双足溜冰机器人：动力学建模解析与步态优化策略研究

双足溜冰机器人：动力学建模解析与步态优化策略研究一、引言1.1研究背景与意义在科技飞速发展的当下，机器人技术作为推动产业变革和社会进步的关键力量，正日益受到全球的广泛关注。双足溜冰机器人作为机器人技术与运动技术深度融合的创新产物，展现出了独特的应用价值和广阔的发展前景，在多个领域都具有巨大的应用潜力。在娱乐领域，双足溜冰机器人能够参与表演，以其灵活的动作和精彩的表演吸引观众，为人们带来前所未有的视觉体验，丰富了娱乐产业的内容和形式。在教育领域，它可作为一种直观的教学工具，帮助学生理解机器人技术、运动原理等知识，激发学生对科学技术的兴趣和探索欲望，助力培养创新型人才。在物流配送等工业场景中，若能解决其在复杂环境下的适应性问题，双足溜冰机器人有望凭借其灵活的移动能力，在狭窄空间或特殊地形中高效地完成货物搬运等任务，提高物流效率，降低人力成本。在太空探索、灾难救援等极端环境下，双足溜冰机器人能够代替人类执行危险任务，深入危险区域进行探测、搜索和救援工作，保障人类安全的同时，拓展人类的活动范围。动力学建模是深入理解双足溜冰机器人运动本质的基础。通过建立精确的动力学模型，可以清晰地描述机器人在运动过程中各部件的受力情况、运动状态的变化规律，以及力与运动之间的内在联系。这不仅有助于从理论层面揭示机器人运动的机理，还能为后续的步态规划、控制算法设计提供坚实的理论依据。步态研究则是实现双足溜冰机器人稳定、高效运动的核心。合理的步态规划能够使机器人在冰面上保持平衡，避免摔倒，同时提高运动效率，减少能量消耗。通过对步态的优化，可以使机器人的运动更加灵活、自然，更好地适应不同的运动场景和任务需求。双足溜冰机器人的研究，也推动机器人技术与运动技术的深度融合。这种融合将促进机器人在复杂环境下的运动能力提升，拓展机器人的应用领域。通过对双足溜冰机器人的研究，能够探索出适用于不同场景的机器人运动模式和控制策略，为机器人技术的发展注入新的活力。还能促进运动技术的创新，为人类运动科学的研究提供新的思路和方法。这一研究对于提升国内机器人技术水平具有重要意义。在国际竞争日益激烈的背景下，加强双足溜冰机器人的研究，能够使我国在机器人技术领域占据一席之地，提高我国在高科技领域的国际竞争力。通过技术创新和突破，还能带动相关产业的发展，形成新的经济增长点，为我国的经济发展和社会进步做出贡献。1.2国内外研究现状国外在双足机器人领域的研究起步较早，取得了许多具有代表性的成果。波士顿动力公司的Atlas机器人堪称双足机器人技术的典范，其采用先进的基于动力学的步态规划方法，通过精确计算机器人在行走过程中的力和力矩，实现了高度稳定且灵活的行走。它不仅能够在草地、雪地、崎岖山路等复杂地形上自如行走，还能完成跳跃、攀爬楼梯等复杂动作。这主要得益于其强大的感知系统，该系统配备了激光雷达、摄像头和惯性测量单元等多种传感器，能够实时感知周围环境信息，并将这些信息反馈给控制系统，从而实现对步态的精确调整。本田公司的ASIMO机器人同样具有重要意义，它采用基于运动学的步态规划策略，通过对机器人关节角度和位置的精确控制，实现了稳定的行走。ASIMO在早期就展示出了出色的行走能力和人机交互功能，能够在平坦地面上快速行走，并与人类进行简单的互动，如握手、引导等，为双足机器人在服务领域的应用奠定了基础。卡内基梅隆大学的研究团队则专注于双足机器人的动力学建模优化，通过改进建模方法，提高了模型的准确性和计算效率，为机器人的精确控制提供了更好的支持。国内的双足机器人研究虽然起步相对较晚，但发展迅速，取得了显著的进展。哈尔滨工业大学在双足机器人研究方面积累深厚，研发出多款具有自主知识产权的双足机器人。该校研究团队在步态规划方面，综合运用数学分析法和人工智能算法，基于零力矩点（ZMP）理论，通过建立精确的数学模型，对机器人的步态进行优化，确保机器人在行走过程中的稳定性。同时，引入机器学习算法，使机器人能够根据不同的环境和任务需求，自主学习和调整步态，提高了机器人的适应性和智能化水平。上海交通大学在双足机器人的动力学建模和控制方面成果突出，提出了一些新颖的建模方法和控制策略，有效提高了机器人的运动性能和控制精度。此外，中国科学院沈阳自动化研究所也在双足机器人领域开展了深入研究，在机器人的结构设计、驱动系统优化等方面取得了一定的成果，为双足机器人的实用化奠定了基础。然而，现有的双足机器人研究仍存在一些不足之处。在动力学建模方面，虽然已经提出了多种建模方法，但对于一些复杂的运动场景和机器人结构，模型的准确性和通用性仍有待提高。例如，在考虑冰面的特殊摩擦力特性以及机器人在高速运动或受到外力干扰时，现有的模型难以精确描述机器人的动力学行为。在步态研究方面，目前的步态规划算法大多是基于特定的环境和任务需求设计的，缺乏足够的灵活性和自适应性。当机器人面临复杂多变的环境或突发情况时，现有的步态规划算法难以快速做出有效的调整，导致机器人的运动稳定性和效率受到影响。部分研究在提高机器人运动性能的同时，忽视了能量消耗问题，使得机器人的续航能力较差，限制了其实际应用范围。1.3研究内容与方法本研究将围绕双足溜冰机器人展开，深入探究其动力学建模与步态规划相关问题。在动力学建模方面，将全面考虑双足溜冰机器人在冰面上行走时的特殊环境条件。深入分析脚部受力情况，包括冰面对脚部的支撑力、摩擦力以及转向力等，这些力的作用对机器人的运动状态有着关键影响。通过合理的假设和简化，建立精确的运动学方程和动力学方程，以准确描述机器人各关节的位置、速度、加速度与所受力之间的关系。运用拉格朗日方程、牛顿-欧拉方程等经典力学方法，结合机器人的结构特点和运动约束条件，推导出适用于双足溜冰机器人的动力学模型。