外文翻譯--關于裝載適應性神經(jīng)模糊系統(tǒng)的有兩足行走的機器人的零刻點彈道造型 中文版.doc

關于裝載適應性神經(jīng)模糊系統(tǒng)的有兩足行走的機器人的零刻點彈道造型D.Kim,S.-J.SeoandG.-T.Park摘要：對于制造機器人來說兩足動物的體系結構高度適用于它們工作在人的環(huán)境里，因為這樣將使機器人避免障礙變成一項相對的容易的任務。然而，在走動的機制中介入復雜動力學，這使得制作這樣的機器人的控制系統(tǒng)變成了一項富有挑戰(zhàn)性的任務。機器人腳部的零刻點(ZMP)彈道是機器人行走時的穩(wěn)定性的重要保障。如果ZMP可以在線測量那么就將使為機器人穩(wěn)定行走創(chuàng)造條件成為可能，而且通過運用標準的ZMP還可以實現(xiàn)機器人的穩(wěn)定控制。ZMP數(shù)據(jù)是通過兩足行走機器人實時測量出來的，在這之后在通過一套適應性神經(jīng)模糊系統(tǒng)（ANFS）將其造型。測量了在水平基準面的自然行走和在帶有10度傾斜面的上下行走。通過改變模糊系統(tǒng)的成員作用和結果輸出部分的規(guī)則，使得ANFS造型的表現(xiàn)最優(yōu)化。由ANFS展示的優(yōu)秀表現(xiàn)意味著它不僅可以運用于模型機器人的運動，還可以運用于控制真正的機器人。1介紹兩足動物結構是對走動的機器人的最多才多藝的設定之一。兩足動物結構，使機器人即使在有臺階或障礙等的環(huán)境里也具備和人幾乎同樣的可支配的機械裝置。然而，介入的動力學是高度非線性，復雜和不穩(wěn)定的。因此，它是引入模仿人體行走的最大的困難。模仿人體行走是一個可觀的研究領域（1）。與產(chǎn)業(yè)機器人的操作器相比，一個走動的機器人和地面之間的相互作用是復雜的。在這種相互作用的控制上零刻點(ZMP)2概念被證明是有用的。在ZMP的彈道的幫助下機器人的腳在步行期間的行動是受其穩(wěn)定性信息的誘導的。使用ZMP我們可以整合兩足的機器人的走的模式并用實際機器人示范行走行為。因此，ZMP標準決定了一個兩足的機器人的動態(tài)穩(wěn)定性。ZMP代表地面反作用力被采取發(fā)生的點。使用機器人的模型，ZMP的地點可以被計算。然而，ZMP價值指標與計算值價值指標之間有很大偏差也是有可能的，這是因為物理參量的偏差在數(shù)學模型和實際機器之間。因此，實際ZMP是應該測量的，尤其是在它作為穩(wěn)定行走的控制參數(shù)時。在這項工作中，實際ZMP整周期走動數(shù)據(jù)是通過一個實用兩足走動機器人獲得的。機器人將在水平基準面和10度傾斜面上被測試。一個適應性神經(jīng)模糊系統(tǒng)(ANFS)將被用于控制一個復雜的真正的有兩足的走動機器人，以便于ZMP的建模，使其能應用與控制中。2有兩足的走動機器人2.1有兩足的走動機器人的設計我們設計了并且制造了如圖1所示的有兩足的走動機器人。機器人有19聯(lián)接。機器人的關鍵尺寸如圖1所示.高度308mm,總重量約為1700g，包括個別電池。通過使用鋁制結構使機器人的重量減到了最小。每一個聯(lián)接都由一個遙控裝置控制，這個遙控裝置包括一個直流馬達、齒輪和一個簡單的控制器。每一臺遙控裝置都安裝在聯(lián)接結構上。這個結構保證機器人是穩(wěn)定的(即不會容易跌倒)并且給了機器人一個人類的外型。我們的機器人系統(tǒng)結構如圖2所示。機器人能在平面或小斜度面以1.4s一步，每步48mm的速度行走。機器人的配置如表一所示。機器人的行走動作如圖36所示。圖3、4分別為機器人在平面行走時正視圖和側(cè)視圖。圖5是機器人沿著傾斜面向下步行的快照，而圖6是機器人沿著傾斜面向上步行的快照。行動時聯(lián)接的位置如圖7.所示。被測量的ZMP彈道是從這十個自由(DOF)（如圖7.所示）的數(shù)據(jù)得到的。二個自由度被分配到臀部和腳腕，每個膝蓋分配一個自由度。使用這些連接角，一個循環(huán)走的樣式就會體現(xiàn)出來。我們的機器人能連續(xù)地走，無需跌倒。在附錄里總結了我們的機器人的四步行動的連接角。2.2ZMP測量系統(tǒng)在一個機器人腳部的ZMP彈道是步行的穩(wěn)定的一個重要標準。在許多研究中，ZMP坐標是通過使用機器人模型和連接處的編碼器傳出的信息用計算機計算出來的。然而，我們使用更直接的方法，使用了機器人腳部上的傳感器測量的數(shù)據(jù)。