一、倒立摆的移动控制（论文文献综述）
常琳[1]（2021）在《双足机器人复杂环境下定位、导航和规划》文中认为双足机器人与地面非连续接触的运动特点使其能适应复杂路面,足式运动的结构特点使其便于跨越障碍和间隙,因此双足机器人具有机动性高、环境适应能力强等优点,其运动规划与控制一直是国内外机器人领域的研究热点。美国国防部举办的机器人挑战赛,展示了现有双足机器人技术的综合水准,也表明复杂环境下的双足机器人运动规划与控制是当前研究的主要方向。为提升机器人在复杂环境下的运动能力,本文围绕双足机器人复杂运动的轨迹规划与控制问题,开展了以下四个方面的研究:首先,大型双足机器人普遍具备完善的反馈控制框架以提升其运动稳定性,但对于硬件条件受限的双足机器人,由于缺少完善的反馈控制方法,难以实现稳定的双足行走。本文对双足机器人的运动模型与控制系统展开研究,基于线性倒立摆模型给出了双足步态规划的完整流程。结合行走稳定性分析,提出一种通用型双足步态反馈控制方法,采用惯性测量单元（IMU）、关节角度传感器和足底压力传感器数据作为反馈输入,通过质心轨迹反馈,实现了稳定的双足行走,降低了双足机器人稳定行走的硬件需求。其次,与轮式机器人同步建图与定位过程相比,双足机器人执行建图与定位算法时,其行走方向与行走距离难以精确控制,行走稳定性不高,对定位算法产生较大干扰。本文首先搭建了双足机器人视觉定位与导航系统,采用基于点云地图拼接的稠密地图进行导航,基于人工势场法实现了双足行走路径规划,并进行了路径柔顺处理与足迹序列生成。为提高机器人行走过程中的里程计估计精度,提出适用于双足机器人的里程计估计方法,先尝试使用粒子滤波方法处理IMU噪声,消除了着地冲击对里程计估计的影响。针对基于粒子滤波的IMU里程计存在累积误差的问题,提出一种多传感器融合的里程计估计方法,预先估计IMU的噪声参数,再基于扩展卡尔曼滤波方法,将视觉定位数据与IMU数据融合,估计机器人里程信息。实验表明多传感器融合的里程计估计方法可以消除由于双足机器人行走精度不足导致的累积误差,改善了里程计估计精度与机器人定位准确度。再次,对双足机器人失稳时的倒地保护规划展开研究。针对机器人在行走过程中有概率失稳摔倒的问题,分析了机器人倒地动力学与倒地保护约束,提出一种基于多目标优化的倒地轨迹优化方法。将双足机器人的小腿、大腿、躯干和手臂视为多阶倒立摆,通过分析倒地过程的运动方程和倒立摆稳定条件,模拟并规划了具有倒地保护能力的跌倒姿势。再结合运动学约束和物理约束,构建了摔倒轨迹改进的多目标优化算法,通过优化每个关节的角度和角速度,降低机器人跌落过程的角动量,从而实现最小动能着地。该方法减小了机器人与地面的冲击,降低了机器人硬件的损坏几率,通过仿真及样机实验验证了该方法的有效性。最后,由于双足机器人是多自由度的非线性复杂系统,在机器人上使用传统控制方法不能实现复杂环境下的稳定运动。本文对双足机器人复杂运动的轨迹规划问题展开研究。为改进现有复杂运动轨迹中足端轨迹计算繁杂,轨迹连接位置或速度不连续等问题,从机器人动力学模型入手,改进机器人上下楼梯、上下斜坡、曲线行走和一步转向等运动轨迹规划方法,简化运动轨迹中的几何计算,改善步态衔接时的轨迹连续性。为改进复杂运动轨迹的运动稳定性与灵活性,基于混合微粒群进化算法,考虑运动稳定性与轨迹连续性构建了ZMP约束和动能约束,结合双足机器人运动学约束对复杂运动轨迹进行轨迹优化,并基于小线段时间最优速度规划算法实现速度规划,改善了复杂运动时的ZMP稳定裕度与行走轨迹的动态特性。实验表明该方法有效的降低了双足机器人上下楼梯与斜坡运动的摔倒几率,增大了转向步态的最大单步转向角度,整体提高了机器人复杂环境下的运动稳定性与灵活性。综上所述,本文围绕复杂环境下双足机器人运动规划控制与定位导航相关问题展开研究,提出了适用于倒地运动与复杂行走的轨迹优化方法与多传感器融合的定位与导航方法,解决了机器人倒地保护、复杂环境运动等关键技术问题,为双足机器人规模化推广和应用奠定基础。
陈宇廷[2]（2021）在《双四旋翼倒立摆接力平衡控制研究》文中提出随着科技时代的发展,四旋翼的广泛适用性特点逐渐显着,能够加装摄像头,吊索,机械手等扩展到各行各业,从事各种危险人力所不及的工作,可以预见在不久的将来需要其能够参与到更加复杂的任务中。四旋翼多输入多输出的复杂控制机制使得其在复杂环境下进行精确的任务控制是有难度的,尤其需要控制其与外界物体进行互动更加具有难度,例如空中更换电池物品等。为了满足这种复杂控制需求,本文研究了四旋翼和倒立摆组合平衡控制系统,深入分析平衡条件和控制方法,设计仿真实验平台,以四旋翼为驱动平台控制倒立摆平衡,利用强化学习算法完成倒立摆在空中的接力仿真实验。本文主要研究工作包含以下几个方面:（1）分别从四旋翼和倒立摆两方面建立数学模型,根据两者的动力学关系建立四旋翼倒立摆系统模型并进行必要的简化处理,构建两者的控制输入关系和控制条件,得到只要根据改变四旋翼的姿态角就可以对倒立摆进行平衡控制的结论,减小的复杂系统的控制难度,便于后续实验过程分析。（2）分别建立了旋转坐标系具体分两种情况设计四旋翼倒立摆平衡环境,得到定点悬停、圆周运动的平衡条件,并使用线性二次型控制器在设计的仿真实验平台进行仿真,实现了四旋翼倒立摆系统的平衡控制,为后续接力实验提供了基础条件。（3）对四旋翼倒立摆系统的接力过程分解设计,对倒立摆轻杆设计不同的运动状态,从能量转换的角度分析了不同状态的接杆条件,推导了杆运动公式和接杆时机,分析满足四旋翼能够接到的速度姿态条件,并根据第一性原理和简化原则对四旋翼的抛杆动作进行设计,得到轻杆运动曲线;据此对四旋翼接杆方法进行设计,采用变加速度方法控制四旋翼机动,并得到四旋翼接杆预测路径,通过仿真验证了预测路径可行性与可靠性。（4）确定了接杆跟踪路径的曲线描述,引入策略梯度强化学习算法设计控制学习策略、网络参数得到多组训练模型,使用基于深度策略梯度强化学习算法,进行四旋翼八字控制训练,对数据分析得到很好路径跟随效果,将训练好agent应用于接杆实验,并通过仿真验证了路径跟随效果,完成了对倒立摆轻杆的接力实验,表明了设计的控制算法验证平台满足对四旋翼倒立摆复杂控制的需求,验证了整个系统设计的可行性,对未来控制仿真领域有一定的积极意义。
