[机械模具数控自动化专业毕业设计外文文献及翻译]【期刊】新兴的运动特性：学习铰接式移动机器人中关节的协调性-中文翻译

南 京 理 工 大 学 紫 金 学 院 毕业设计 (论文 )外文资料翻译 系： 机械工程系 专 业： 机械工程及自 动 化 姓 名： 刘学 伟 学 号： 060104212 外文出处： Neurocomputing 72 (2009) 36243630 附 件： 1.外文 资 料翻 译译 文； 2.外文原文。 指导教师评语： 签名： 年 月 日 注： 请将该封面与附件装订成册。 附件 1：外文 资 料翻 译译 文 新兴的运动特性：学习铰接式移动机器人中关节的协调性 Diego Pardo， Cecilio Angulo， Sergi del Moral, Andreu Catal_a CETpD，技术研究中心， ESAII-UPC，自动控制系，加泰罗尼亚技术大学、VilanovailaGeltru, 巴塞罗那，西班牙 关键字： 铰接式移动机器人 运动特性 机器人的学习 摘要 在这篇文章中，我们分析评价铰接式移动机器人运动特性一般方法背后的意义而这种铰接式移动结构处于折衷动态平衡下，针对这些问题，我们提出了新的方法和方法论，而此方法论描述了机器人运动时关节的运动特性，除了常见的方法，我们还假定解决方法中运动信息的有效性，但其不涉及工作区，控制结构根据当地关于关节加速度标准来确定控制策略，使驱动自由度达到理想结构。同时，得到的非驱动自由度状态被看作是这种策略的间接性概述，控制策略围绕施加的简单基元进行参数化的控制，通过改变参数的方法实现变形，这种方法是最优的。通过随机算法去实现对非驱动自由度的控制，从而达到理想的运动特性。 1.导言 铰接式移动机器人 是一种自主系统，这些系统的功能允许系统的类型有多样话的运动特性，但对这些特性也加以限制。它的初始示例是由机器人比赛提供的，其中的标准机器人用来踢足球。研究小组尝试通过给定的运动学和动力学结构使产生的运动特性更好，如：跑，踢，头球和守门。因此，改善运动特性的性能是一项挑战。然而，一些问题是：（ i）机器人的高效或速度不够快是默认步态吗？ (ii)机器人能跳吗？（ iii）机器人能举起超过限重的重量吗？因此，设计新的运动特性和克服身体本身的约束和限制是一项挑战性的问题。 铰接式移动机器人是一种非驱动系统，不是所有的自由度都被驱动，因此普遍的动平衡系统不断遭到破坏。另外，它们也是多余的，比起那些象征意义上的机器人的控制元件有更多的自由度。如何去控制这一类型的机械装置是不明显的，这些对于研究机器人来说一直都是开放的领域。我们在这篇文章中找到了铰接式机器人的人工合成方法，明白了运动特性是人们对机器人结构和结论的解释说明。 为了限制一些问题，我们会集中讨论可能通过的其余部分的运动实现运动特性的编码，运动由初始状态和最终状态等于零时定义，尽管如此，大多数铰接式机器人的运动特性还是可以理解为一系列的间隙性运动，例如：伸出，抛和简单的姿态转变。此外，循环和组成的过程可以被分解成这种类型的动作序列。 文献 9中研究有关工作区机器人的运动学和刚体动力学，但其实现的条件通常是建立足够的理论特性上。当合适的加速度被用来实现运动时，重力可以忽略不计，因此，机器人的能量消耗是人步行过程中所需能量的 15 倍，然而，它已经被证明当人步行时重力不是总是可以忽略不计而且重力是实际存在的。看来前面所给定的运动特性目前的解决方案只适合于在一个特定的情况。因此，解决问题的方案是缩小理论的使用范围而不是由机器人的性能来决定的。 然而，一些结果表明采用新的方案也可以解决问题，也证实了新方案的可行性同时新方案还能增强机器人的性能。例如，在文献 19中写到，在探索新领域解决方案时用合适的方法可以很大地提高工业机械手的最大负载。用参数化地手段制定最佳控制方法来解决自身动力学和时间范围的限制。与以往的步骤有所不同，该控制方法导致机器人更加容易操纵，沿着同样的思路，一个相似的结论不久就出现在文献 15中 ,文献中提到一个简单的二维三自由度的机器人能够完成举重的动作，这样能避免机器人工作时被局部化地限制。