骤一：依据地图资料获取四足机器人的出发点和到达点，通过出发点和到达点得到若干条行进路线，将若干条行进路线标记为i，i＝1，2，
……
，x，x为正整数；
[0091]
步骤二：获取若干条行进路线上的转弯，统计转弯的数量以及每个转弯的弯曲度，每个转弯的弯曲度相加求和除以转弯的数量得到行进路线的转弯度zwdi；
[0092]
步骤三：获取行进路线上当前存在的障碍物，统计障碍物的数量得到行进路线的障碍物数zasi；
[0093]
步骤四：获取行进路线上的运动物体(此处的运动物体不包括障碍物)，对运行物体进行运行分析；
[0094]
若运行物体与四足机器人同向运动，则获取运行物体的运动速度，若运行速度大于等于四足机器人的移动速度，则将运行物体标记为绿点，若运行速度小于四足机器人的移动速度，则将运行物体标记为蓝点；
[0095]
若运行物体与四足机器人相向运动，则将运动物体标记为红点；
[0096]
统计行进路线上的红点数hdsi、蓝点数ldsi和绿点数ldsu，通过公式yxi＝(hdsi
×
c1+ldsi
×
c2)/(ldsi
×
c3)计算得到行进路线上的运行值yxi；式中，c1、c2和c3均为固定数值的比例系数，且c1、c2和c3的取值均大于零；
[0097]
步骤五：将转弯度zwdi、障碍物数zasi和运行值yxi代入计算式计算得到行进路线的选取值xqi，计算式具体如下：
[0098]
式中，a1和a2均为固定数值的比例系数，且a1和a2取值均大于零；
[0099]
步骤六：按照数值大小将行进路线的选取值降序排列，得到行进路线的选取表；
[0100]
所述路径优选模块将行进路线的选取表反馈至处理器，处理器依据选取表选择行进路线；
[0101]
在具体实施时，地图导入模块导入的地图资料可以为navigation 2(后续简称“nav2”)项目，它是ros导航软件堆栈的精神继任者，该项目旨在寻一种安全的方式让移动机器人从a点移动到b点，nav2也可以应用于其他涉及机器人导航的应用，例如跟踪动态点。为此，nav2将会完成动态路径规划、计算电机速度、避开障碍物和结构恢复行为；
[0102]
同时，nav2使用行为树调用模块化服务器来完成一个动作。动作可以是计算路径、控制工作、恢复或任何其他与导航相关的动作。这些都是通过ros动作服务器与行为树进行通信的独立节点；
[0103]
nav2的预期输入是符合rep-105的tf坐标变换、使用静态成本地图图层的地图源、bt xml文件和任何相关的传感器数据源。这样nav2就可以为完整性约束机器人或非完整性约束机器人的电机提供有效的速度指令以进行跟随。目前nav2支持所有的主要机器人类型：完整性约束机器人、差分驱动机器人、腿式机器人和阿克曼(类汽车)机器人等基本类型！nav2同时使用用于se2碰撞检测的圆形和任意形状机器人为这些基本类型的机器人提供独特的支持；
[0104]
nav2具有下列工具：加载、提供和存储地图的工具(地图服务器map server)、在地图上定位机器人的工具(amcl)、将传感器数据转换为机器人世界中的成本地图表达的工具(nav2 costmap 2d)等等；
[0105]
所述足点规划模块，基于仿生学的角度对四足机器人摆动腿落脚点的位置进行规划；
[0106]
其中，从仿生学的角度，我们观察刚学会走路的小孩，在快摔倒时为了恢复身体平衡，小孩会向摔倒的方向迈出一大步，因此，为了避免四足机器人的摔倒，调整摆动腿的落脚点的位置向失稳方向偏移，从而有利于保持身体平衡；
[0107]
其中，用数学语言描述为：δp＝k(v-vd)；
[0108]
其中，δ是落足点偏移量，k是系数，v和vd分别是躯干实际速度和期望速度，并分别在单足机器人、双足机器人和四足机器人上做了仿真，验证了该策略有利于恢复机身稳定；
[0109]
所述状态估计子系统包括浮动基座动力模块和模型预测控制模块；
[0110]
所述浮动基座动力模块用于计算四足机器人的关节矩阵，并依据关节矩阵生成关节矩阵指令加载至四足机器人的控制电机；
[0111]
需要具体说明的是，从基座可移动能性上来分，机器人可分为固定基座机器人与浮动基座机器人，四足机器人是一种典型的浮动基座机器人，大多数机器人动力学算法是在固定基座机器人上推导和应用的。但是，常见的无人车、双足、四足机器人，都是浮动基座机器人，为了使浮动基座机器人也能使用固定基座机器人的动力学算法，在浮动基座和世界系之间添加一个6自由度虚拟关节，对于四足机器人，原本有12个实体关节，再算上1个虚拟关节，可以等效为一个13关节的固定基座机器人；
[0112]
其中，浮动基座机器人的标准动力学方程具体如下：
[0113][0114][0115]