陈腾[3]（2020）在《基于力控的四足机器人高动态运动控制方法研究》文中研究指明自然界中四足动物运动具有极强的灵活运动和复杂地形适应能力,如猎豹最快奔跑速度可以达到110km/h,羚羊可以跳跃6～7米的沟壑,岩羊可以在接近90度峭壁上站立。受此启发,仿生四足机器人的研究受到越来越多研究者的重视,国内外已研制出多款高动态四足仿生机器人,尤其是美国波士顿动力公司研制的BigDog、SpotMini等四足机器人,以其动态性能高、鲁棒性强等特点引领人们探索四足机器人的极大热情。本文立足于课题组研究的SCalf系列液压四足机器人和电动四足机器人,开展了四足机器人建模和运动控制相关的研究。按照从液压执行器建模到单腿柔顺控制再到四足机器人整体控制研究思路,针对机器人平台和运动性能要求提出了基于倒立摆模型的控制、基于最优足底力分配的控制和基于模型预测控制的三种不同四足机器人运动控制方法,主要包括如下内容:1.针对阀控非对称液压油缸,将多参数影响、非线性的输出力通过线性化建立近似模型,提出了前馈加反馈的输出力控制方法,实现了液压驱动关节的扭矩伺服。进而研究了基于位置阻抗和虚拟模型的机器人腿部主动柔顺控制方法,并通过单腿物理实验证明了主动柔顺控制可实现被动弹性元件的柔顺特性,显着减小了足触地瞬间的冲击力。2.针对位置控制带来的足地冲击力大、无法适应复杂地形的缺点,提出了基于简化倒立摆模型的Trot步态运动控制方法。将机器人躯干的姿态角融合到足端轨迹设计中,使得机器人对外力扰动和崎岖地形具有较好的适应性。使用基于虚拟模型的主动柔顺控制代替位置控制,提高了机器人足地交互的柔顺性。提出了调整支撑腿位置和躯干姿态的地形适应策略,提高了机器人在非平整地形的运动能力。通过SCalf-Ⅱ机器人的全向运动实验、侧向冲击实验、崎岖地形通过等实验验证了所提方法的有效性。3.提出了基于最优足底力分配算法的Trot和Flying Trot步态控制方法,提高了机器人动态响应速度。建立躯干质心处六维力和力矩与支撑腿的足底力映射,将躯干运动等效成一个弹簧阻尼模型来设计质心处的虚拟力和力矩,并将该虚拟力和力矩通过二次型优化（QP）算法分配到支撑腿上,实现了最优足底力分配下的Trot步态运动。在此基础上提出了躯干的周期跳跃运动轨迹规划方法,并通过将躯干运动映射成足端运动,结合简化倒立摆模型控制方法,分别在仿真平台和物理样机上实现了机器人的Flying Trot稳定运动。4.设计了基于MPC的四足机器人运动控制器,实现了四足机器人多步态运动控制。建立机器人躯干质心处的动力学方程,基于动力学方程和足端摩擦锥约束提出了针对四足机器人运动控制的MPC问题,并离散化为一个QP优化问题,通过开源库qpOASES求解得到最优支撑腿前馈力。由于躯干质心动力学建模中不依赖具体的支撑腿数量和相位状态,通过设计四条腿的支撑相位和摆动相位可实现机器人的多种步态。针对非崎岖地形,使用支撑腿位置计算地形伪俯仰角和伪横滚角的方法提高了地形适应性。在课题组预研的电动四足机器人仿真平台上实现了机器人的Trot、Flying Trot、Bound、Gallop、Walk等步态的高动态稳定运动,并通过上下20度斜坡和侧向冲击验证了算法的有效性和鲁棒性。
陈林[4]（2020）在《基于双足机器人步态规划的研究》文中研究说明随着人工智能技术与产业链的快速发展,机器人已经广泛的应用到我们生活中的各个领域,发挥着巨大作用。双足机器人具有灵活高,运动能力强等特点,具有广阔的应用前景。然而双足机器人结构复杂、系统耦合度高,步态行走易受到外部环境的干扰,快速稳定的步态规划方法显得尤其重要。因此,研究双足机器人步态规划方法具有重要意义。当前优必选公司Alpha EBot机器人采用三维线性倒立摆步态规划方法,步行速度慢、效率低,无法满足快速行走的要求。本文重点是研究双足机器人的步态规划方法和摆动腿运动轨迹的规划方法,在分析原有Alpha Ebot步态规划方法的基础上,提出优化双足支撑阶段时间和优化摆动腿运动轨迹的改进方法,并应用到机器人上,提高机器人的行走速度和稳定性。本文主要的研究内容如下:1.提出了基于三维线性倒立摆步态规划的优化方法:分析影响机器人快速行走和稳定性因素,在三维线性倒立摆步态规划方法的基础上,采用缩短双足支撑阶段时间,保持倒立摆原点接近其最佳位置的优化方法,提升效率与稳定性。2.提出了基于贝塞尔曲线摆动腿运动轨迹的优化方法:分析摆动腿运动轨迹对双足机器人步行稳定性的影响,采用牛顿切线法求解贝塞尔曲线匀速运动摆动腿轨迹的插值点,保持摆动腿匀速运动,减少机器人快速行走时稳定性问题,提升步态行走的稳定性。3.研发了基于Alpha Ebot机器人的步态控制行走:将基于三维线性倒立摆步态规划优化方法和基于贝塞尔曲线摆动腿路径优化方法,利用机器人SDK开发Alpha Ebot机器人的步态规划行走并进行实验分析,实验结果表明该方法可行、有效。本论文研究了传统步态行走方法并分析存在问题,提出优化方法,借助Alpha Ebot实验平台进行实验分析并应用到目标平台上,有效地提升了步行速度和效率。
金少堃[5]（2020）在《基于动态场景理解的机器人示教学习研究》文中研究说明机器人作为一门交叉领域,随着计算机、机械、电子等技术的发展,其科研成果已在制造业、医疗康复、水下作业、航空航天以及军事等很多领域广为应用。在与机器人的互动与协作中,人们越来越希望机器人能像人类一样掌握各种操作技巧,并自如地运用这些技巧帮助人们完成生产、生活中的各类任务。这不仅能将人们从一些简单、重复和危险的工作解放出来,而且能够提供更加直接而丰富的人机交互模式。然而,这样的机器人往往是一种典型的高度非线性、强耦合的动力学系统,在完成各种任务的时候,其非线性动力学特性十分显着,并且实际存在的各种复杂不确定性和扰动也严重影响着机器人系统的控制品质,因此,机器人的控制往往需要专业人士设计控制器,以适应不同的任务。而这将导致,非专业人士很难实现机器人的控制。除此以外,机器人的编程和调试往往需要用到各种精密的实验设备,这使得在一般民用环境下,很难用常见设备来控制机器人执行任务。因此,本论文希望构建一种框架,可以用简单的视觉设备使得机器人能够理解动态场景,并基于对动态场景的理解,通过示教的方式学习人类的控制策略,以最终实现对机器人的智能控制。本课题研究内容主要包含三个方面:1.动态场景的理解。机器人可以通过一个常用的RGB摄像头,就完成对动态场景的语义信息和空间信息的捕捉。这一点决定了机器人可以仅通过二维图像信息就能够解析不同的物体或者背景分属于图像的哪块像素区域;同时,可通过二维的图像信息就能够重建出像素所对应的深度信息,以获得所处理场景的空间立体信息。而通过语义和深度信息的综合,就可以很容易通过视频流来获取目标物体在空间中的运动轨迹。从而让机器人通过非接触的演示或者通过视频就可以完成示教过程,使得示教的便利性和安全性得到保证。2.机械臂的示教学习控制。通过视频流转化的三维轨迹样本,可以进而用于对机器人进行轨迹学习的示教。示教学习使得机器人能够在非结构化的环境下表现出更灵活并适应环境的复现能力,因而在为机器人任务编程中被越来越广泛的使用。示教学习的泛化能力更是相比于传统的编程方式更有优势。而在点到点的示教学习学习轨迹时,往往会存在稳定性和轨迹精度的矛盾,这点在学习复杂轨迹的时候尤为明显。为了解决这样的矛盾,使得机器人能够学习到精准的控制策略的同时,还能保证收敛到目标点,就需要对原有的示教学习算法框架上进行改进,以使其能够完成这个目标。3.移动平衡车的示教学习控制。机械臂的控制相对而言拥有较高的自由度,因此便于通过视觉进行示教。而为了保证通过让机器人理解动态场景从而示教的框架更具通用性,需要研究约束更多的机器人的示教学习问题。移动平衡车本身具有非完整性约束和欠驱动约束,因而需要建立一种带约束的示教学习框架,才能机器人在满足约束的条件下学会人类通过视觉示教的策略。而在这种情况下,移动平衡车走过的轨迹,也需要尽可能地克服准确度与稳定性之间的矛盾,也就是尽可能学会人类控制策略的情况下,保证收敛到目标终点。