同时，对模型中的参数进行精确辨识和优化，提高模型的准确性和可靠性，为后续的步态规划和控制提供坚实的理论基础。在步态规划方面，将根据双足溜冰机器人的运动特性和动力学模型，设计出高效、稳定的步态规划算法。首先，确定机器人的步长、步幅、站立时间、脚部落地时间等关键参数，这些参数的合理选择直接影响机器人的行走稳定性和效率。通过对不同参数组合的仿真和实验分析，找到最优的参数设置。采用基于优化算法的步态规划方法，如遗传算法、粒子群优化算法等，以机器人的稳定性、能量消耗等为优化目标，对步态参数进行全局优化。同时，考虑机器人在不同运动场景下的需求，如直线行走、转弯、加速、减速等，设计相应的步态切换策略，使机器人能够灵活适应各种运动任务。为了验证动力学建模和步态规划的有效性，将进行一系列实验。搭建双足溜冰机器人实验平台，包括硬件系统和软件控制系统。硬件系统将选用合适的电机、传感器、机械结构等组件，确保机器人的性能和可靠性。软件控制系统将实现对机器人的运动控制、数据采集和处理等功能。在实验过程中，对机器人的运动状态进行实时监测和数据采集，通过与理论模型和仿真结果进行对比分析，评估模型和算法的准确性和有效性。根据实验结果，对动力学模型和步态规划算法进行优化和改进，不断提高机器人的运动性能。本研究采用理论分析、仿真和实验相结合的方法。在理论分析阶段，运用力学原理和数学方法，建立双足溜冰机器人的动力学模型和步态规划算法的理论框架。在仿真阶段，利用专业的仿真软件，如ADAMS、MATLAB等，对机器人的运动进行模拟仿真，分析不同参数和算法对机器人运动性能的影响，为实验提供参考和指导。在实验阶段，通过实际搭建的机器人平台进行实验验证，检验理论分析和仿真结果的正确性，同时发现问题并进行改进。通过这三种方法的有机结合，确保研究结果的科学性、可靠性和实用性。二、双足溜冰机器人结构与运动原理2.1机器人机械结构设计双足溜冰机器人的机械结构设计是其实现高效运动的基础，主要由腿部、足部、躯干和驱动系统等关键部分组成。腿部结构对于机器人的运动灵活性和稳定性至关重要。每条腿通常包括大腿、小腿和连接它们的膝关节，类似于人类腿部的基本结构。大腿和小腿采用轻质且高强度的材料制成，如铝合金或碳纤维复合材料，在保证结构强度的同时减轻重量，降低机器人的能耗。膝关节则采用高扭矩、高精度的旋转关节，可选用舵机或伺服电机作为驱动元件，以实现精确的角度控制和稳定的力矩输出。通过合理设置膝关节的自由度和运动范围，使机器人的腿部能够完成各种复杂的动作，如抬腿、屈膝、摆动等，满足不同运动场景的需求。足部是机器人与地面直接接触的部分，其设计直接影响机器人的运动性能和稳定性。足部通常安装有轮滑装置，轮滑的形状、材质和排列方式经过精心设计。采用聚氨酯等耐磨、具有良好抓地力的材料制作轮滑，以适应不同的地面条件，确保在冰面上能够获得足够的摩擦力和稳定性。轮滑的排列方式根据机器人的运动特点和稳定性要求进行优化，常见的有双排直轮或单排多轮等形式，以提高机器人在运动过程中的平衡能力和转向灵活性。为了进一步增强机器人的稳定性和适应性，足部还可能配备减震装置和力传感器。减震装置可以有效缓解机器人在运动过程中受到的冲击力，保护机器人的结构和内部元件；力传感器则能够实时感知地面反作用力和摩擦力的变化，为机器人的运动控制提供重要的反馈信息。躯干是机器人的核心部分，起到连接和支撑腿部、安装各种电子设备和控制系统的作用。躯干的结构设计需要考虑重心分布、稳定性和内部空间布局等因素。通常采用坚固的框架结构，以保证机器人在运动过程中的整体刚性和稳定性。在框架内部，合理布置电池、控制器、传感器等电子设备，使它们的重心尽可能靠近机器人的中心轴线，降低重心高度，提高机器人的平衡性能。为了便于安装和维护，躯干的外壳通常采用模块化设计，各个模块之间通过标准接口连接，方便拆卸和更换。驱动系统是为机器人各关节提供动力的关键部分，直接决定机器人的运动能力和响应速度。驱动系统由电机、减速器、驱动器等组成。电机选用高功率密度、高扭矩的直流电机或交流伺服电机，根据机器人的运动需求和负载情况合理选择电机的型号和参数。减速器用于降低电机的转速，提高输出扭矩，使电机的输出特性更好地匹配机器人关节的运动要求，可选用行星减速器、谐波减速器等具有高精度、高传动比的减速器。驱动器则负责控制电机的转速、扭矩和转向，通过接收控制器发送的指令，精确调节电机的工作状态，实现对机器人各关节的精确控制。为了实现对机器人的灵活控制，驱动系统通常采用分布式控制方式，每个关节都有独立的驱动器和控制器，它们之间通过通信总线进行数据传输和协调工作。2.2运动原理剖析双足溜冰机器人基于轮滑原理实现运动，其运动方式与人类溜冰有相似之处，但又有其独特的运动学和动力学特性。机器人通过腿部关节的运动来控制轮滑与地面的接触角度和摩擦力，从而实现前进、后退、转弯等动作。当机器人向前运动时，腿部关节协调运动，使轮滑与地面形成合适的夹角。通过控制腿部肌肉（电机驱动）的收缩和放松，使轮滑在地面上滚动，产生向前的摩擦力，推动机器人前进。在这个过程中，机器人需要不断调整腿部关节的角度和力度，以保持身体的平衡和稳定。例如，当机器人加速时，需要增加腿部肌肉的力量，使轮滑与地面的摩擦力增大，从而获得更大的向前推力；当机器人减速时，则需要减小腿部肌肉的力量，使轮滑与地面的摩擦力减小，实现平稳减速。转弯是双足溜冰机器人运动中的一个重要动作，其实现方式与汽车转弯有所不同。机器人通过控制左右腿轮滑的转速差来实现转弯。当机器人需要向左转弯时，左腿轮滑的转速降低，右腿轮滑的转速保持不变或适当增加，使机器人向左产生一个转向力矩，实现向左转弯。在转弯过程中，机器人还需要调整身体的姿态，使重心向转弯内侧偏移，以增加转弯的稳定性。同时，机器人需要根据转弯半径和速度的大小，精确控制左右腿轮滑的转速差，以实现平稳、准确的转弯。