[发明专利]一种双足机器人柔顺步态控制方法、系统、设备及介质

权利要求书

1.一种双足机器人柔顺步态控制方法，其特征在于，包括：

S1，设置双足机器人的多组起始状态和预期末端状态，并计算每一起始状态下的实际末端状态，所述实际末端状态由双足机器人的腿部刚度和触地角度确定；

S2，建立所述实际末端状态与预期末端状态之间的差值优化函数，对于每组实际末端状态，调节所述腿部刚度和触地角度，直至所述差值优化函数最小，得到相应的最优腿部刚度和最优触地角度；

S3，利用所述多组起始状态、预期末端状态、最优腿部刚度和最优触地角度训练多层神经网络，使得所述多层神经网络的损失函数最小；

S4，对于每个步态周期，将当前步态周期的起始状态和预期末端状态输入训练好的多层神经网络，得到腿部刚度控制量和触地角度控制量，并控制当前步态周期双足机器人的腿部刚度和触地角度分别等于所述腿部刚度控制量和触地角度控制量。

2.如权利要求1所述的双足机器人柔顺步态控制方法，其特征在于，所述步骤S2中建立的差值优化函数为：

其中，fit为所述差值优化函数；为所述实际末端状态量；为所述预期末端状态量；状态量中的各参数依次为质心加速度的x坐标、y坐标、z坐标以及质心位置的z坐标。

3.如权利要求1所述的双足机器人柔顺步态控制方法，其特征在于，所述步骤S1之前还包括：

基于所述双足机器人的质量、质心坐标、腿部长度、腿部刚度和触地角度建立所述双足机器人的动力支撑模型，所述动力支撑模型包括单腿动力支撑模型、双腿动力支撑模型和模型切换条件；

根据所述动力支撑模型计算所述的每组起始状态下的实际末端状态。

4.如权利要求1所述的双足机器人柔顺步态控制方法，其特征在于，所述步骤S3包括：

S31，将所述多组起始状态和预期末端状态输入所述多层神经网络，并输出相应的腿部刚度和触地角度；

S32，训练所述多层神经网络，使得所述多层神经网络的损失函数最小，所述损失函数Lossf为：

Lossf＝|K_r-K_o|+|θ_r-θ_o|

其中，K_r和θ_r分别为所述最优腿部刚度和最优触地角度；K_o和θ_o分别为所述多层神经网络输出的相应的腿部刚度和触地角度。

5.如权利要求4所述的双足机器人柔顺步态控制方法，其特征在于，任一步态周期内，所述双足机器人的腿部刚度K包括k₁、k₂、k₃和k₄，所述损失函数Lossf为：

Lossf＝|k_1r-k_1o|+|k_2r-k_2o|+|k_3r-k_3o|+|k_4r-k_4o|+|θ_r-θ_o|

其中，k₁为第一单腿支撑时第一单腿的腿部刚度；k₂和k₃分别为双腿支撑时前腿和后腿的腿部刚度；k₄为第二单腿支撑时第二单腿的腿部刚度。

6.如权利要求3所述的双足机器人柔顺步态控制方法，其特征在于，所述步骤S4之后还包括：

将所述当前步态周期的起始状态、腿部刚度控制量、触地角度控制量输入所述动力支撑模型，得到所述当前步态周期内双足机器人的质心轨迹。

7.如权利要求1-6任一项所述的双足机器人柔顺步态控制方法，其特征在于，所述步骤S4之后还包括：

根据摆动腿踝关节的起始速度、起始加速度、起始位置、末端速度、末端加速度、末端位置和最高位置，利用样条插值法计算所述摆动腿踝关节的轨迹。