吴可[6]（2020）在《复杂地形环境双腿轮式机器人运动控制方法研究》文中研究表明现代社会,人们对于移动机器人的性能的诉求越来越倾向于高机动,高效率和高适应性。移动机器人常用的移动方式有轮式、履带式和腿足式。轮式移动机器人移动速度快、能量利用效率高,但地形适应能力差,只能在相对平坦的地面环境工作。履带式移动机器人因与地面接触面积大,对地形适应能力有所提高,但能量利用效率和机动性显着降低。近十几年来快速发展的腿足式机器人在地形的适应性上有着卓越的表现,但移动速度慢和运动能效低一直是难以突破的技术难题。在这种背景下,兼顾轮式和腿足式机器人优点的腿轮式移动机器人开始被越来越多的人关注。采用双轮的形式可以最大限度的提高能量利用效率和机动性,并且由于拥有了腿部结构,使得机器人在适应复杂地形能力上有了质的提升。本文通过对双腿轮式机器人期望运动性能的分析,在建立运动学、动力学模型的基础上提出了 一系列运动控制算法,并在Webots环境中通过虚拟样机仿真进行了验证,主要研究内容如下:1、将双腿轮机器人等效为质心高度可变双轮倒立摆系统,质心高度的变化通过腿部运动实现;分别建立了双轮倒立摆系统和腿部系统的运动学和动力学模型,计算了各构件的质心分布,推导了腿部机构的雅可比矩阵,分析了驱动轮中心相对躯干的运动空间,为机器人的运动规划与控制奠定了良好基础。2、双腿轮机器人的运动可解耦为矢状平面内的运动和转向运动,矢状平面内的运动控制又分解为平衡控制和速度控制;分别设计了基于T-S模糊模型的平衡控制器、基于Mamdni模糊模型的速度控制器和基于分段PD算法的转向控制器;在Webots环境中构建了双腿轮机器人虚拟样机仿真模型,并进行了抗平衡干扰、抗前向冲击、前进速度跟随和转向跟随仿真实验,仿真结果验证了所设计控制算法的有效性。3、针对双腿轮式机器人通过变质心高度进行跨行过障和限高过障,设计了基于足端轨迹规划的位置控制算法;针对地面障碍的跳跃越障,设计了基于足端轨迹的阻抗控制以及基于虚拟模型的主动柔顺控制算法,进行了机器人下蹲、起跳、下落三阶段的运动规划;在Webots环境中通过仿真验证了双腿轮机器人的越障能力和所设计控制算法的收敛性和鲁棒性。4、双腿轮式机器人是一种欠驱动、不稳定的机器人,很容易产生倾倒。根据倾倒的方向以及机器人的物理结构,可以分为前向倾倒、后向倾倒和侧向倾倒。而由于缺少横滚关节。本文的双腿轮式机器人只拥有克服前两种倾倒的跌倒恢复能力。跌倒恢复控制算法对于轮和腿的控制也是解耦的,分别采用了基于足端轨迹规划的位置控制算法和平面运动控制算法,并通过实现验证了算法的可行性。最后,总结了本文所做取得的研究成果与不足之处,并展望了下一步工作。
魏帅[7]（2020）在《直线倒立摆的控制算法研究》文中研究表明由于倒立摆系统在控制领域中的典型性,因此已经成为一个长期的研究方向。本文以直线型倒立摆系统为研究对象,完成了对直线一级倒立摆系统起摆控制和直线二级倒立摆系统稳定控制的算法研究。本文首先研究了直线倒立摆系统的结构和基本组成,接着通过深入分析系统,发现倒立摆系统具有强耦合、欠驱动、非线性、不确定以及开环不稳定等性质。其次基于倒立摆系统所具有的性质,建立了比较精确的数学模型。由于直线一级倒立摆系统结构相对简单,因此采用的是牛顿欧拉法对其建立数学模型;而直线二级倒立摆系统结构相对复杂,因此采用的是拉格朗日方程法对其建立数学模型。经过相关推导,得到各自的非线性微分方程,接着在平衡点处采用近似处理方式得到线性方程并转化成状态空间表达式。为了仿真实验的方便,将得到的状态空间表达式和非线性微方程采用Simulink中的State-Space模块和S-function模块分别进行了模型封装。然后针对建立好的系统数学模型,利用李雅普诺夫稳定性方法以及能控能观性判据分析了系统的稳定性、能控能观性,结果表明系统存在不稳定性,但具有能控能观性。然后在已经建立好的数学模型基础上,分别围绕最优控制中的LQR控制和滑模变结构控制进行了算法研究。首先根据LQR控制算法的基本原理设计了 LQR控制器,然后采用遗传算法对LQR控制方法进行了参数优化,从而找到最优的参数,实现最优控制。并且基于该方法对倒立摆系统完成了仿真实验,观察结果后,系统能够稳定在竖直向上的平衡位置附近,并且发现经过遗传算法优化的LQR要比试凑法设计的LQR在系统超调量方面要小一些。其次根据滑模变结构控制算法的基本原理设计了滑模变结构控制器,并采用模糊控制优化了趋近律参数的过程。接着利用这两种方法分别在Simulink中进行了仿真实验,观察结果后,系统也能够稳定在竖直向上的平衡位置附近。通过分析这两种方法对于倒立摆系统的控制,发现各自都能较好地完成系统稳定;但对于系统鲁棒性而言,滑模变结构控制算法鲁棒性比较强。接着围绕能量反馈控制算法和Bang-Bang控制算法对直线一级倒立摆系统起摆控制进行了研究,首先根据这两种算法的基本原理设计了不同的控制器,通过仿真实验,发现都能使系统实现起摆控制,但能量反馈控制算法在起摆时间上要优于Bang-Bang控制算法。最后基于不同的控制算法对倒立摆系统的起摆和稳定控制进行了实物验证,从而充分证实了算法的有效性和正确性。
能一鸣[8]（2020）在《小型仿人机器人在线步态规划方法及自由行走实验研究》文中研究指明近年来,小型仿人机器人在智能教育领域得到越来越多的应用。目前,市场上主流的小型仿人机器人存在运动模式单一的问题,只能再现预设行为,而无法实现自由灵活的动态行走。针对上述问题,本文旨在通过步态规划方法和结构设计上的针对性改进,赋予自主研制的小型仿人机器人在平面上自由灵活行走的能力。主要研究工作如下:1.以三维线性倒立摆模型为基础,对基于目标落脚点的步态规划方法进行了详细分析,建立了步行参数与行走路径的映射关系以实现圆弧式路径跟踪。在上述研究基础上,提出了一种基于预观信息的步态规划改进方法。该方法可以识别特定步行模式从而实现针对性调整,并减小实际落脚点与目标落脚点之间的偏差。2.建立了21自由度机器人模型并基于解析法完成逆运动学分析,进而给出了完整的步态规划设计流程。在质心轨迹规划环节中,提出了一种基于5次样条函数的双足支撑期质心运动规划方法。3.设计制作了机器人物理样机。在保证机器人结构紧凑、简洁的同时,利用平面推力滚针轴承,完成其髋关节改进设计以及腰部偏航自由度舵机的添加。基于物理样机参数,在ADAMS中进行了机器人行走仿真,验证了物理样机设计的合理性。4.基于Qt框架,开发了一套多线程、模块化的机器人实时行走控制系统软件。通过不同的顶层调度方式,在共用基本功能模块的基础上,实现了两种在线步态规划模式,即:基于一串目标落脚点的“落脚点地图”模式和基于操作者实时操控指令的“摇杆”模式。在上述研究基础上,完成了包含基础步态与灵活步态的机器人自由行走实验。基础步态行走实验包括直线行走、原地转向以及横向跨步;而灵活步态行走实验包含“S”形路径跟踪避障、快速步态切换、灵活转向以及基于“摇杆”模式的实时行走操控。