双足溜冰机器人具有多个自由度，这些自由度决定了机器人的运动灵活性和可控性。一般来说，机器人的每个腿部至少具有三个自由度，分别用于控制髋关节的屈伸、膝关节的屈伸和踝关节的转动。这些自由度相互配合，使机器人的腿部能够完成各种复杂的动作，如抬腿、迈步、转身等。加上躯干的自由度，如腰部的扭转和俯仰，机器人能够实现更加灵活多样的运动，适应不同的运动场景和任务需求。在运动过程中，机器人也受到多种约束条件的限制。冰面的摩擦力是影响机器人运动的重要因素之一。冰面的摩擦力较小，这对机器人的稳定性和控制精度提出了更高的要求。机器人需要通过精确的控制算法和传感器反馈，实时调整运动姿态和速度，以避免在冰面上滑倒或失控。机器人的运动还受到自身结构和动力学特性的约束。例如，机器人的重心位置、质量分布、关节的运动范围和力矩限制等因素，都会影响机器人的运动性能和稳定性。在设计和控制机器人时，需要充分考虑这些约束条件，通过合理的结构设计和优化的控制算法，使机器人在满足约束条件的前提下，实现高效、稳定的运动。三、双足溜冰机器人动力学建模3.1运动学模型建立3.1.1坐标系定义与转换在双足溜冰机器人的运动学分析中，准确清晰地定义坐标系是进行后续研究的关键基础。通常，我们会定义三个主要的坐标系，分别是世界坐标系、机体坐标系和关节坐标系，它们各自承担着不同的角色，相互配合以精确描述机器人的运动状态。世界坐标系，作为一个固定不变的全局参考系，为整个机器人系统提供了绝对的位置和方向基准。一般将其原点设定在一个固定的位置，例如冰面的某个角上，X轴和Y轴在冰面的平面上相互垂直，X轴可以指向冰场的长边方向，Y轴则指向短边方向，Z轴垂直于冰面向上。在这个坐标系中，机器人的任何运动都可以通过其在X、Y、Z轴上的坐标值以及绕这三个轴的旋转角度来精确表示，这些数值能够直观地反映机器人在整个冰场空间中的绝对位置和姿态。机体坐标系则是紧密固定在机器人的机体上，与机器人一同运动。其原点一般选取在机器人的质心位置，这样的选择能够方便地描述机器人自身的运动特性。坐标轴的方向通常与机器人的几何结构相关联，例如，X轴可以沿着机器人的前后方向，向前为正；Y轴沿着机器人的左右方向，向右为正；Z轴垂直于机器人的底面向上。在机体坐标系中，我们可以更直接地描述机器人各个部件之间的相对位置和运动关系，比如腿部相对于躯干的运动，这对于分析机器人的内部运动机制至关重要。关节坐标系是针对机器人的每个关节单独定义的。在双足溜冰机器人中，每个腿部的髋关节、膝关节和踝关节都有各自的关节坐标系。关节坐标系的原点通常位于关节的转动中心，这样能够直接通过关节坐标系来描述关节的转动角度，而关节的转动角度是控制机器人运动的关键参数。例如，髋关节的关节坐标系可以描述大腿相对于躯干的旋转角度，膝关节的关节坐标系可以描述小腿相对于大腿的旋转角度，踝关节的关节坐标系可以描述足部相对于小腿的旋转角度。这些关节角度的变化直接决定了机器人腿部的运动姿态，进而影响机器人的整体运动。这三个坐标系之间存在着密切的转换关系，通过齐次变换矩阵可以实现它们之间的相互转换。齐次变换矩阵是一个4×4的矩阵，它不仅包含了旋转信息，还包含了平移信息，能够完整地描述坐标系之间的相对位置和方向变化。从世界坐标系到机体坐标系的转换，需要考虑机器人在世界坐标系中的位置和姿态。假设机器人在世界坐标系中的位置向量为[x,y,z]，姿态可以用绕X、Y、Z轴的旋转角度α、β、γ来表示，那么从世界坐标系到机体坐标系的齐次变换矩阵T可以通过以下方式计算得到：首先，根据旋转角度α、β、γ生成旋转矩阵R，它是一个3×3的矩阵，分别表示绕X、Y、Z轴的旋转；然后，将位置向量[x,y,z]作为第四列添加到旋转矩阵R的下方，形成一个4×3的矩阵；最后，在这个矩阵的最后一行添加[0,0,0,1]，得到4×4的齐次变换矩阵T。通过这个齐次变换矩阵T，就可以将世界坐标系中的点或向量转换到机体坐标系中。从机体坐标系到关节坐标系的转换，则需要考虑关节的几何结构和运动特性。以髋关节为例，假设髋关节在机体坐标系中的位置向量为[xh,yh,zh]，关节的旋转轴方向可以用一个单位向量来表示，关节的旋转角度为θh。那么，从机体坐标系到髋关节关节坐标系的齐次变换矩阵Th可以通过以下步骤计算：首先，根据关节的旋转轴和旋转角度生成旋转矩阵Rh，它描述了关节坐标系相对于机体坐标系的旋转；然后，将髋关节在机体坐标系中的位置向量[xh,yh,zh]作为第四列添加到旋转矩阵Rh的下方，形成一个4×3的矩阵；最后，在这个矩阵的最后一行添加[0,0,0,1]，得到4×4的齐次变换矩阵Th。通过这个齐次变换矩阵Th，就可以将机体坐标系中的点或向量转换到髋关节关节坐标系中。对于其他关节，如膝关节和踝关节，也可以采用类似的方法来计算它们与机体坐标系之间的齐次变换矩阵。这些坐标系之间的转换关系在机器人的运动学分析和控制中具有重要的应用。在机器人的运动规划中，我们通常会在世界坐标系中设定机器人的目标位置和姿态，然后通过坐标系转换，将这些目标信息转换到关节坐标系中，得到各个关节需要转动的角度，从而控制机器人实现预期的运动。在机器人的运动控制过程中，通过传感器获取机器人在世界坐标系中的实际位置和姿态信息，然后将其转换到机体坐标系和关节坐标系中，与预设的运动轨迹进行比较，根据比较结果对机器人的运动进行调整，以保证机器人能够准确地按照预定的轨迹运动。3.1.2正运动学分析正运动学分析的核心任务是通过已知的机器人关节变量，精确求解出末端执行器在世界坐标系中的位置和姿态。在双足溜冰机器人中，末端执行器即为足部，其位置和姿态的准确确定对于机器人的运动控制和步态规划至关重要。为了实现这一目标，D-H参数法是一种常用且有效的方法。