基于仿生的最小能耗和姿态优化的机器人机理研究

自然过程存在着环境适应的优化原理和机构，研究表明，人的行走过程中，人的重心的上下变动在能量消耗，受力等方面趋向最优，自然界优化了运动系统的各个参数。动物的研究表明，一些动物的肢体具有超强的协调性并完成超强的任务，具有相当的能力。比如：一种蚂蚁能够背负超过体重数十倍的重物，一些昆虫爬行最大速度超过体长的200倍/秒，远超现在一些地面交通工具的速度体长比，并具有非常低的能耗。.课题通过有限元建模和图像方法等模拟动物各关节生物力学模型,力图发现优化姿态(最小能量,最大稳定性),揭示进化机理,力图形成一般研究动物姿态和力学模型的方法。比较研究运动控制的CPG振荡器数学模型，结合力学模型，以能量消耗和协调性为双重目标，力图发现相应的运动控制规律。通过研究动物在肢体控制上的协调性和抗干扰的迅速反应性，结合运动学和动力学分析方法，力图刻画运动协调性和较小能耗性的机构机理。为机器人结构设计及控制提供基础。

自然过程存在着环境适应的优化原理。研究表明，人的行走过程中，人的重心的上下变动在能量消耗，受力等方面趋向最优，自然界优化了运动系统的各个参数。动物的研究表明，一些动物的肢体具有超强的协调性并完成超强的任务，具有相当的能力。比如：一种蚂蚁能够背负超过体重数十倍的重物，一些昆虫爬行最大速度超过体长的200倍/秒，远超现在一些地面交通工具的速度体长比，并具有非常低的能耗。 . 课题通过拉格朗日法建立了人体动力学模型，并研究了基于中枢模式发生器（Central Pattern Generator, CPG）姿态神经控制模型，揭示了生物进化机理，确定了生物最佳姿态（最小能量，最大稳定性）对应的机器人控制方案。根据双足机器人动力学模型，给出非连续约束方程，在此基础上对双足机器人脚部着地时的碰撞过程进行研究，并建立了CPG网络输出与机器人本体之间的映射，在CPG控制的基础上加入PD控制，得到了基于CPG模型的双足机器人步行姿态的稳定性和对外界环境适应能力的控制方法。使用加速度传感器、陀螺仪和薄膜式压力传感器设计了双足机器人的运动感知系统，将模糊控制理论应用于机器人CPG行走时的姿态调整，通过机器人足底零力矩点（Zero Moment Point, ZMP）的选取，揭示了基于能量优化的机器人姿态协调性和抗干扰性控制原理。. 本课题培养博士研究生1名（在读），毕业硕士研究生3名，主要完成论文8篇，SCI收录7篇，前期工作获得教育部科技发明二等1项，为仿生机器人控制提供了理论基础。