式中，m为质量矩阵，为期望关节加速度，c为偏置力，q为关节角度，为关节速度，sj为选择矩阵，τ为关节矩阵，为接触雅可比矩阵，fc为地面接触力；
[0116]
可理解的，选择矩阵是一个18行18列的常数矩阵；关节转速与关节位置可利用电机编码器获取；
[0117]
可理解的，在四足机器人中，质量矩阵是一个18行18列的对称矩阵，关节空间质量矩阵可以采用多刚体动力学算法中的组合刚体法求解；
[0118]
可理解的，偏置力矩阵中包含了与关节加速度无关的力，包括重力、科氏力等，偏置力矩阵由递推牛顿欧拉法求解；
[0119]
可理解的，接触雅克比矩阵是从接触点到世界系的雅克比矩阵。是世界系下足底接触力到关节力的映射矩阵。接触雅克比可以通过正运动学方法求解；
[0120]
所述模型预测控制模块采用足端力控制法保持四足机器人的机身平稳；
[0121]
其中，足端力控制法是以保持机身平稳为目标，使用闭环处理器，计算出每个支撑足对地面的作用力，然后使用动力学方法解算每个关节所需的扭矩，最终给电机发送力矩指令；
[0122]
需要具体说明的是，模型预测控制模块的数学原理为：为了简化计算，忽略因关节位置变化导致的腿部质量分布变化，将四足机器人建模为一个单刚体模型，考虑单刚体模
型在空间中6个自由度的位置与速度，仅用12个变量就可以完整描述四足机器人的状态；
[0123]
将状态方程离散化，可得到具有递推性质的离散化状态方程。利用递推特性对未来一段时间做预测得到预测方程；
[0124]
最后，将预测的轨迹与实际轨迹做差，可以将控制问题转化为优化问题。从而求解出作为控制量的足底反力，具体计算公式如下：
[0125][0126][0127]
x＝a
qp
x(0)+b
qp
u；
[0128][0129]
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，比例系数和权重系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数和权重系数的大小，只要不影响参数与量化后数值的比例关系即可。
[0130]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

技术特征：

1.基于稳定性的仿生四足机器人控制系统，其特征在于，包括数据采集模块、状态估计子系统、轨迹规划子系统和处理器，所述数据采集模块用于采集四足机器人行进方向的障碍物信息，并将障碍物信息发送至处理器，所述处理器将障碍物信息发送至障碍分析模块；所述轨迹规划子系统包括足点规划模块、避障分析模块、路径优选模块和地图导入模块，所述处理器中存储有若干个物体的预设轮廓图和预设安全距离，所述障碍分析模块连接有扫描单元，避障分析模块结合扫描单元用于对四足机器人行进方向的障碍物进行分析，分析生成避障信号发送至处理器，处理器依据避障信号生成避障指令加载至四足机器人的控制电机；所述地图导入模块用于将四足机器人所在区域的地图资料导入至路径优选模块，所述路径优选模块结合地图资料用于对四足机器人的行进路线进行优选，得到行进路线的选取表并反馈至处理器，处理器依据选取表选择行进路线；所述足点规划模块基于仿生学的角度对四足机器人摆动腿落脚点的位置进行规划；所述状态估计子系统包括浮动基座动力模块和模型预测控制模块，所述浮动基座动力模块用于计算四足机器人的关节矩阵，并依据关节矩阵生成关节矩阵指令加载至四足机器人的控制电机；所述模型预测控制模块采用足端力控制法使四足机器人的机身平稳。2.根据权利要求1所述的基于稳定性的仿生四足机器人控制系统，其特征在于，障碍信息为障碍物的实时轮廓图、移动速度和实时位置。3.根据权利要求2所述的基于稳定性的仿生四足机器人控制系统，其特征在于，所述避障分析模块的分析过程具体如下：步骤s1：当四足机器人的行进方向存在障碍物时，将障碍物标记为u，u1＝1，2，
……
，z，z为正整数；扫描单元对障碍物进行扫描得到障碍物的实时轮廓图，并将实时轮廓图标记为lku；步骤s2：将实时轮廓图lku与预设轮廓图进行比对，得到对应的预设轮廓图，通过预设轮廓图将四足机器人行进方向上的障碍物判定为静障碍物和动障碍物；步骤s3：若为动障碍物，则获取动障碍物的障碍移动速度zysu以及四足机器人与动障碍物之间的直线距离jlu；若为静障碍物，则获取四足机器人与静障碍物之间的直线距离jlu；步骤s4：获取处理器中存储的预设安全距离al；若直线距离小于等于预设安全距离，则生成避障信号；若直线距离大于预设安全距离，则进入下一步骤；步骤s5：获取四足机器人的实时移动速度sysu；若实时移动速度小于等于障碍移动速度，则不进行任何操作；若实时移动速度大于障碍移动速度，则进行碰撞分析得到四足机器人与动障碍物之间的遇障时间t1u和四足机器人与静障碍物之间的遇障时间t2u；步骤s6：经过遇障时间t1u或t2u后，生成避障信号。4.根据权利要求3所述的基于稳定性的仿生四足机器人控制系统，其特征在于，碰撞分析具体如下：步骤s51：若障碍物为动障碍物，则通过公式dyscu＝sysu-zysu计算得到四足机器人与