D-H参数法通过在机器人的每个连杆上建立坐标系，并利用齐次变换矩阵来描述相邻坐标系之间的相对位置和姿态关系，从而构建出机器人的运动学模型。在双足溜冰机器人中，腿部通常由多个连杆组成，例如大腿、小腿等，每个连杆都有其对应的D-H参数。以一个简单的双连杆腿部模型为例，来详细说明如何运用D-H参数法推导正运动学方程。首先，需要在每个连杆上建立坐标系。在大腿连杆上，将坐标系的原点设置在髋关节的中心，Z轴沿着髋关节的旋转轴方向，X轴根据右手定则确定，Y轴则与X轴和Z轴垂直。在小腿连杆上，将坐标系的原点设置在膝关节的中心，Z轴沿着膝关节的旋转轴方向，X轴和Y轴同样根据右手定则和连杆的几何结构确定。确定了坐标系后，就可以定义每个连杆的D-H参数。D-H参数包括四个参数：连杆长度ai、连杆扭角αi、关节偏距di和关节角度θi。对于大腿连杆，连杆长度a1是从髋关节中心到膝关节中心的距离，连杆扭角α1取决于髋关节和膝关节的相对几何关系，关节偏距d1通常为0，关节角度θ1是髋关节的旋转角度。对于小腿连杆，连杆长度a2是从膝关节中心到踝关节中心的距离，连杆扭角α2取决于膝关节和踝关节的相对几何关系，关节偏距d2通常也为0，关节角度θ2是膝关节的旋转角度。根据D-H参数，可以构建相邻坐标系之间的齐次变换矩阵。对于从大腿坐标系到小腿坐标系的变换，齐次变换矩阵T12可以表示为：T_{12}=\begin{bmatrix}\cos\theta_2&-\sin\theta_2\cos\alpha_2&\sin\theta_2\sin\alpha_2&a_2\cos\theta_2\\\sin\theta_2&\cos\theta_2\cos\alpha_2&-\cos\theta_2\sin\alpha_2&a_2\sin\theta_2\\0&\sin\alpha_2&\cos\alpha_2&d_2\\0&0&0&1\end{bmatrix}同理，可以构建从世界坐标系到大腿坐标系的齐次变换矩阵T01。那么，从世界坐标系到小腿坐标系的齐次变换矩阵T02就可以通过矩阵相乘得到：T02=T01×T12。通过这个齐次变换矩阵T02，就可以求解出小腿末端（即足部）在世界坐标系中的位置和姿态。位置信息可以通过矩阵T02的前三列的第四行元素得到，姿态信息则可以通过矩阵T02的前三行前三列的子矩阵来表示。在实际应用中，正运动学分析的结果对于双足溜冰机器人的运动控制和步态规划具有重要的指导意义。在运动控制中，根据正运动学方程计算出的末端执行器的位置和姿态，可以与预设的目标位置和姿态进行比较，从而通过控制算法调整关节角度，使机器人能够准确地到达目标位置。在步态规划中，正运动学分析可以帮助我们确定不同步态下机器人腿部关节的运动范围和角度变化，从而设计出更加合理、稳定的步态。3.1.3逆运动学求解逆运动学求解是双足溜冰机器人运动学研究中的另一个关键问题，其主要目的是在已知末端执行器（足部）在世界坐标系中的期望位置和姿态的情况下，求解出机器人各个关节的角度。这对于实现机器人的精确运动控制和复杂任务执行至关重要。几何法是一种常用的逆运动学求解方法，它基于机器人的几何结构和运动学原理，通过几何关系的推导来求解关节角度。以双足溜冰机器人的腿部为例，假设已知足部在世界坐标系中的期望位置和姿态，我们可以通过以下步骤运用几何法求解关节角度。首先，根据足部的位置和姿态信息，结合机器人的几何结构，确定腿部各连杆的长度和相对位置关系。然后，利用三角函数和几何定理，建立关节角度与足部位置和姿态之间的几何方程。例如，在一个简单的双连杆腿部模型中，已知足部在世界坐标系中的位置坐标(x,y,z)和姿态角度(α,β,γ)。我们可以通过以下几何关系来求解髋关节和膝关节的角度。首先，根据足部的位置坐标(x,y,z)，利用勾股定理和三角函数，可以计算出大腿和小腿在水平和垂直方向上的投影长度。假设大腿长度为l1，小腿长度为l2。通过计算得到的投影长度，可以建立关于髋关节角度θ1和膝关节角度θ2的几何方程。对于髋关节角度θ1，可以根据足部在水平面上的投影位置以及大腿和小腿的长度关系，利用反正切函数求解得到。对于膝关节角度θ2，可以通过三角形的余弦定理和正弦定理，结合已知的腿部长度和髋关节角度，求解得到。数值法也是一种广泛应用的逆运动学求解方法，尤其是在机器人结构复杂、几何关系难以直接推导的情况下。数值法通常采用迭代的方式，通过不断调整关节角度，使末端执行器的位置和姿态逐渐逼近期望的目标值。牛顿-拉夫逊法是一种常用的数值迭代方法。在双足溜冰机器人的逆运动学求解中，首先需要定义一个目标函数，该函数表示末端执行器的实际位置和姿态与期望位置和姿态之间的误差。然后，通过计算目标函数对关节角度的雅可比矩阵，利用牛顿-拉夫逊迭代公式不断更新关节角度，直到目标函数的值小于预设的误差阈值。逆运动学求解在双足溜冰机器人的实际应用中具有重要作用。在机器人的运动控制中，通过逆运动学求解得到的关节角度可以直接作为控制器的输入，控制机器人的电机驱动关节运动，使机器人能够按照预定的轨迹和姿态运动。在机器人的步态规划中，逆运动学求解可以帮助我们确定不同步态下机器人腿部关节的运动轨迹和角度变化，从而优化步态参数，提高机器人的运动稳定性和效率。3.2动力学模型构建3.2.1受力分析在双足溜冰机器人的动力学研究中，深入全面地分析其在溜冰过程中的受力情况是构建准确动力学模型的基础。机器人在运动过程中受到多种外力的作用，这些外力相互作用，共同决定了机器人的运动状态。重力是机器人始终受到的一个重要外力，其大小等于机器人的总质量m与重力加速度g的乘积，方向竖直向下。重力对机器人的影响贯穿于整个运动过程，它不仅影响机器人的平衡，还在机器人的加速、减速和转弯等动作中发挥着重要作用。在机器人直线前进时，重力会对机器人的支撑力产生影响，需要通过合理的姿态调整来保持平衡。