在機器人腳部的作用之下地面的反作用力的分布是復雜的。然而，如圖8.所示，在腳的腳底的任意點P點的反作用力都可以用力量N和M時刻之前在任意時候代的力表。ZMP是在地面上的腳的壓力的中心，并且關于這點的地面運用的片刻是零。換句話說，在地面上的點P是慣性和重力在0刻沒有沿軸的組分，平行與地面的點1，7。圖9說明了使用的傳感器和他們的在機器人腳的腳底的安置情況。用于我們的實驗的力量傳感器的種類是FlexiForceA201傳感器8。他們附在構成腳的腳底板材的四個角落。傳感器信號由一個ADC板數(shù)字化，與10ms的采樣時光。測量在實時被執(zhí)行。腳壓力通過求和力量信號得到。使用傳感器數(shù)據(jù)計算實際ZMP價值是容易的。使用(1)，計算位置腳坐標框架的ZMP。式中每fi在傳感器ri的力量是傳感媒介的傳感器位置。這些是在圖10.的詳細說明。在圖形中，O是位于低左手角落左腳坐標框架的起源。實驗性結果如圖1116所示。圖11，13和15顯示的是走動機器人在平面和10度傾斜面的四步走動的x坐標和y坐標轉(zhuǎn)化的實際ZMP位置。圖12，14和16顯示了機器人運用圖11，13和15的準確ZMP坐標的單步行走情況。如彈道所顯示，ZMP存在于實線顯示的一個長方形領域。因此，ZMP的位置是與機器人腳部相關的，因此機器人是穩(wěn)定的。3ZMP彈道建模在許多科學問題中，通往他們答案的實質(zhì)性的一步就是在他們的實驗下建立（數(shù)學）模型。建模的重要性體現(xiàn)在是建立被觀察物和可變物之間的經(jīng)驗性的關系。機器人步行介入的復雜動力學使做機器人控制系統(tǒng)變?yōu)橐豁椄惶魬?zhàn)性的任務。然而，如果高度非線性和復雜動力學可以被嚴密地建模，之后他的模型可以用于機器人的控制。另外，建模，甚至能用于機器智能控制與干擾、噪聲的最小化處理。3.1ANFS模糊建模技術近些年已經(jīng)成為一項活躍的研究領域，因為它在復雜的，不清楚的，不明確的系統(tǒng)中依然能有出色的表現(xiàn)，而這些時候常規(guī)的數(shù)學建模很難給出讓人滿意的答案9。就此而論我們打算使用此系統(tǒng)為ZMP彈道建模。模糊推理系統(tǒng)是以模糊集合理論的概念、模糊的if-then語句和模糊推理為基礎的一個普遍的計算的框架。我們將使用Sugeno模糊模型，因為在這個系統(tǒng)中，每一個規(guī)則都有明顯的輸出，總體的輸出將通過加權平均值給出。這樣就避免了計算的費時過程。當我們考慮在模糊建模時的模糊規(guī)則時發(fā)現(xiàn)，結果部分可以由一個恒定或一個線性的多項式表達?？梢杂糜谀：到y(tǒng)的多項式的不同的形式如表2.所示。建模的表現(xiàn)形式取決于用于建模的表示結果的多項式的種類。而且，我們可以為模糊規(guī)則的前期部分的模糊嵌入拓展各種各樣單元作用(MFs)，例如三角和高斯。這些是為算式貢獻可行方法另一個因素。多項式的種類如下是建模系統(tǒng)的結構圖如圖17所示。提出的方法首先用于建模，而后用于控制一個實際的兩足結構行走機器人。為了得到模糊建模系統(tǒng)的模糊規(guī)則，我們必須記錄一個非線性系統(tǒng)，這個系統(tǒng)是通過兩足行走機器人的十個輸入變量產(chǎn)生的模糊坐標建立的，每個輸入變量會產(chǎn)生兩個模糊坐標。模糊建模的if-then法規(guī)如下：在式中Ai，Bi，J1，在規(guī)則的假設部分中起到語言上判斷的作用，分別結合輸入變量x1，x2，x10。fj(x1、x2、，x10)；是常數(shù),或者jth規(guī)則的已知結果多項式函數(shù)。如圖18所示，檢定了MFs的二種類型。一個是三角式，另一個是高斯式。圖19是適應性神經(jīng)模糊系統(tǒng)體系結構，考慮到讓它等同于十輸入模糊模型。在這個系統(tǒng)中假設每個輸入有兩個模糊值與它對應，如圖18所示。標記P的值給出的是所有輸入信號的乘積，而這些標記的N的值計算的是某一確定的反作用力與總反作用力之和的比。關于如何使ANFIS參量變化，我們使用梯度下降算法或一種遞歸最小平方的估計算法重復調(diào)整前提和結果參量。然而，我們不使用復雜雜種學習算法，反而使用一般最小平方的估計算法并且只確定結果多項式函數(shù)的趨勢。3.2模仿結果使用ANFS，模型大致建成了。