它除了最大化解除负载外，还能完全地用其他方式来完成同样的动作。以上两种方法都是直接联接在运转和扭矩命令之间，工作区所需的必要条件几乎为零，这样系统能够更自由地结束运转。两种方法都被最有效地作为主要途径使用。 最近，越来越多地把注意力放到了学习开发机器人性能的领域。最新的期刊刊登的都是围绕着早期仿制机器人，这些机器人的工作区都是属于人为的，随后，机器人关节都是通过一些参数的设计来控制的，这就是所谓地动力控制系统。大多数 RL 算法同样适用于计算机控制机器人，此控制政策已经在文献 13中写到。 在作者写的这篇文章中，我们假设所得到的运动学初期和末期的信息是相同的，我们的控制准则是建立在当地关节变速水平的基础上，使驱动自由度达到最终的理想状态。同时，非驱动自由度的最终形态以驱动自由度的分布图的形式画出来。用作加速控制器提供所需的系统属性控制 DSs。 随后，我们在这篇文章中提供了相关问题实质性的描述。站立运动特性表明那些非驱动系统的运动特性的动力平衡问题是可以调试的。图一显示了起初和最终的运动状态。其中特别提到了它的运动特性是初速和最终速度都等于零的运动过程。机器狗开始是躺倒的姿势，随后将会站立并以图 1-b 所示的动作结束。然而重力和其他非线性运动可能会让机器狗以不同的方式结束运动，如图 1-c 所示。 （ a）起初机器狗将要站立 （ b）期望的站立方式 （ c）站立失败 图 1 我们在第二章节写了基本的定义和正规的公式化问题。接着，在第三章节中提到了计算操作器的方法论。在第四章节中，应用这些方法论展示机器人模仿人的运动特性。最终，结论都汇集在第五章节中。 2.控制机器人的运动特性 以一个参照系为基准，机器人的结构确定了机械装置所有部分的位置 ，机器人的结构是由独立位置变化的矢量 q 决定的 , ;q 定义了机械装置自由度的数量。机器人关节之间的空隙是一组不确定值的集合， 以方向和速度规定的机器人用坐标的形式表示为： 。 这些机器人的结构定义了工作区，记作， 。 q 和 x 的关系如下： （ 1） 其中该机器人的自由度数量比 x 大，比操作所需的自由度数量多的多，因此显得有些多余。 速度和加速度之间的关系可以通过对（ 1）式的求导和二次求导得出： （ 2） 其中 是 的雅可比矩阵 既然，描述机器人运动的原理已经形成了，现在专注于机器人的应力，其中应力和加速度的关系可以写成： （ 3） 当瞬时加速度和矢量 q 的方向一致时，系统是没有驱动力的。对于铰接式移动机器人而言，自由度可以被看作成一个建立在机器人身上的惯性参数。 假设铰接式机器人是不能弯曲的，它们的运动形态可以作为二阶逻辑系统来描述，如果这样扭矩就会影响到其它力在构件上的相互作用。我们可以把它们之间的关系表达成： （ 4） 驱动加速度自由度表示为 ， 非驱动加速度的自由度表示为，考虑到个别特殊的情况，我们可以增强系统在（ 4）中的原动力 （ 5） 其中惯性矩阵被分离成 ， 因此如上式所知， M、驱动加速度、非驱动加速度三者之间有着密切地关联。 在用加速度等级控制驱动关节的基础上采用原动力系统作为策略，这样可以随时限制加速度命令。所设计的策略让每个关节地最终状态都以顺畅的运动方式进行，并把它的结构形式定义为： ，我们起初定义它的运动方式为： （ 6） 上式表示关节的坐标有误差时， t 用 i 代替其速度和位置。 我们用下式定义一个局部的策略 （ 7） 其中 是关节的理想加速度，在这里，我们假设存在一个低级控制器使理想加速度符合转矩命令。由此得到，我们假设的驱动自由度的实际加速度就是文献7中所给出的。 紧接着，我们定义下式作为基本的方法： （ 8） 当这个基本方法被使用时，有误差的关节的位置和速度就可以表示为。 当非对角线上的额外力不等于零时，系统的原动力就会发生改变。 整个完整的方法一般地被定义为 ， 它能够完全表达出使用时间，用一种简单的表达式： （ 9） 其中矩阵 ，矩阵 。 带着分析机器人全身运动关节性能的目的 ， 在文献 5写到的结果对非驱动自由度的影响：一般用 表示，更精确地表示成， （ 10） 记下外力 和力 的相互关系，可以看得出，它们一起改变了机器人的运动特性。