在机器人转弯时，重力会产生一个向心分力，影响机器人的转弯半径和稳定性。摩擦力是机器人在冰面上运动时受到的另一个关键外力。冰面的摩擦力相对较小，这对机器人的运动控制提出了更高的要求。摩擦力主要分为静摩擦力和动摩擦力。当机器人静止或即将开始运动时，受到的是静摩擦力，静摩擦力的大小和方向会根据机器人的受力情况和运动趋势而变化，其最大值与正压力成正比。当机器人在冰面上滑动时，受到的是动摩擦力，动摩擦力的大小相对稳定，其大小也与正压力成正比，方向与机器人的运动方向相反。摩擦力对于机器人的运动至关重要，它是机器人前进、后退和转弯的动力来源。在机器人前进时，通过控制腿部与冰面的接触角度和力度，使冰面对机器人产生向前的摩擦力，推动机器人前进。在机器人转弯时，通过控制左右腿受到的摩擦力大小和方向，产生一个转向力矩，实现机器人的转弯。支撑力是冰面对机器人的反作用力，其大小等于机器人的重力在垂直于冰面方向上的分力，方向垂直于冰面向上。支撑力的作用点位于机器人与冰面的接触点上，它对于维持机器人的平衡起着关键作用。在机器人运动过程中，由于机器人的姿态和运动状态不断变化，支撑力的大小和方向也会相应地发生变化。在机器人单腿支撑时，支撑力需要承担机器人的全部重力，此时支撑力的大小等于重力，方向垂直于冰面向上。在机器人双腿支撑时，支撑力会根据机器人的重心位置和姿态在两条腿之间分配，需要通过精确的控制来保证机器人的平衡。除了以上主要外力外，机器人在运动过程中还可能受到其他外力的作用，如空气阻力、惯性力等。空气阻力在机器人低速运动时通常可以忽略不计，但在高速运动时会对机器人的运动产生一定的影响，其大小与机器人的运动速度、形状和空气密度等因素有关，方向与机器人的运动方向相反。惯性力是由于机器人的加速或减速运动而产生的，其大小与机器人的质量和加速度成正比，方向与加速度的方向相反。在分析机器人的受力情况时，需要综合考虑这些外力的作用，以准确描述机器人的动力学行为。3.2.2基于拉格朗日方程的动力学建模拉格朗日方程是一种在动力学研究中广泛应用的方法，它基于能量的观点，通过系统的动能和势能来描述系统的动力学行为。在双足溜冰机器人的动力学建模中，运用拉格朗日方程可以有效地建立机器人的动力学模型，推导出其动力学方程。首先，需要明确双足溜冰机器人系统的动能和势能。机器人的动能由各连杆的平动动能和转动动能组成。对于每个连杆，其平动动能可以表示为\frac{1}{2}m_iv_i^2，其中m_i是连杆的质量，v_i是连杆质心的速度；转动动能可以表示为\frac{1}{2}I_i\omega_i^2，其中I_i是连杆绕质心的转动惯量，\omega_i是连杆的角速度。机器人的总动能K就是所有连杆的平动动能和转动动能之和。机器人的势能主要是重力势能，其大小等于机器人各部分质量与重力加速度以及质心高度的乘积之和。设机器人第i个连杆的质量为m_i，质心高度为h_i，则机器人的总势能P可以表示为P=\sum_{i=1}^{n}m_igh_i，其中n是机器人连杆的总数。拉格朗日函数L定义为系统的动能K与势能P之差，即L=K-P。根据拉格朗日方程，对于一个具有n个自由度的系统，其动力学方程可以表示为：\frac{d}{dt}\left(\frac{\partialL}{\partial\dot{q}_j}\right)-\frac{\partialL}{\partialq_j}=Q_j其中，q_j是系统的广义坐标，\dot{q}_j是广义速度，Q_j是对应于广义坐标q_j的广义力。在双足溜冰机器人中，广义坐标可以选取为机器人的关节角度，广义力则包括关节驱动力矩以及各种外力产生的力矩。以一个简单的双连杆腿部模型为例，来详细说明如何利用拉格朗日方程推导动力学方程。假设大腿连杆的质量为m_1，转动惯量为I_1，长度为l_1，髋关节角度为\theta_1；小腿连杆的质量为m_2，转动惯量为I_2，长度为l_2，膝关节角度为\theta_2。首先，计算系统的动能K：[\begin{align*}K&=\frac{1}{2}m_1v_{1c}^2+\frac{1}{2}I_1\omega_1^2+\frac{1}{2}m_2v_{2c}^2+\frac{1}{2}I_2\omega_\begin{align*}K&=\frac{1}{2}m_1v_{1c}^2+\frac{1}{2}I_1\omega_1^2+\frac{1}{2}m_2v_{2c}^2+\frac{1}{2}I_2\omega_K&=\frac{1}{2}m_1v_{1c}^2+\frac{1}{2}I_1\omega_1^2+\frac{1}{2}m_2v_{2c}^2+\frac{1}{2}I_2\omega_四、双足溜冰机器人步态研究4.1步态规划策略4.1.1常见步态规划方法综述步态规划是双足溜冰机器人实现稳定、高效运动的关键环节，其本质是为机器人制定合理的运动轨迹和姿态变化序列，以满足不同运动任务的需求。在机器人领域，已经发展出多种成熟的步态规划方法，每种方法都有其独特的原理和适用场景。基于ZMP理论的步态规划方法是目前应用最为广泛的方法之一。ZMP，即零力矩点，是指在物体与支撑面接触时，物体所受合力和合力矩在支撑面上的作用点。当ZMP位于支撑多边形内时，物体能够保持稳定的平衡状态。在双足溜冰机器人中，通过精确计算和控制ZMP的位置，可以有效保证机器人在运动过程中的稳定性。具体实现时，首先需要根据机器人的结构和运动参数，建立ZMP与机器人关节角度、质心位置等变量之间的数学关系。然后，根据期望的运动轨迹和稳定性要求，设定ZMP的目标轨迹。通过逆运动学计算，将ZMP的目标轨迹转化为机器人各关节的运动轨迹，从而实现对机器人步态的规划。