然后準確性在中間領域誤差（MSE）中被量化了。ANFS系統(tǒng)被申請為兩足走動機器人的ZMP彈道建模，通過運用機器人測量傳出的數(shù)據(jù)。ANFS的表現(xiàn)取決于MF的機警性和模糊規(guī)則的結果輸出。從我們的機器人輸出的ZMP彈道數(shù)據(jù)（如附錄的圖3241所示）將用于過程參量。當三角和高斯MFs用于前提部分或用于結果部分的不變參數(shù)，那么相應的MSE值列在表3中。我們在圖2025中繪出了我們的結果。由ANFS產(chǎn)生的ZMP彈道圖如圖20，22，24所示分別為水平基準面的行走圖，10度傾斜面下行圖和10度傾斜面上行圖。在圖21，23，25，我們可以看見由ANFS產(chǎn)生的相應的ZMP彈道。簡而言之，兩個膝蓋的過程參數(shù)可以被忽略。作為結果，我們可以減少模糊規(guī)則的維度和從而降低計算負擔。在這種情況下ANFS的仿真條件和它對應的MSE（均方的誤差）價值在表4列出。從給出的模仿結果的圖和表中，我們能看到從模糊系統(tǒng)得到的ZMP彈道非常類似于我們的行走機器人所測量出的實際ZMP彈道（如圖1116所示）。ANFS被展示的高準確性能力，意味著ANFS可以有效地被用于建模和控制一個實際的兩足結構走動機器人。3.3比較我們現(xiàn)在把ANFS的表現(xiàn)與三種統(tǒng)計回歸模型的數(shù)學模型相比較。對于每個統(tǒng)計回歸模型，四個不同案件類型被修建了。它們在兩種輸入下的一般表達式如下：這里ci是回歸常數(shù)。對應的MSE值在表57里被給出。它測量第二類型給x和Y坐標的最佳的結果所有被考慮的走的條件的。產(chǎn)生的ZMP彈道和相應的產(chǎn)生它們的第二類型回歸模型如圖2631所示。我們可以認為，ANFS比統(tǒng)計回歸模型展示了一條相當?shù)馗玫腪MP彈道。4個結論一個實用的裝載模糊神經(jīng)系統(tǒng)的零彈道兩足結構走動機器人被展示出來。ZMP彈道是確保機器人行走穩(wěn)定性的重要保障。但是地面復雜的反作用力使控制變得困難。我們試圖建立過程參數(shù)之間的經(jīng)驗的關系，并且通過將其運用于一個兩足結構走動機器人來解釋經(jīng)驗規(guī)律。整個走動過程的ZMP數(shù)據(jù)通過讓一個實際兩足結構機器人在水平基準面和斜面行走而獲得。ANFS的適用性取決于使用的MF和模糊的規(guī)則的結果部分。使用ANFS產(chǎn)生的ZMP彈道嚴密地匹配于被測量的ZMP彈道。然后模仿結果也表示，使用ANFS引起的ZMP可以改善兩足結構走動機器人的穩(wěn)定性并且ANFS不僅可以有效地用于建模，而且可以用于控制實際兩足結構走動機器人。如圖3241所示。5鳴謝這項工作由韓國科學和工程學基金會的基礎性研究計劃的第R01-2005-000-11-44-0支持。6參考文獻1Erbatur、F.、Okazaki、A.、Obiya、K.、Takahashi、T.和Kawamura，A.：“一項關于兩足結構走動機器人的零刻點測量的研究”。Proc.7thInt。關于先進的運動控制2002年，第431436頁。2Vukobratovic、M.、Brovac、B.、Surla、D.和Stokic，D.：運動機器人(Springer-Veriag1990)3Takanishi、A.、Ishida、M.、Yamazaki、Y.和Kato，I.：“動態(tài)走的機器人WL-10RD的認識”。Proc。Int.Conf。先進機器人，1985年，第.459466頁。4Hirai、K.、Hirose、M.、Haikawa、Y.和Takenaka，T.：“本田類人機器人的”。Proc。國際電氣電子工程師協(xié)會。Conf。在機器人技術和自動控制，1998年，第13211326頁。5Park,、J.H.和Rhee，Y.K.：減少兩足結構走動機器人的干線行動的ZMP彈道世代。Proc。國際電氣電子工程師協(xié)會。Conf。在智能機器人和系統(tǒng)，1998年，第9095頁。6Park、J.H.和Cho，H.C.：“提高兩足結構走動機器人的基本聯(lián)接的在線ZMP彈道測量。Proc。國際電氣電子工程師協(xié)會。Conf。在機器人技術和自動控制，2000年，第.33533358頁。7Tak、S.、Song、O.和Ko，H.S.：行動平衡過濾。Proc。歐洲制圖，第19卷，第3日2000年