[发明专利]一种Nao机器人步态规划遗传算法

说明书

技术领域

本发明属于机器人技术领域，具体地说，涉及一种Nao机器人步态规划遗传算法。

背景技术

国外早期机器人是基于全身协调运动控制法建设仿人机器人，代表产品为早稻田大学高西淳夫研究室的WABIAN系列仿人机器人WABIAN-2。而后配置电控一体化调节器ISA，其转矩及反向运转性能均有较大的改善，代表产品为索尼公司开发的世界首台跑步机器人QRIO。借着采用无线通讯的控制方式并不断优化实现以伺服电机、同步齿形带、谐波齿轮作为驱动，代表产品为本田公司依据I-WALK步行控制策略研制出仿人机器人ASIMO。目前能实现运动能力、视觉、听觉和语言能力，实现特征识别追踪以及行进过程中的交流能力，代表产品为韩国先进科技研究所的KHR-3仿人机器人HUBO。

国内研究及发展动态：清华大学基于新型理论步行补偿算法研制出具有自主知识产权的仿人机器人THBIP-I，通过对于其伺服系统控制性能的优化改善，该型机器人能够实现动作的连续性、稳定性，并可完成无缆简单动作；哈尔滨工业大学研制的H1T-1、H1T-II和H1T-III。HIT-1等机器人，可完成动态、静态步行动作；同时，国防科技大学研制的“先行者”机器人在完成无缆行走的同时，亦可高效实现人体动作的仿真；北京理工大学研制成功的BHR-2机器人对于步态规划过程中通过对于步长、步行周期等的控制更是实现了仿人机器人复杂动作设计技术上的突破——在线轨迹规划和步行调整，对于我国仿真机器人的发展起到了极大地推动作用，提升我国仿真机器人研究整体水平。

双足机器人的行走具有不稳定性与很大的灵活性，而双足机器人的稳定性对于稳定周期步行运动的实现起到重要的基础性作用，因此对双足机器人步态规划及其稳定性控制研究就具有相当的现实意义。

遗传算法是通过借鉴生物自然选择和遗传机制过程中的繁殖、交叉和变异，不断随机化搜索直到满足规定的收敛指标为止。该算法计算简单，功能强大，鲁棒性强。

遗传算法GA即Genetic Algorithm，为模仿生物进化过程的结构型的随机搜索算法，GA算法对于机器人步态的优化有着重要的作用，基于优化的遗传算法可以使其检索计算量大大简化，在检索效率提升的同时，收敛性也有着较大改观。对于空间二进制遗传算法的优化具体指的是将可行解由整体交叉变异形式转化为空间染色体各维度层次上，即每个变量对应的二进制编码段上分别进行交叉变异，极大提升精度及收敛。

现有技术中急需一种Nao机器人步态规划遗传算法。

发明内容

本发明的目的在于提供一种Nao机器人步态规划遗传算法，以RoboCup机器人世界杯的标准平台NAO机器人作为研究对象，对其步态规划研究，采用七连杆结构模型分析，模拟机器人的下肢运动过程，并改进、优化现有智能算法，最后结果表明可增强机器人步态控制的稳定性。

其具体技术方案为：

一种Nao机器人步态规划遗传算法，包括以下步骤：

步骤1、首先确定空间染色体选型，并进行初始化：对Nao机器人的步行瞬时重心运动分析，可以由一系列的参数表示而成，从而行走的步态规划为瞬时参数的集合：

Q_i＝{q_b,q_f,θ_i,T_c,T_d}

其中，行走脚脚掌离地时与地面的夹角为q_b，行走脚脚掌着地时与地面

的夹角为q_f，脚掌与膝盖的夹角为θ_i，行走周期为T_c，双腿支撑周期为T_d；

步骤2、进行对应步行轨迹的变换，基于逆运动学理论对于Nao机器人关节结构角度进行计算；同时，对于确定状态下机器人ZMP、重心位置信息和行走脚在坐标系中的倾角进行稳定性评价，并依据适应度函数计算染色体对应的适应度值f；

Nao机器人的步态规划主要与确定状态下机器人ZMP、重心位置信息、行走脚在坐标系中的倾角有关，根据对于遗传算法的分析，本发明采用的适应度函数如下：

f＝1÷[λ₁q(T)+λ₂n+λ₃α(T)]

其中：λ₁、λ₂、λ₃分别为确定状态下机器人ZMP、重心位置信息和行走脚在坐标系中倾角的权重系数，q(T)为行走稳定性，α(T)为行走脚在坐标系中的倾角；