它们在影响（ 2）式的同时还影响机器人内部动力的工作轨迹。 如果函数 被定义为 （ 11） ，那么计算机器人运动特性的问题能够得到有效地解决。 得到： （ 12） 在（ 7）中所提到的参数 需满足上面的的限制条件，在下一章节我们将会涉及到最佳结构的机器人，此机器人的加速度和运动特性都是最佳的。 3.学习控制方法 找到合适的加速度是解决这一变量问题的必要途径。我们通过测量机器人完成任务时的动作结合一些参数定义了如下式的目标函数： （ 13） 其中， 是代表机器人在特定参数条件下结构和运动形态的标量，在（ 13）中我们已经进行了详细地描述。我们给定机器人结构一个最初值和最终值，结果显示相比理想结构 ，最终结构 能够有效地表示出操纵器的优点 （ 14） 另外，当非驱动自由度是一个假设的概念时，那么一个相等的目标函数就能够算出工作矢量的实际值和理论值 （ 15） 这样意味着， x 必须是已知的。 如果降低函数的次数是我们的目标，那么优化参数的计算方法可能会是降低函数次数的最佳方法， （ 16） 其中， r 是循环数，并且 。 R 的梯度 W 在 写成 。我们举一个 PGRL 算法的例子，梯度的随机近似值在 4中通过特别项的理论值被给出 （ 17） 其中 是梯度在 中的估算值， 是随机矢量， u 是一个系数；是参数向量的值。它在 4中已经介绍过，梯度的近似值导致集合趋于极小值。 为了解决（ 17） ，尝试让机器人所有关节都伸展，结果表明它只适合于单个关节的伸展。实际上，单个关节只满足 4中梯度的运算。在这儿我们写了相关的计算程序 输入： u,b, 1. 重复 2. 选择 3. 用摄动参数 完成延伸 4. 自动检测约束构件 5. 计算性能 6. 估算梯度向量 7. 直到梯度估算值等于 返回：梯度估算值 其中 定义为梯度估算值的平均值 4.结果 在一个简单的仿人机器人实验中，机器人刚开始处于站立的位置，最终让机器人伸出一条腿时保持平衡状态，图 2 中是机器人运动的示意图 （ a）初始姿态 （ b）最终姿态 图 2 仿人机器人在移动过程中使用了四个关节：左 踝 关节，右踝关节，臀部和膝盖 ,b=4.(详细地见图 3)。然而，由于仿人机器人的动力平衡条件，广义坐标向量的数值需要确定其姿势和方向，其中 。 作为在第二章节所描述的方法，每个驱动自由度 都是用手工建立的。机器人关节的加速度的变化如图 4 所示。在（ 8）中明确地用基本原理的方法形成加速度，尽管实际运动轨迹不能达到理想轨迹，但非驱动自由度的机器人能够用一种完全不同的方式完成下蹲动作。 在第三章节中我们介绍了梯度下降的方法，把假设的自由度降到最低，紧接着就出现了：机器人在没有下蹲的情况下完成了运动过程。在图 5 中画出了四个驱动自由度的速度分布图。 （ a）臀部关节 （ b）踝关节 （ c）膝盖 图 3 (a)左踝关节 轨迹 （ b）右踝关节轨迹 图 4 （ a）膝盖 （ b）臀部 （ c）左踝关节 （ d） 右踝关节 图 5:虚线为正常轨迹，实线为变形轨迹 5 讨论和结论 随着铰接式移动机器人适用性的增强，高效的处理器和适用的用户界面，机器人正离开实验室走进人们的日常生活中。没有轮子的运动系统正被普遍地用于各种平台。这在机器人的发展过程是中一项挑战。 从机器人运动意图的角度出发，对这些运动特性进行分类。这类的运动特性包括：举重，跳高，扔链球，坐下。通常，用机器人运转来解决有关工作区的问题，而不能解决机器人本身运动所带来的问题。对应的工作区似乎破坏了机器人性能和运动目的之间的关系。这里我们已经分析过了这些现象并用不同的观点解决了运动特性的所带来的问题。 在我们的观点中，我们要求取消工作区的限制条件，同时，一个简单的运动学信息可以对驱动自由度的机器人提供一个独一无二的指南。不过，非驱动自由度的关节直接依赖于驱动自由度关节所产生的加速度。 从驱动关节的最终形态的前提出发，产生的加速度能够使每个关节都能够运动至最终的目的地。在加速度水平的前提下，我们定义的控制策略只能够使单个关节达到它的理想值。然而，就我们所知道的机器人关节加速度的分布图是不能够完全解决非驱动加速度的运动特性。我们选用当地