李璐君,韩冰,张华良,刘广辉,李庆鑫[9]（2020）在《一种机器人倒立摆实验系统的研究》文中研究指明串联6自由度工业机器人是工业自动化的核心装备,因此,讲授其工作原理的机器人学课程是众多机器人相关专业的核心课程之一.当前的机器人学课程存在工业机器人控制系统封闭,无法支持底层控制算法开发测试的问题.此外,单纯地对机器人控制算法进行计算机仿真也存在着不够直观感性的问题.本文介绍了一种采用工业机器人硬件本体,并基于Matlab/Simulink软件建模和自动代码生成,进行开放式机器人学算法验证的教学系统,最后以机器人倒立摆控制的验证与实现为例,介绍了教学系统的具体应用,证明了开放式机器人教学系统具有教学适用性、开放性、可扩展性和友好的人机交互等特性,在培养学生设计、开发和验证机器人控制算法方面有着积极的意义.
朱尔亮[10]（2020）在《双轮爬梯自平衡物流机器人动力学模型研究与智控系统实现》文中进行了进一步梳理服务机器人是新兴的集机械、电子、计算机等多学科领域交叉融合的智能系统。当前机器人行走机构主要可分为轮式、腿式、履带式三种,但单一的行走机构环境自适应性差,无法在非结构性环境（如:楼梯）下运行;而传统的自平衡机器人MEMS姿态测量系统应对非结构性环境时的可靠性不高,平衡控制适应性较差;并且当前的服务机器人对于室内环境感知能力不足。针对以上问题,本文提出一种双轮爬梯自平衡物流机器人,通过对可变形轮式行走机构的设计;轮式倒立摆爬梯动力学模型的搭建;变转矩姿态控制策略的研究;以及基于ROS框架的激光SLAM定位与室内导航的引入,有效的克服了室内服务机器人几大关键性难题,本文从解决物流机器人“末端派送”的问题出发展开研究,主要内容如下:（1）可变形轮式倒立摆的爬梯动力学模型研究。通过分析爬梯所需转矩与机器人质量、质心偏角、轮半径等物理参数的关系,研究普通圆轮与可变形轮的最大翻越高度,并使用MATLAB对爬梯影响因素进行仿真分析。结果表明,可变形轮式行走机构最大爬梯高度满足国家标准高度的楼梯;然后通过力和运动角度展开分解,使用拉格朗日方程对机器人爬梯运动进行动力学建模,推出机器人驱动系统传递函数,并对该系统进行Simulink仿真分析,通过仿真曲线得出该机器人系统是一种不稳定的、非线性斜坡式倒立摆系统,证明现有机械驱动机构不足以实现爬梯。（2）基于ROS框架的底层与上层智控系统设计。提出变转矩的底层姿态控制方案和引入ROS架构的上层激光SLAM定位与室内导航方案。通过恒转矩与恒功率控制对比,提出转矩环代替速度环的控制策略,降低元器件的功耗实现爬梯,并通过Simulink仿真验证该控制策略应对非结构环境具有较好的稳定性;使用SLAM框架的Google-Cartographer算法进行构图,建立全局与局部路径规划,实现机器人的自主定位与导航;设计整机通信系统,实现多传感器与底层、底层与上层之间的串口通信以及PC上位机与上层控制板的SecureShell网络通信,并通过订阅机器人各传感器发布的ROS话题信息,对底层运动进行控制。（3）试制“末端派送”物流机器人样机。对样机下发派送任务,并进行变形轮校准实验;楼宇内直行、爬梯、转向实验;室内定位与导航实验。以质心偏移距离来判断爬梯稳定性;以落脚点的偏差范围来判断爬梯通过性;以直观的SLAM地图与最短的派送路线来判断室内定位与导航的智能性。实验结果表明课题所设计的机器人具备一定的环境感知及地形自适应能力,验证了爬梯理论分析的有效性,结构设计的合理性以及智控系统研究的科学性。
二、倒立摆的移动控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、倒立摆的移动控制（论文提纲范文）
（1）双足机器人复杂环境下定位、导航和规划（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 双足机器人国内外发展现状 |
| 1.1.1 双足机器人国外发展现状 |
| 1.1.2 双足机器人国内发展现状 |
| 1.1.3 中小型双足机器人平台发展现状 |
| 1.2 双足机器人步态规划及稳定性研究现状 |
| 1.2.1 双足机器人步态规划方法现状 |
| 1.2.2 双足机器人稳定性判断依据现状 |
| 1.3 双足机器人SLAM现状 |
| 1.4 双足机器人倒地运动规划研究现状 |
| 1.5 双足机器人复杂运动规划研究现状 |
| 1.6 本文主要研究内容和意义 |
| 1.6.1 研究的目的和意义 |
| 1.6.2 本领域科学问题 |
| 1.6.3 本文主要研究的内容 |
| 第2章 基于ZMP和倒立摆模型的双足机器人步态规划与控制方法 |
| 2.1 引言 |
| 2.2 双足机器人运动学模型 |
| 2.3 双足机器人行走稳定性 |
| 2.3.1 基于零力矩点的稳定性判据 |
| 2.3.2 ZMP的测量 |
| 2.3.3 ZMP与机器人运动的关系 |
| 2.4 基于倒立摆模型的双足步态轨迹规划 |
| 2.4.1 线性倒立摆模型 |
| 2.4.2 着地相轨迹规划 |
| 2.4.3 摆动相轨迹规划 |
| 2.5 通用型双足步态反馈控制方法 |
| 2.6 全自主双足机器人系统 |
| 2.6.1 硬件系统 |
| 2.6.2 软件系统 |
| 2.6.3 机器人平台对比 |
| 2.7 双足机器人行走实验 |
| 2.8 本章小结 |
| 第3章 基于多传感器融合的复杂环境下双足机器人定位和导航 |
| 3.1 引言 |
| 3.2 双足机器人视觉定位与导航系统构架 |
| 3.2.1 双目视觉定位系统 |
| 3.2.2 基于ORB-SLAM的建图与定位 |
| 3.3 稠密地图转换与导航地图生成 |
| 3.3.1 构建稠密点云地图 |
| 3.3.2 地图存储与转换 |
| 3.3.3 构建全局二维导航地图 |
| 3.4 双足机器人导航路径与足迹序列生成 |
| 3.4.1 基于人工势场法的双足行走路径规划 |
| 3.4.2 导航路径柔顺与足迹序列生成 |
| 3.5 基于粒子滤波的IMU数据融合里程计 |
| 3.5.1 粒子滤波器设计 |
| 3.5.2 基于粒子滤波的里程计估计 |
| 3.6 基于TCN的多传感器融合里程计 |
| 3.6.1 基于EKF的IMU预测 |
| 3.6.2 IMU更新 |
| 3.6.3 基于数据融合的里程计更新 |
| 3.6.4 基于TCN的IMU噪声估计 |
| 3.7 双足机器人SLAM实验 |
| 3.7.1 双足机器人定位导航实验 |
| 3.7.2 双足机器人里程计实验 |
| 3.8 本章小结 |
| 第4章 基于多目标优化的双足机器人倒地保护研究 |
| 4.1 引言 |
| 4.2 倒地状态分析 |
| 4.2.1 双足机器人倒地ZMP判据 |
| 4.2.2 四阶倒立摆的运动方程 |
| 4.3 双足机器人倒地动力学分析 |
| 4.3.1 双足机器人倒地处理 |
| 4.3.2 倒地运动角动量分析 |
| 4.3.3 倒地运动关节力分析 |
| 4.4 双足机器人倒地优化约束条件 |
| 4.4.1 运动学约束 |