例如，在机器人直线行走时，将ZMP保持在支撑脚的中心位置附近，使机器人能够稳定地前进；在转弯时，根据转弯半径和速度，调整ZMP的位置，使机器人能够顺利完成转弯动作。线性倒立摆模型也是一种常用的步态规划方法。该模型将双足溜冰机器人简化为一个倒立摆系统，通过对倒立摆的动力学分析来规划机器人的步态。在这个模型中，机器人的质心被视为倒立摆的摆锤，支撑腿则被视为倒立摆的摆杆。根据线性倒立摆的运动方程，可以计算出机器人在不同运动状态下的质心轨迹和关节角度。在机器人行走时，通过控制质心的运动轨迹，使其符合线性倒立摆的运动规律，从而实现稳定的行走。线性倒立摆模型的优点是计算简单、直观，能够快速生成较为稳定的步态。然而，该模型对机器人的实际运动情况进行了一定的简化，忽略了一些复杂的动力学因素，如摩擦力、惯性力等，因此在实际应用中可能存在一定的误差。基于仿生学原理的步态规划方法则是从生物的运动方式中获取灵感，模仿生物的步态来设计机器人的运动模式。人类和动物在长期的进化过程中，形成了高效、稳定的运动方式，这些运动方式蕴含着丰富的力学原理和控制策略。通过对生物运动的研究和分析，可以将其成功的经验应用到双足溜冰机器人的步态规划中。模仿人类溜冰时的腿部运动模式，设计机器人的抬腿、迈步和落地动作，使机器人的运动更加自然、流畅。仿生学原理的步态规划方法能够提高机器人的运动灵活性和适应性，使其更好地适应复杂多变的环境。但该方法需要对生物运动进行深入的研究和理解，且在将生物运动模式转化为机器人控制算法时，可能会面临一些技术难题。除了上述方法外，还有基于遗传算法、粒子群优化算法等智能优化算法的步态规划方法。这些算法通过在一定的搜索空间内不断搜索最优解，来优化机器人的步态参数，如步长、步幅、站立时间等。以遗传算法为例，它模拟生物进化过程中的遗传、变异和选择机制，通过对初始种群的不断迭代优化，逐渐找到使机器人运动性能最优的步态参数组合。智能优化算法能够在复杂的搜索空间中找到全局最优解或近似全局最优解，从而提高机器人的运动性能。但这些算法通常计算量较大，需要较长的计算时间，且对算法的参数设置较为敏感，参数设置不当可能会导致算法陷入局部最优解。4.1.2针对双足溜冰机器人的步态规划算法设计双足溜冰机器人的运动特性与普通双足机器人存在显著差异，其在冰面上的运动受到冰面摩擦力小、支撑面不稳定等因素的影响，因此需要设计专门的步态规划算法来满足其运动需求。在设计步态规划算法时，首先需要确定一系列关键参数，这些参数将直接影响机器人的运动性能和稳定性。步长是指机器人在一次迈步过程中，前脚向前移动的距离。步长的选择需要综合考虑机器人的结构尺寸、运动速度和稳定性要求。较长的步长可以提高机器人的运动速度，但可能会降低其稳定性；较短的步长则可以增强稳定性，但会降低运动效率。步幅是指机器人在行走过程中，左右脚之间的横向距离。合适的步幅能够帮助机器人保持平衡，特别是在转弯和侧向移动时。站立时间是指机器人在一个步态周期中，单脚或双脚支撑地面的时间。合理的站立时间可以确保机器人在支撑阶段有足够的时间调整姿态和重心，为下一步的运动做好准备。脚部落地时间则是指机器人脚部与冰面接触的瞬间到完全稳定支撑的时间。控制好脚部落地时间可以减少落地时的冲击力，避免机器人滑倒或失去平衡。为了确定这些参数的最优值，采用基于优化算法的方法进行求解。遗传算法是一种常用的优化算法，它通过模拟生物进化过程中的遗传、变异和选择等操作，在参数空间中搜索最优解。在双足溜冰机器人的步态规划中，将步长、步幅、站立时间、脚部落地时间等参数作为遗传算法的变量，定义一个适应度函数来评价每个参数组合对机器人运动性能的影响。适应度函数可以包括机器人的稳定性指标、能量消耗指标、运动速度指标等。通过不断迭代遗传算法，逐渐找到使适应度函数最优的参数组合，即为机器人的最优步态参数。在步态规划过程中，还需要考虑机器人在不同运动场景下的需求，设计相应的步态切换策略。当机器人需要从直线行走切换到转弯时，需要根据转弯半径和速度，调整步长、步幅和脚部落地时间等参数，使机器人能够平稳地完成转弯动作。具体来说，在转弯时，内侧脚的步长应适当减小，外侧脚的步长应适当增大，同时调整步幅和脚部落地角度，以提供足够的向心力，保证机器人能够顺利转弯。当机器人需要加速或减速时，也需要相应地调整步态参数。加速时，增加步长和步频，同时调整站立时间和脚部落地时间，以提高机器人的运动速度；减速时，则减小步长和步频，增加站立时间，使机器人能够平稳地停下来。为了验证设计的步态规划算法的有效性，利用MATLAB等仿真软件进行了仿真实验。在仿真实验中，建立双足溜冰机器人的虚拟模型，设置不同的运动场景和参数，运行步态规划算法，观察机器人的运动情况。通过分析仿真结果，评估算法的性能，包括机器人的稳定性、运动速度、能量消耗等指标。在直线行走场景下，观察机器人的ZMP轨迹是否始终保持在支撑多边形内，以验证其稳定性；在转弯场景下，计算机器人的转弯半径和转弯精度，评估其转弯性能。根据仿真结果，对算法进行优化和改进，进一步提高机器人的运动性能。4.2步态稳定性分析4.2.1稳定性判据选择在双足溜冰机器人的步态研究中，稳定性是至关重要的性能指标，直接关系到机器人能否正常完成各种运动任务。为了准确评估机器人的步态稳定性，需要选择合适的稳定性判据。ZMP作为一种广泛应用的稳定性判据，在双足溜冰机器人的稳定性分析中具有重要作用。如前所述，ZMP是指在物体与支撑面接触时，物体所受合力和合力矩在支撑面上的作用点。当ZMP位于支撑多边形内时，机器人能够保持稳定的平衡状态；当ZMP超出支撑多边形时，机器人将失去平衡。在双足溜冰机器人的运动过程中，通过实时监测ZMP的位置，并与支撑多边形进行比较，可以直观地判断机器人的稳定性。在机器人单脚支撑时，支撑多边形为以支撑脚为顶点的多边形；在双脚支撑时，支撑多边形为以两只脚的接触点为顶点的多边形。