基于能效优化的双足机器人自学习控制方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-13页 |
| CONTENTS | 第13-17页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 课题的研究背景及意义 | 第17-20页 |
| 1.2 双足机器人的能效 | 第20-21页 |
| 1.3 双足机器人的学习 | 第21-23页 |
| 1.4 本文的研究内容 | 第23-25页 |
| 第二章 背景知识 | 第25-43页 |
| 2.1 双足机器人的动力学模型 | 第25-31页 |
| 2.1.1 正向动力学求解 | 第25-29页 |
| 2.1.2 逆向动力学求解 | 第29-31页 |
| 2.2 双足机器人的步行稳定性控制 | 第31-37页 |
| 2.2.1 基于线性倒立摆模型的稳定控制 | 第32-33页 |
| 2.2.2 基于桌子-小车模型的ZMP控制 | 第33-36页 |
| 2.2.3 基于MIMO系统的LQ控制 | 第36页 |
| 2.2.4 其它方法 | 第36-37页 |
| 2.3 双足机器人智能控制方法 | 第37-40页 |
| 2.3.1 支持向量机 | 第38-39页 |
| 2.3.2 模糊逻辑 | 第39页 |
| 2.3.3 神经网络 | 第39-40页 |
| 2.4 双足机器人的步态规划 | 第40-43页 |
| 第三章 基于能效优化的双足机器人步行运动控制 | 第43-63页 |
| 3.1 引言 | 第43-44页 |
| 3.2 双足机器人模型 | 第44-45页 |
| 3.2.1 动力学模型 | 第44页 |
| 3.2.2 双足步行系统ZMP描述 | 第44-45页 |
| 3.3 基于能效优化的步态控制方法 | 第45-54页 |
| 3.3.1 模糊ZMP整定 | 第46-48页 |
| 3.3.2 上体能耗预估 | 第48-51页 |
| 3.3.3 基于能耗预估的迭代优化 | 第51-54页 |
| 3.4 仿真研究 | 第54-61页 |
| 3.4.1 步态规划 | 第54-56页 |
| 3.4.2 能效步态优化的仿真实现 | 第56-59页 |
| 3.4.3 关节控制的仿真实现 | 第59-60页 |
| 3.4.4 性能比较与分析 | 第60-61页 |
| 3.5 本章小结 | 第61-63页 |
| 第四章 基于EE-SVM的双足机器人步行运动控制 | 第63-74页 |
| 4.1 引言 | 第63页 |
| 4.2 双足机器人的能效和动态平衡 | 第63-64页 |
| 4.2.1 双足机器人的能效 | 第63-64页 |
| 4.2.2 双足机器人的动态平衡 | 第64页 |
| 4.3 EE-SVM学习控制系统 | 第64-68页 |
| 4.3.1 双足机器人动力学系统 | 第64-66页 |
| 4.3.2 基于能耗的样本集 | 第66-67页 |
| 4.3.3 EE-SVM学习算法 | 第67-68页 |
| 4.4 仿真研究 | 第68-73页 |
| 4.4.1 EE-SVM建模和学习结果 | 第69-70页 |
| 4.4.2 性能分析和比较 | 第70-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 基于UKF可预测的SVR学习控制器 | 第74-92页 |
| 5.1 引言 | 第74-75页 |
| 5.2 双足机器人GDUT-I | 第75-77页 |
| 5.3 基于UKF的双足状态预测 | 第77-81页 |
| 5.3.1 基于UKF的系统建模 | 第77-79页 |
| 5.3.2 基于UKF的滤波算法 | 第79-81页 |
| 5.4 SVR学习控制 | 第81-85页 |
| 5.4.1 建立样本集 | 第82-83页 |
| 5.4.2 优化过程 | 第83-85页 |
| 5.5 仿真研究 | 第85-90页 |
| 5.5.1 步态规划 | 第85页 |
| 5.5.2 状态预测的实施 | 第85-86页 |
| 5.5.3 SVR学习控制器的实施 | 第86-90页 |
| 5.6 本章小结 | 第90-92页 |
| 第六章 双足步行机器人TSF-SVM学习控制系统 | 第92-105页 |
| 6.1 引言 | 第92页 |
| 6.2 双足机器人动力学模型 | 第92-93页 |
| 6.3 双足机器人TSF-SVM学习控制系统 | 第93-100页 |
| 6.3.1 TSF-SVM学习算法 | 第93-95页 |
| 6.3.2 双脚支撑期的TSF-SVM学习控制 | 第95-97页 |
| 6.3.3 单脚支撑期的TSF-SVM学习控制 | 第97-99页 |
| 6.3.4 TSF-SVM的在线训练 | 第99-100页 |
| 6.4 仿真研究 | 第100-104页 |
| 6.4.1 双足机器人简化模型 | 第100页 |
| 6.4.2 TSF-SVM学习样本 | 第100-101页 |
| 6.4.3 TSF-SVM参数及学习结果 | 第101-103页 |
| 6.4.4 步行控制 | 第103-104页 |
| 6.5 本章小结 | 第104-105页 |
| 第七章 基于二型模糊加权的双足机器人学习控制 | 第105-120页 |
| 7.1 引言 | 第105页 |
| 7.2 双足步行的主要性能指标 | 第105-106页 |
| 7.2.1 关节能耗 | 第105-106页 |
| 7.2.2 ZMP稳定裕度 | 第106页 |
| 7.3 基于IT2FW-SVM的双足步行学习 | 第106-111页 |
| 7.3.1 双足动态 | 第106-107页 |
| 7.3.2 IT2FW-SVM的学习目标 | 第107页 |
| 7.3.3 IT2FW-SVM的学习权重 | 第107-110页 |
| 7.3.4 IT2FW-SVM的学习算法 | 第110-111页 |
| 7.4 仿真研究 | 第111-119页 |
| 7.4.1 双足步行运动的训练样本 | 第111-114页 |
| 7.4.2 IT2FW-SVM的超参数设计 | 第114页 |
| 7.4.3 性能分析和比较 | 第114-119页 |
| 7.5 本章小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-136页 |
| 攻读博士学位期间发表的论文和专利 | 第136-138页 |
| 攻读博士学位期间参加的课题 | 第138-140页 |
| 致谢 | 第140页 |