| 4.4.2 实际物理约束 |
| 4.5 双足机器人倒地保护轨迹多目标优化方法 |
| 4.5.1 双足机器人倒地优化分析 |
| 4.5.2 改进动态多目标优化算法 |
| 4.5.3 稳定性优化 |
| 4.5.4 角动量优化 |
| 4.6 双足机器人倒地保护实验 |
| 4.7 本章小结 |
| 第5章 基于混合微粒群进化算法的双足机器人复杂运动轨迹规划 |
| 5.1 引言 |
| 5.2 双足机器人运动规划约束条件 |
| 5.3 双足机器人复杂运动轨迹规划 |
| 5.3.1 楼梯运动 |
| 5.3.2 上下斜坡运动 |
| 5.3.3 曲线行走运动 |
| 5.3.4 一步转向运动 |
| 5.4 基于微粒群算法的复杂运动轨迹优化 |
| 5.4.1 混合微粒群进化算法 |
| 5.4.2 复杂运动轨迹优化算法 |
| 5.4.3 算法对比实验 |
| 5.5 基于小线段时间最优速度规划算法 |
| 5.5.1 基于可达性分析的时间最优速度规划 |
| 5.5.2 基于可达性分析的时间最优问题算法 |
| 5.5.3 分段时间最优速度规划算法 |
| 5.5.4 时间最优速度规划算法仿真与实验 |
| 5.6 双足机器人复杂运动实验 |
| 5.6.1 走楼梯实验 |
| 5.6.2 走斜坡实验 |
| 5.6.3 一步转向实验 |
| 5.6.4 复杂运动综合仿真实验 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（2）双四旋翼倒立摆接力平衡控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 研究目的和意义 |
| 1.3 研究现状 |
| 1.3.1 倒立摆系统的研究 |
| 1.3.2 四旋翼的研究 |
| 1.3.3 四旋翼倒立摆系统的研究 |
| 1.3.4 研究现状分析 |
| 1.4 论文主要工作及结构安排 |
| 第2章 基础理论与平台设计 |
| 2.1 线性二次型最优控制 |
| 2.2 强化学习算法 |
| 2.2.1 策略梯度 |
| 2.2.2 确定性策略梯度算法 |
| 2.2.3 四旋翼倒立摆平台设计 |
| 2.3 本章小结 |
| 第3章 四旋翼倒立摆数学模型 |
| 3.1 空间坐标系的建立 |
| 3.2 空间倒立摆数学模型 |
| 3.3 四旋翼数学模型 |
| 3.3.1 运动分析 |
| 3.3.2 坐标变换 |
| 3.3.3 动力学建模 |
| 3.4 四旋翼倒立摆动力学模型与分析 |
| 3.4.1 四旋翼倒立摆数学模型 |
| 3.4.2 支点高于重心影响分析 |
| 3.5 本章小结 |
| 第4章 四旋翼倒立摆平衡控制设计 |
| 4.1 系统性能指标分析 |
| 4.2 四旋翼倒立摆控制器设计 |
| 4.2.1 数学模型结构分析 |
| 4.2.2 定点悬停状态 |
| 4.2.3 圆周运动状态 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 接力方法设计 |
| 5.1 引言 |
| 5.2 轻杆的空中运动分析 |
| 5.2.1 轻杆在空中自由时 |
| 5.2.2 轻杆接触四旋翼时 |
| 5.3 抛杆接杆方法分析 |
| 5.3.1 抛杆方法 |
| 5.3.2 接杆方法 |
| 5.4 四旋翼控制方法仿真 |
| 5.4.1 抛杆控制方法 |
| 5.4.2 接杆控制方法 |
| 5.5 本章小结 |
| 第6章 基于策略梯度的接力控制器设计 |
| 6.1 引言 |
| 6.2 确定跟踪算法 |
| 6.3 路径跟踪控制器设计 |
| 6.3.1 控制策略设计 |
| 6.3.2 策略算法训练 |
| 6.4 接杆仿真结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录A 相关程序代码 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（3）基于力控的四足机器人高动态运动控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文专业名词对照表 |
| 第一章 绪论 |
| 1.1 论文选题背景及研究意义 |
| 1.2 四足机器人发展现状 |
| 1.2.1 国外四足机器人发展现状 |
| 1.2.2 国内四足机器人发展现状 |
| 1.3 四足机器人运动控制方法研究现状 |
| 1.4 论文主要研究内容及章节安排 |
| 第二章 液压单腿系统建模与控制 |
| 2.1 引言 |
| 2.2 单腿系统介绍 |
| 2.3 阀控液压缸建模 |
| 2.4 单腿运动学建模 |
| 2.5 单腿动力学建模 |
| 2.6 单腿运动控制 |
| 2.6.1 位置阻抗控制 |
| 2.6.2 基于虚拟模型的主动柔顺控制 |
| 2.7 单腿平台实验 |
| 2.7.1 关节扭矩伺服实验 |
| 2.7.2 基于虚拟模型单腿柔顺实验 |
| 2.7.3 基于虚拟模型的自由落地缓冲实验 |
| 2.8 本章小结 |
| 第三章 基于简化倒立摆模型的液压四足机器人运动控制 |
| 3.1 引言 |
| 3.2 躯干姿态稳定性分析 |
| 3.3 运动规划与控制 |
| 3.3.1 支撑相模型控制 |
| 3.3.2 摆动相模型控制 |
| 3.3.3 自转运动规划 |
| 3.3.4 基于虚拟模型的腿部运动控制 |
| 3.4 地形适应策略 |
| 3.5 仿真和平台实验 |
| 3.5.1 机器人平台简介 |
| 3.5.2 动力学仿真 |
| 3.5.3 物理样机实验 |
| 3.6 本章小结 |
| 第四章 四足机器人对角步态下实时足底力优化方法 |
| 4.1 引言 |
| 4.2 支撑相虚拟模型 |
| 4.3 支撑相最优力分配 |
| 4.4 摆动相模型控制 |
| 4.5 仿真实验 |
| 4.5.1 全向移动测试 |
| 4.5.2 鲁棒性测试 |
| 4.5.3 最优力分配验证 |
| 4.5.4 物理平台实验分析 |
| 4.6 本章小结 |
| 第五章 基于最优足底力分配的四足机器人腾空对角步态控制 |
| 5.1 引言 |
| 5.2 Flying Trot运动规划 |
| 5.2.1 躯干运动轨迹规划 |
| 5.2.2 腿部运动轨迹映射 |
| 5.2.3 基于插值算法的轨迹生成 |
| 5.3 Flying Trot控制器 |
| 5.3.1 足底力优化控制器 |
| 5.3.2 基于倒立摆的简化控制器 |
| 5.4 Flying Trot和Trot步态变换 |
| 5.5 仿真和实验结果 |
| 5.5.1 全向Flying Trot运动 |
| 5.5.2 鲁棒性测试 |
| 5.5.3 Flying Trot和Trot步态自动切换 |
| 5.5.4 基于倒立摆模型的Flying Trot实验 |
| 5.6 总结 |