通过精确计算ZMP在支撑多边形内的位置和运动轨迹，可以评估机器人在不同运动状态下的稳定性。能量稳定裕度是另一种重要的稳定性判据，它从能量的角度来评估机器人的稳定性。能量稳定裕度是指机器人在当前状态下，能够抵抗外界干扰而不失去平衡的能量储备。具体来说，能量稳定裕度等于机器人的总能量减去临界稳定状态下的能量。当能量稳定裕度大于零时，机器人处于稳定状态；当能量稳定裕度小于零时，机器人可能会失去平衡。在双足溜冰机器人中，总能量包括动能和势能，动能与机器人的运动速度和质量有关，势能与机器人的重心高度和重力有关。通过计算机器人在不同运动状态下的能量稳定裕度，可以评估其稳定性。在机器人加速或减速时，动能会发生变化，从而影响能量稳定裕度；在机器人上下坡或转弯时，重心高度和运动方向会发生变化，也会对能量稳定裕度产生影响。李雅普诺夫稳定性判据是一种基于系统能量函数的稳定性分析方法，它通过构造一个李雅普诺夫函数，来判断系统的稳定性。对于双足溜冰机器人，李雅普诺夫函数可以包括机器人的动能、势能、关节力矩等因素。如果李雅普诺夫函数在某个状态下的值随着时间的推移逐渐减小，并且最终收敛到一个稳定的值，那么系统在该状态下是稳定的；反之，如果李雅普诺夫函数的值不断增大或发散，那么系统是不稳定的。李雅普诺夫稳定性判据具有严格的数学理论基础，能够对系统的稳定性进行深入分析，但在实际应用中，构造合适的李雅普诺夫函数往往比较困难，需要对机器人的动力学模型有深入的理解。捕获点也是一种常用的稳定性判据，它主要用于分析机器人在受到外界干扰时的稳定性。捕获点是指在机器人受到干扰后，能够通过调整步态使机器人重新回到稳定状态的点。如果机器人的质心在受到干扰后能够被控制在捕获点的范围内，那么机器人就能够保持稳定。捕获点的位置与机器人的运动速度、加速度、质量分布等因素有关。在双足溜冰机器人中，通过计算捕获点的位置，并根据捕获点的范围来调整机器人的步态，可以提高机器人在受到干扰时的稳定性。当机器人受到侧向力的干扰时，通过调整腿部关节的角度和力度，使质心向捕获点移动，从而恢复平衡。4.2.2基于稳定性判据的步态优化根据选定的稳定性判据，可以对双足溜冰机器人的步态进行优化，以提高其稳定性和运动性能。基于ZMP的步态优化是一种常见的方法。在步态规划过程中，通过调整机器人的步长、步幅、站立时间等参数，使ZMP始终保持在支撑多边形内，并且尽量靠近支撑多边形的中心位置。这样可以增加机器人的稳定性裕度，提高其抵抗外界干扰的能力。在机器人直线行走时，如果发现ZMP偏离支撑多边形的中心位置，可以适当调整步长和步幅，使ZMP回到中心位置。在转弯时，根据转弯半径和速度，提前调整ZMP的目标位置，通过控制机器人的关节运动，使ZMP按照预定的轨迹移动，从而实现稳定的转弯。利用能量稳定裕度进行步态优化，可以从能量的角度出发，寻找使机器人能量消耗最小且稳定性最高的步态参数。通过优化机器人的运动轨迹和姿态变化序列，减少不必要的能量消耗，同时增加能量稳定裕度。在机器人的抬脚和落腿过程中，合理控制关节的运动速度和加速度，减少能量的浪费；在支撑阶段，调整机器人的重心位置，使其尽可能地低，以降低势能，同时提高能量稳定裕度。可以通过优化算法，如粒子群优化算法，在一定的参数空间内搜索最优的步态参数组合，使能量稳定裕度最大且能量消耗最小。基于李雅普诺夫稳定性判据的步态优化，需要构造合适的李雅普诺夫函数，并通过调整机器人的控制输入，使李雅普诺夫函数满足稳定性条件。在双足溜冰机器人中，可以将机器人的动能、势能、关节力矩等因素纳入李雅普诺夫函数中。通过设计合适的控制器，如比例-积分-微分（PID）控制器，调整机器人的关节力矩，使李雅普诺夫函数的值随着时间的推移逐渐减小，从而保证机器人的稳定性。在机器人受到外界干扰时，控制器能够根据李雅普诺夫函数的变化，及时调整关节力矩，使机器人恢复稳定状态。基于捕获点的步态优化，则是在机器人受到干扰时，根据捕获点的位置和范围，快速调整机器人的步态，使质心回到捕获点的范围内。这需要机器人具备快速的感知和反应能力，能够及时检测到外界干扰，并迅速计算出捕获点的位置和调整步态的策略。可以采用传感器融合技术，如惯性测量单元（IMU）和视觉传感器，实时获取机器人的运动状态和外界环境信息；利用实时控制算法，如模型预测控制（MPC），根据捕获点的要求，快速计算出机器人关节的控制指令，实现对步态的实时调整。五、仿真与实验验证5.1仿真平台搭建与参数设置为了深入验证双足溜冰机器人动力学建模与步态规划的有效性，采用ADAMS与MATLAB联合仿真的方法搭建仿真平台。ADAMS作为专业的多体动力学仿真软件，在模拟机械系统的运动学和动力学行为方面表现出色，能够精确地构建双足溜冰机器人的三维模型，逼真地模拟其在冰面上的运动。MATLAB则凭借其强大的数值计算和算法开发能力，用于实现机器人的控制算法，两者的结合能够全面、深入地对机器人的运动性能进行分析。在ADAMS中搭建双足溜冰机器人的三维模型时，严格按照机器人的实际结构尺寸和质量属性进行建模，以确保模型的准确性。详细定义各个部件的材料属性，如密度、弹性模量等，使模型的物理特性与实际机器人一致。精确设定关节的运动范围和连接方式，例如髋关节、膝关节和踝关节的转动角度限制，以及它们之间的铰接关系，以准确模拟机器人的真实运动。利用ADAMS的约束和驱动功能，为机器人模型添加合适的关节驱动和约束条件。在髋关节和膝关节处添加旋转驱动，模拟电机的作用，为机器人的运动提供动力；在足部与冰面接触处添加接触约束，模拟冰面对机器人的支撑力和摩擦力。将ADAMS中建立的机器人模型与MATLAB的Simulink模块进行联合。把ADAMS中的模型导出为Simulink可以识别的格式，然后在Simulink中搭建机器人的控制系统。