动障碍物之间的移动速度差值dyscu；若障碍物为静障碍物，则通过公式jyscu＝sysu-0计算得到四足机器人与静障碍物之间的移动速度差值jyscu；步骤s52：而后通过公式jlcu＝al-jlu计算得到预设安全距离与直线距离的距离差值jlcu；步骤s53：通过公式t1u＝jlcu/dyscu计算得到四足机器人与动障碍物之间的遇障时间t1u；通过公式t2u＝jlcu/jyscu计算得到四足机器人与静障碍物之间的遇障时间t2u。5.根据权利要求4所述的基于稳定性的仿生四足机器人控制系统，其特征在于，所述路径优选模块的优选过程具体如下：步骤一：依据地图资料获取四足机器人的出发点和到达点，通过出发点和到达点得到若干条行进路线，将若干条行进路线标记为i，i＝1，2，
……
，x，x为正整数；步骤二：获取若干条行进路线上的转弯，统计转弯的数量以及每个转弯的弯曲度，每个转弯的弯曲度相加求和除以转弯的数量得到行进路线的转弯度zwdi；步骤三：获取行进路线上当前存在的障碍物，统计障碍物的数量得到行进路线的障碍物数zasi；步骤四：获取行进路线上的运动物体，对运行物体进行运行分析；若运行物体与四足机器人同向运动，则获取运行物体的运动速度，若运行速度大于等于四足机器人的移动速度，则将运行物体标记为绿点，若运行速度小于四足机器人的移动速度，则将运行物体标记为蓝点；若运行物体与四足机器人相向运动，则将运动物体标记为红点；统计行进路线上的红点数hdsi、蓝点数ldsi和绿点数ldsu，通过公式yxi＝(hdsi
×
c1+ldsi
×
c2)/(ldsi
×
c3)计算得到行进路线上的运行值yxi；式中，c1、c2和c3均为固定数值的比例系数，且c1、c2和c3的取值均大于零；步骤五：将转弯度zwdi、障碍物数zasi和运行值yxi代入计算式计算得到行进路线的选取值xqi，计算式具体如下：式中，a1和a2均为固定数值的比例系数，且a1和a2取值均大于零；步骤六：按照数值大小将行进路线的选取值降序排列，得到行进路线的选取表。6.根据权利要求1所述的基于稳定性的仿生四足机器人控制系统，其特征在于，四足机器人调整摆动腿落脚点的位置向失稳方向偏移，用数学语言描述为：δp＝k(v-v
d
)；其中，δ
p
是落足点偏移量，k是系数，v和v
d
分别是躯干实际速度和期望速度。7.根据权利要求1所述的基于稳定性的仿生四足机器人控制系统，其特征在于，四足机器人为浮动基座机器人，在四足机器人的浮动基座添加一个6自由度虚拟关节，等效为一个13关节的固定基座机器人，浮动基座机器人的标准动力学方程为：
式中，m为质量矩阵，为期望关节加速度，c为偏置力，q为关节角度，为关节速度，s
j-1
为选择矩阵，τ为关节矩阵，为接触雅可比矩阵，f
c
为地面接触力。8.根据权利要求1所述的基于稳定性的仿生四足机器人控制系统，其特征在于，足端力控制法是以保持机身平稳为目标，使用闭环处理器，计算出每个支撑足对地面的作用力，然后使用动力学方法解算每个关节所需的扭矩，最终给电机发送力矩指令。9.根据权利要求8所述的基于稳定性的仿生四足机器人控制系统，其特征在于，模型预测控制模块的数学原理：将四足机器人建模为一个单刚体模型，单刚体模型在空间中6个自由度的位置与速度采用12个变量描述四足机器人的状态；将状态方程离散化，得到具有递推性质的离散化状态方程，并利用递推特性对未来一段时间做预测得到预测方程；将预测的轨迹与实际轨迹做差，将控制问题转化为优化问题求解出作为控制量的足底反力。

技术总结

本发明公开了基于稳定性的仿生四足机器人控制系统，属于机器人领域，用于解决仿生四足机器人稳定性差，无法依据规避分析结果优选出行进路线的问题，包括避障分析模块、路径优选模块、浮动基座动力模块和模型预测控制模块，避障分析模块结合扫描单元用于对四足机器人行进方向的障碍物进行分析，所述路径优选模块结合地图资料用于对四足机器人的行进路线进行优选，所述浮动基座动力模块用于计算四足机器人的关节矩阵，本发明有效提升仿生四足机器人的稳定性，并使腿足式结构在运动时具备灵活性和环境适应性，同时对行进方向上的障碍物进行分析规避并优选出行进路线，避免仿生四足机器人发生膨胀导致倾斜。机器人发生膨胀导致倾斜。机器人发生膨胀导致倾斜。