| 第六章 基于模型预测控制的四足机器人运动方法研究 |
| 6.1 引言 |
| 6.2 简化机器人动力学建模 |
| 6.3 模型预测控制器设计 |
| 6.4 状态估计器设计 |
| 6.4.1 躯干位置速度估计 |
| 6.4.2 地形状态估计 |
| 6.5 腿部控制器设计 |
| 6.5.1 摆动相足端轨迹与控制 |
| 6.5.2 支撑相控制 |
| 6.6 步态规划与切换 |
| 6.7 仿真验证 |
| 6.7.1 多步态运动 |
| 6.7.2 鲁棒性测试 |
| 6.7.3 斜坡地形测试 |
| 6.8 总结 |
| 第七章 全文总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 附录A 动力学公式化简结果 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士期间获得的专利 |
| 攻读博士学位期间参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（4）基于双足机器人步态规划的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外机器人研究现状 |
| 1.2.2 国内机器人研究现状 |
| 1.2.3 双足机器人步态规划研究方法 |
| 1.3 本文的主要内容 |
| 1.4 本文的组织结构 |
| 第2章 双足机器人运动学建模与仿真 |
| 2.1 前言 |
| 2.2 双足机器人运动学基础 |
| 2.2.1 机器人的位置描述 |
| 2.2.2 机器人的状态描述 |
| 2.3 正运动学 |
| 2.3.1 双足机器人运动学方程求解 |
| 2.3.2 双足机器人正运动学MATLAB仿真 |
| 2.4 逆运动学 |
| 2.4.1 双足机器人逆运动学的几何解析法 |
| 2.4.2 双足机器人逆运动学MATLAB仿真 |
| 2.5 步行稳定性判据 |
| 2.5.1 ZMP的定义 |
| 2.5.2 稳定步行的判定 |
| 2.6 本章小结 |
| 第3章 基于三维线性倒立摆步态规划的优化 |
| 3.1 问题描述及方法确认 |
| 3.2 双足机器人步行运动状态描述 |
| 3.3 三维线性倒立摆步态规划 |
| 3.3.1 基于三维线性倒立摆的质心规划方法 |
| 3.3.2 三维线性倒立摆质心轨迹的仿真 |
| 3.4 基于三维线性倒立摆步态规划的优化方法 |
| 3.4.1 建立坐标系 |
| 3.4.2 计算质心的初始状态和步行时间 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 基于贝塞尔曲线摆动腿运动轨迹的优化 |
| 4.1 问题描述及方法确认 |
| 4.2 贝塞尔曲线介绍 |
| 4.3 基于贝塞尔曲线摆动腿运动轨迹的优化方法 |
| 4.4 双足机器人摆动腿轨迹仿真 |
| 4.5 本章小结 |
| 第5章 双足机器人步态控制实现与实验分析 |
| 5.1 Alpha Ebot机器人介绍 |
| 5.2 Alpha Ebot步态控制模块设计 |
| 5.2.1 步态控制需求分析 |
| 5.2.2 整体系统架构设计 |
| 5.2.3 步态控制接口设计 |
| 5.3 Alpha Ebot机器人步态控制实现 |
| 5.3.1 开发环境及搭建 |
| 5.3.2 MATLAB步态算法移植 |
| 5.3.3 步态控制模块实现 |
| 5.3.4 步态控制流程图 |
| 5.4 双足机器人步态控制实验与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（5）基于动态场景理解的机器人示教学习研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 观测学习算法研究现状 |
| 1.2.2 示教-观测方式研究现状 |
| 1.2.3 机器人示教编程研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文的内容组织安排 |
| 第2章 观测系统及机器人系统 |
| 2.1 系统概述 |
| 2.2 摄像头系统配置 |
| 2.2.1 相机成像模型 |
| 2.2.2 相机内参标定 |
| 2.3 机械臂控制系统 |
| 2.3.1 机械臂末端位姿建模 |
| 2.3.2 机械臂逆向运动学模型 |
| 2.4 移动倒立摆控制系统 |
| 2.4.1 双轮移动差速模型 |
| 2.4.2 一级倒立摆平衡模型 |
| 第3章 人类示教样本观测系统 |
| 3.1 语义分割获取目标物体像素区域 |
| 3.1.1 相关工作基础介绍 |
| 3.1.1.1 基于全卷积神经网络的语义分割神经网络 |
| 3.1.1.2 变分自编码器 |
| 3.1.2 基于变分自编码器的样本生成 |
| 3.1.2.1 改进后的目标物体样本及标签 |
| 3.1.2.2 基于改进变分编码器的样本生成 |
| 3.2 可形变物体的单摄像头三维重建 |
| 3.2.1 带图像特征标记的三维重建 |
| 3.2.1.1 多视角三维重建 |
| 3.2.1.2 图像SIFT特征附于三维重建点云模型 |
| 3.2.2 基于骨架分割的点云拓扑分割 |
| 3.2.2.1 骨架提取及骨架分割 |
| 3.2.2.2 第一类分割点 |
| 3.2.2.3 第二类分割点 |
| 3.2.3 带约束的骨架膨胀算法 |
| 3.2.4 第i采样时刻的三维重建 |
| 3.2.5 方法总述 |
| 3.2.6 基于NAO机器人和真人的实时三维重建实验 |
| 3.2.6.1 三维重建算法用于NAO机器人 |
| 3.2.6.2 三维重建算法用于真人 |
| 3.2.7 实验中的算法处理细节 |
| 3.2.7.1 SIFT算法匹配准确度 |
| 3.2.7.2 曲率和挠率的离散计算 |
| 3.2.7.3 三维重建结果的平滑优化 |
| 3.2.8 小节 |
| 第4章 机械臂的轨迹示教编程 |
| 4.1 机械臂示教编程数学模型 |
| 4.2 通过构造的适当流形浸入学习高维空间动态系统 |
| 4.2.1 适当流形浸入的构造方式 |
| 4.2.2 学习一个d+1维的动态系统 |
| 4.3 通过构造的适当流形浸入学习高维空间动态系统 |
| 4.4示教学习机械臂仿真实验 |
| 4.4.1 基于LASA手写数据集的仿真 |
| 4.4.2 示教学习机械臂交叉轨迹动作 |
| 4.4.3 示教学习的真机验证 |
| 4.5 示教学习实验编程细节 |
| 4.5.1 参数选择与采样插值 |
| 4.5.2 稳定性和准确度的数学定义 |
| 4.5.3 适当流形浸入证明 |
| 4.6 小节 |
| 第5章 基于示教的移动平衡车平衡及轨迹规划 |
| 5.1 移动平衡车的控制概述 |
| 5.2 移动平衡车的数学建模 |
| 5.3 同时学习轨迹跟踪和平衡控制 |