在Simulink中，根据之前设计的步态规划算法，编写相应的控制程序，实现对机器人关节角度的精确控制。利用Simulink丰富的模块库，添加各种传感器模块，如位置传感器、速度传感器等，用于实时监测机器人的运动状态，并将这些数据反馈给控制系统，以便进行实时调整。在仿真过程中，合理设置各种参数。设定机器人的初始位置和姿态，将机器人放置在冰面的指定位置，使其初始姿态保持直立。根据实际运动需求，设置机器人的运动速度和加速度，如在直线行走时，设定速度为1m/s，加速度为0.5m/s²。对于步态参数，如步长设置为0.5m，步幅设置为0.3m，站立时间设置为0.5s，脚部落地时间设置为0.1s。这些参数的设置基于之前的理论分析和经验值，并可根据实际仿真结果进行调整。设置冰面的摩擦系数，根据实际冰面的特性，将摩擦系数设置为0.05，以模拟冰面的低摩擦力环境。5.2仿真结果分析通过运行搭建好的仿真平台，得到双足溜冰机器人在不同运动场景下的仿真结果，对这些结果进行详细分析，以评估机器人的运动性能。对机器人的运动轨迹进行分析，观察机器人在冰面上的行走路径是否符合预期。在直线行走仿真中，机器人的实际运动轨迹与预设的直线轨迹基本重合，偏差控制在较小范围内，表明机器人能够按照预定的直线轨迹稳定行走。在转弯仿真中，机器人能够按照设定的转弯半径和角度进行转弯，转弯过程平滑，没有出现明显的偏差或失控现象，说明机器人的转弯性能良好。通过对运动轨迹的分析，可以评估机器人的运动精度和稳定性，为进一步优化步态规划提供依据。对机器人的关节力矩进行分析，了解机器人在运动过程中各关节所承受的力矩大小和变化情况。在步行过程中，髋关节和膝关节的力矩变化较为明显，且在不同的运动阶段，如抬腿、迈步和落地阶段，力矩的大小和方向都有所不同。在抬腿阶段，髋关节需要提供较大的力矩来抬起腿部；在迈步阶段，膝关节和髋关节协同工作，控制腿部的运动速度和方向，此时关节力矩相对稳定；在落地阶段，关节力矩需要缓冲腿部与冰面的冲击力，力矩会瞬间增大。通过分析关节力矩，可以评估机器人的驱动系统是否能够满足运动需求，以及关节的受力情况是否合理。如果关节力矩过大，可能会导致机器人的结构损坏或运动不稳定；如果关节力矩过小，则可能无法实现预期的运动。根据关节力矩的分析结果，可以对机器人的驱动系统进行优化，选择合适的电机和减速器，以确保机器人能够稳定、高效地运动。还对机器人的稳定性进行评估，通过监测ZMP的位置和能量稳定裕度等稳定性指标来判断机器人在运动过程中的稳定性。在整个仿真过程中，ZMP始终保持在支撑多边形内，且能量稳定裕度大于零，表明机器人在运动过程中能够保持良好的稳定性，不易发生倾倒。即使在受到外界干扰，如侧向力或地面不平整的情况下，机器人能够通过自动调整步态和姿态，使ZMP重新回到支撑多边形内，能量稳定裕度恢复到正常范围，保持稳定的运动状态。这说明设计的步态规划算法和稳定性控制策略能够有效地保证机器人在冰面上的稳定运动。5.3实验平台搭建与实验方案设计为了进一步验证仿真结果的准确性和可靠性，搭建双足溜冰机器人实验平台，并设计相应的实验方案。实验平台主要由双足溜冰机器人本体、控制系统、传感器系统和数据采集与处理系统等部分组成。双足溜冰机器人本体采用之前设计和制作的机器人，确保其结构和性能符合要求。控制系统选用高性能的微控制器，如STM32系列微控制器，负责接收传感器数据、处理控制算法，并向机器人的驱动电机发送控制指令。传感器系统包括惯性测量单元（IMU）、力传感器和位置传感器等。IMU用于实时测量机器人的姿态和加速度信息，力传感器安装在机器人的足部，用于测量冰面对机器人的支撑力和摩擦力，位置传感器则用于检测机器人关节的角度和位置。数据采集与处理系统由数据采集卡和计算机组成，数据采集卡负责采集传感器数据，并将其传输到计算机中，计算机通过编写的数据处理程序对采集到的数据进行分析和处理。在实验方案设计方面，首先进行机器人的初始化设置，包括检查机器人的硬件连接是否正常、校准传感器、设置初始参数等。设置机器人的初始位置和姿态，使其处于实验起始状态。然后，按照预先设计的步态规划算法，向机器人发送控制指令，使其在冰面上进行运动。在运动过程中，通过传感器系统实时采集机器人的运动数据，包括关节角度、速度、加速度、支撑力和摩擦力等。将采集到的数据通过数据采集卡传输到计算机中，利用数据处理程序对数据进行分析和处理。计算机器人的运动轨迹、关节力矩、ZMP位置和能量稳定裕度等参数，并与仿真结果进行对比。为了全面验证机器人的性能，设计多种实验工况。进行直线行走实验，让机器人在冰面上以不同的速度和步长进行直线行走，观察其运动稳定性和轨迹准确性。开展转弯实验，设置不同的转弯半径和速度，测试机器人的转弯性能。还进行干扰实验，在机器人运动过程中，施加一定的侧向力或模拟冰面不平整的情况，观察机器人的抗干扰能力和稳定性恢复能力。5.4实验结果与仿真对比验证将实验结果与仿真结果进行详细对比，以验证动力学建模和步态规划算法的有效性。在运动轨迹方面，实验测得的机器人运动轨迹与仿真结果具有较高的一致性。在直线行走实验中，机器人实际行走轨迹与仿真设定的直线轨迹偏差在允许范围内，平均偏差约为0.05m。在转弯实验中，机器人能够按照预定的转弯半径和角度进行转弯，实际转弯轨迹与仿真结果的偏差也较小，转弯半径的偏差约为0.1m，转弯角度的偏差约为5°。这表明仿真模型能够准确地预测机器人的运动轨迹，基于该模型设计的步态规划算法能够有效地控制机器人的运动。在关节力矩方面，实验测量得到的关节力矩与仿真结果也较为接近。在步行过程中，髋关节和膝关节的力矩变化趋势与仿真结果一致。在抬腿阶段，实验测得的髋关节力矩峰值与仿真结果相比，偏差约为10%；在迈步阶段，膝关节和髋关节的力矩稳定