| 5.3.1 学习具备非完整性约束和欠驱动约束的控制模型 |
| 5.3.2 通过和所学动态系统相关的带约束优化问题实时调整高一维分量 |
| 5.4 轮式平衡车上的示教编程真机实验 |
| 5.5 小节 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）复杂地形环境双腿轮式机器人运动控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 双轮式机器人国外研究现状 |
| 1.2.2 双轮式机器人国内研究现状 |
| 1.2.3 双腿轮式机器人国内外研究现状 |
| 1.3 双腿轮式机器人建模与控制方法研究现状分析 |
| 1.3.1 建模研究现状分析 |
| 1.3.2 平面控制策略研究现状分析 |
| 1.3.3 适应复杂地形研究现状分析 |
| 1.4 本文的主要研究内容及章节安排 |
| 第二章 双腿轮式机器人系统建模 |
| 2.1 引言 |
| 2.2 双腿轮式机器人模型 |
| 2.3 双轮倒立摆系统建模 |
| 2.3.1 双腿-躯干质心的计算 |
| 2.3.2 双轮倒立摆系统运动学建模 |
| 2.3.3 双轮倒立摆系统动力学建模 |
| 2.4 单腿运动学建模 |
| 2.4.1 单腿正逆运动学求解 |
| 2.4.2 单腿雅可比矩阵推导 |
| 2.4.3 单腿运动空间分析 |
| 2.5 本章小结 |
| 第三章 机器人平面运动控制算法研究 |
| 3.1 引言 |
| 3.2 平面运动控制系统设计 |
| 3.3 直行控制子系统设计 |
| 3.3.1 平衡控制器设计 |
| 3.3.2 速度控制器设计 |
| 3.4 转向控制子系统设计 |
| 3.5 机器人平面运动控制仿真 |
| 3.5.1 抗平衡干扰实验 |
| 3.5.2 抗前向冲击实验 |
| 3.5.3 前向速度跟随实验 |
| 3.5.4 转向跟随实验 |
| 3.6 本章小结 |
| 第四章 机器人避障运动控制算法研究 |
| 4.1 引言 |
| 4.2 变质心高度过障 |
| 4.2.1 控制算法研究 |
| 4.2.2 仿真实验 |
| 4.3 跳跃过障 |
| 4.3.1 双腿-躯干支撑相模型 |
| 4.3.2 控制算法研究 |
| 4.3.3 仿真实验 |
| 4.4 本章小结 |
| 第五章 机器人跌倒恢复算法研究 |
| 5.1 引言 |
| 5.2 前向跌倒恢复 |
| 5.3 后向跌倒恢复 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 学位论文评阅及答辩情况表 |
（7）直线倒立摆的控制算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 倒立摆系统的研究背景及意义 |
| 1.2 倒立摆系统的研究现状 |
| 1.2.1 起摆控制研究现状 |
| 1.2.2 稳摆控制研究现状 |
| 1.3 倒立摆系统特性 |
| 1.4 论文研究内容 |
| 第二章 直线倒立摆系统数学模型的建立及分析 |
| 2.1 直线倒立摆系统工作过程 |
| 2.2 直线一级倒立摆系统数学模型 |
| 2.3 直线二级倒立摆系统数学模型 |
| 2.4 在Simulink中建立直线倒立摆系统模型 |
| 2.5 直线倒立摆系统的定性分析 |
| 2.5.1 系统稳定性 |
| 2.5.2 系统能控能观性 |
| 2.6 本章小结 |
| 第三章 直线倒立摆系统的稳定控制 |
| 3.1 线性二次型最优控制方法的研究 |
| 3.1.1 线性二次型最优控制的基本原理 |
| 3.1.2 线性二次型最优控制加权矩阵的选取 |
| 3.1.3 线性二次型最优控制系统的设计和仿真 |
| 3.2 基于遗传算法优化的线性二次型最优控制方法的研究 |
| 3.2.1 遗传算法的基本理论 |
| 3.2.2 遗传算法优化的线性二次型最优控制系统的设计和仿真 |
| 3.3 滑模变结构控制方法的研究 |
| 3.3.1 滑模变结构控制的基本理论 |
| 3.3.2 滑模变结构控制系统的设计和仿真 |
| 3.4 模糊滑模变结构控制方法的研究 |
| 3.4.1 模糊控制的基本原理 |
| 3.4.2 模糊滑模变结构控制系统的设计和仿真 |
| 3.5 本章小结 |
| 第四章 直线倒立摆系统的起摆控制 |
| 4.1 能量反馈起摆控制算法的研究 |
| 4.1.1 系统起摆过程分析 |
| 4.1.2 能量反馈基本原理 |
| 4.1.3 能量反馈控制系统的设计和仿真 |
| 4.2 Bang-Bang起摆控制算法的研究 |
| 4.2.1 Bang-Bang控制基本原理 |
| 4.2.2 Bang-Bang控制系统的设计和仿真 |
| 4.3 本章小结 |
| 第五章 直线倒立摆系统的实物控制 |
| 5.1 直线倒立摆实物系统的组成 |
| 5.1.1 直线倒立摆实物系统控制硬件 |
| 5.1.2 直线倒立摆实物系统控制软件 |
| 5.2 直线倒立摆实时控制 |
| 5.2.1 能量反馈起摆实时控制 |
| 5.2.2 基于遗传算法优化的LQR稳定实时控制 |
| 5.2.3 滑模变结构控制 |
| 5.2.4 模糊滑模变结构控制 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究内容总结 |
| 6.2 研究前景展望 |
| 附录A |
| 附录B |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）小型仿人机器人在线步态规划方法及自由行走实验研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景及意义 |
| 1.2 小型仿人机器人结构设计研究现状 |
| 1.3 小型仿人机器人步态规划研究现状 |
| 1.3.1 小型仿人机器人步态规划基础理论 |
| 1.3.2 小型仿人机器人步态规划方法简述 |
| 1.4 本文研究内容 |
| 2.基于线性倒立摆的仿人机器人步态规划方法及其改进 |
| 2.1 引言 |
| 2.2 三维线性倒立摆动力学特性及连续运动生成 |
| 2.2.1 线性倒立摆动力学特性 |
| 2.2.2 “步行单元”及状态误差评估函数 |
| 2.3 基于目标落脚点的经典规划算法与圆弧式路径跟踪 |
| 2.3.1 基于目标落脚点的经典规划算法 |
| 2.3.2 圆弧式路径跟踪 |
| 2.4 基于预观信息的步态规划改进方法 |
| 3.4.1 简单步行模式的识别 |
| 3.4.2 落脚偏差的缩小 |
| 2.5 本章小结 |
| 3.仿人机器人运动学建模与步态规划 |
| 3.1 引言 |
| 3.2 机器人模型 |
| 3.3 机器人逆运动学分析 |
| 3.4 步态规划设计流程及实例分析 |
| 3.4.1 步态规划设计流程简述 |
| 3.4.2 双足支撑期引入与质心轨迹规划 |
| 3.4.3 基于样条插值的踝关节轨迹规划 |
| 3.4.4 机器人关节角度求解 |
| 3.5 本章小结 |
| 4.仿人机器人物理样机研制与行走仿真 |
| 4.1 引言 |
| 4.2 机器人结构设计 |
| 4.2.1 基本设计原则及舵机选型 |
| 4.2.2 基于平面推力滚针轴承的髋关节改进设计 |
| 4.2.3 紧凑腰部结构设计 |
| 4.2.4 整体设计工作简述 |
| 4.3 机器人硬件控制系统搭建 |
| 4.4 机器人物理样机及其行走仿真 |
| 4.4.1 机器人物理样机实体 |
| 4.4.2 基于ADAMS的机器人行走仿真 |
| 4.5 本章小结 |
| 5.仿人机器人实时行走控制系统软件开发与自由行走实验 |
| 5.1 引言 |
| 5.2 机器人实时行走控制系统软件开发 |
| 5.2.1 机器人实时行走控制系统基本框架 |
| 5.2.2 基于Qt的实时行走控制系统软件开发 |
| 5.3 机器人基础步态行走实验 |
| 5.3.1 直线行走 |
| 5.3.2 原地转向 |
| 5.3.3 横向跨步 |
| 5.4 机器人灵活步态行走实验 |
| 5.4.1 “S”型路径跟踪避障 |
| 5.4.2 快速步态切换 |
| 5.4.3 灵活转向 |
| 5.4.4 实时行走操控 |
| 5.5 本章小结 |
| 6.全文工作总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读学位期间的研究成果及参加的科研项目 |
（9）一种机器人倒立摆实验系统的研究（论文提纲范文）
| 1 引言 |
| 2 实验平台总体组成 |
| 3 教学系统软件架构 |
| 3.1 实验系统开发接口 |
| 3.2 实验系统接口模块 |
| 4 机器人倒立摆控制实验 |
| 4.1 倒立摆控制算法实现 |
| 4.1.1 单级倒立摆的数学模型 |
| 4.1.2 单级倒立摆的数学模型 |
| 4.2 机器人目标位置解算 |
| 5 实验测试 |
| 6 总结 |
（10）双轮爬梯自平衡物流机器人动力学模型研究与智控系统实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究意义及背景 |
| 1.2 国内外双轮移动机器人研究现状 |
| 1.2.1 双轮移动机器人行走机构现状分析 |
| 1.2.2 双轮移动机器人平衡控制现状分析 |
| 1.2.3 双轮移动机器人动力学模型与仿真研究现状 |
| 1.3 双轮移动机器人的发展趋势分析 |
| 1.4 论文主要研究内容 |
| 1.4.1 论文框架 |
| 1.4.2 论文主要研究内容 |
| 1.5 本章小结 |
| 第2章 双轮爬梯自平衡机器人动力学模型研究 |
| 2.1 引言 |
| 2.2 双轮爬梯机器人可行性分析 |
| 2.2.1 传统双轮机器人爬梯分析 |
| 2.2.2 可变形轮式行走机构设计 |
| 2.2.3 可变形双轮机器人爬梯分析 |
| 2.3 双轮爬梯自平衡机器人动力学模型研究 |
| 2.3.1 拉格朗日方程 |
| 2.3.2 双轮爬梯自平衡机器人动力学建模 |
| 2.4 双轮自平衡机器人行走机构爬梯动力学建模及仿真 |
| 2.4.1 爬梯机器人行走机构动力学建模 |
| 2.4.2 爬梯机器人行走机构仿真分析 |
| 2.5 本章小结 |
| 第3章 双轮爬梯自平衡机器人智控系统设计 |
| 3.1 引言 |
| 3.2 机器人ROS系统框架设计 |
| 3.3 底层基于轨迹跟踪的变转矩爬梯姿态控制系统设计 |
| 3.3.1 底层系统硬件方案设计 |
| 3.3.1.1 中央处理模块 |
| 3.3.1.2 姿态获取模块 |
| 3.3.1.3 系统执行模块 |
| 3.3.2 基于轨迹跟踪的变转矩姿态控制软件方案规划 |
| 3.3.2.1 变转矩需求来源 |
| 3.3.2.2 基于爬梯轨迹的变转矩策略 |
| 3.3.2.3 变转矩控制系统仿真与实现 |
| 3.4 上层基于激光SLAM定位与自主导航系统设计 |
| 3.4.1 上层系统硬件方案选型 |
| 3.4.1.1 激光雷达模型 |
| 3.4.1.2 激光雷达测距原理与坐标转换 |
| 3.4.2 室内定位与自主导航软件方案规划 |
| 3.4.2.1 google-cartographer机器人SLAM建图 |
| 3.4.2.2 基于ROS的自主导航系统 |
| 3.5 机器人系统通信设计 |
| 3.5.1 底层通信协议设计 |
| 3.5.1.1 通信接口 |
| 3.5.1.2 数据格式 |
| 3.5.1.3 上层板发布数据包 |
| 3.5.1.4 底层板反馈数据包 |
| 3.5.2 PC端与机器人端ROS网络通信 |
| 3.6 本章小结 |
| 第4章 双轮爬梯自平衡物流机器人整机集成试验 |
| 4.1 实物样机搭建 |
| 4.2 变形轮式行走机构调试实验 |
| 4.3 物流机器人楼宇间运动实验 |
| 4.3.1 平地运动性能实验 |
| 4.3.2 楼梯越障性能实验 |
| 4.3.3 转向性能实验 |
| 4.4 物流机器人室内定位与自主导航实验 |
| 4.4.1 激光雷达与SLAM地图创建与测试 |
| 4.4.2 基于ROS的自主导航配置与测试 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文内容总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间发表的学术论文及参加的科研项目成果 |
四、倒立摆的移动控制（论文参考文献）
- [1]双足机器人复杂环境下定位、导航和规划[D]. 常琳. 哈尔滨工业大学, 2021
- [2]双四旋翼倒立摆接力平衡控制研究[D]. 陈宇廷. 长春理工大学, 2021(02)
- [3]基于力控的四足机器人高动态运动控制方法研究[D]. 陈腾. 山东大学, 2020(02)
- [4]基于双足机器人步态规划的研究[D]. 陈林. 中国科学院大学(中国科学院深圳先进技术研究院), 2020(07)
- [5]基于动态场景理解的机器人示教学习研究[D]. 金少堃. 中国科学院大学(中国科学院深圳先进技术研究院), 2020(07)
- [6]复杂地形环境双腿轮式机器人运动控制方法研究[D]. 吴可. 山东大学, 2020(02)
- [7]直线倒立摆的控制算法研究[D]. 魏帅. 西安电子科技大学, 2020(02)
- [8]小型仿人机器人在线步态规划方法及自由行走实验研究[D]. 能一鸣. 浙江大学, 2020(06)
- [9]一种机器人倒立摆实验系统的研究[J]. 李璐君,韩冰,张华良,刘广辉,李庆鑫. 小型微型计算机系统, 2020(03)
- [10]双轮爬梯自平衡物流机器人动力学模型研究与智控系统实现[D]. 朱尔亮. 杭州电子科技大学, 2020(04)