买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江大学申请的专利一种仿人机器人动态步行控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115202378B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210728703.0，技术领域涉及：G05D1/49；该发明授权一种仿人机器人动态步行控制方法是由朱秋国;杨太文;吴俊;熊蓉设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本一种仿人机器人动态步行控制方法在说明书摘要公布了：本发明公开了一种仿人机器人动态步行控制方法，在建模阶段将仿人机器人各部分连杆的质量、惯量都折算到了质心处，将仿人机器人简化为一个质心处等质量等惯量的整体模型，既简化了模型，又保留了整个机器人系统的主要信息。本发明由于考虑了机器人各连杆对整体的作用，提高了建模精度，可以对机器人状态做出更精准的控制。其次，在建立地面对机器人作用力模型时，同时考虑了3维力和3维扭矩，使该模型在有无脚踝的仿人机器人上可以通用。最后，在控制器优化问题求解阶段，将整个问题组织为一个紧凑型的凸二次规划问题，提高了计算速度，通过使用黎卡提方程确定终端状态的权重矩阵，可以保证所提出的模型预测控制器的稳定性。

本发明授权一种仿人机器人动态步行控制方法在权利要求书中公布了：1.一种仿人机器人动态步行控制方法，其特征在于，包括以下步骤：步骤S1，构建仿人机器人质心惯量模型；基于机器人各连杆的质量、质心、最小惯量参数集信息，计算出该连杆相对其关节坐标系的惯量，最后将各关节坐标系处的惯量和质量折算到机器人质心处，得到机器人质心处的总惯量和总质量，将机器人看作质心处一个等质量等惯量的整体；S1.1：通过下式计算出仿人机器人的质心c： 其中，K表示机器人的连杆总数，mk为连杆k的质量，ck为连杆k相对世界坐标系的质心位置，M为机器人整体质量；S1.2：连杆k相对其关节坐标系的惯量Ik为： 其中，[]×表示将向量转化成其对应的叉乘矩阵，Τ表示矩阵的转置，13×3为3×3大小的单位矩阵，lk为连杆k相对自己的关节坐标系的质心位置，为连杆k的质心惯量；S1.3：连杆k折算到质心o处的惯量为： 其中，kRo表示质心坐标系到连杆k关节坐标系的3×3变换矩阵，为质心o到连杆k关节坐标系原点的向量，03×3为3×3大小的零矩阵，kXo为质心坐标系到连杆k关节坐标系的6维变换矩阵；S1.4：各连杆在质心处的惯量累加后得到质心处总惯量Icom；步骤S2，将所述质心惯量模型写为状态空间方程，通过线性时不变系统的递推关系预测机器人状态；选取仿人机器人控制中重要的状态量，基于质心惯量模型写出系统的状态空间方程，然后根据线性时不变系统的递推关系写成未来状态与初始状态以及各步控制输出的关系；S2.1：取机器人质心惯量模型的姿态角θ、质心位置p、质心角动量Lcom、质心线动量Pcom为状态变量x，x＝[θ,p,Lcom,Pcom]Τ，取控制变量u为支撑腿足底力f和力矩τ，u＝[f,τ]T，得到如下的状态空间方程： 其中，E为姿态角变化率与角速度的变换矩阵，r为质心到支撑腿足底的向量；S2.2：状态空间方程离散后得xl+1＝Adxl+Bdul+Cd，根据线性时不变系统的递推公式，基于状态及各步的控制输出，预测未来状态，预测方程如下所示： 其中，xl表示未来第l步的状态，x0表示初始状态，Adj表示Ad的j次方，Adl表示Ad的l次方，ul-1-j表示未来第l-1-j步的控制变量；步骤S3，通过最小化预测状态与期望状态的差，设计成一个紧凑型的凸二次规划问题；设定有限时域的期望状态轨迹，最小化设定状态轨迹与预测轨迹的差，求解无限时域离散Riccati方程确定终端状态的权重矩阵，后将该问题组织为一个紧凑型凸二次规划问题；S3.1：设第l步的期望轨迹为xl,ref，通过最小化预测状态与期望状态的差，得到如下的最优控制问题： st.xl+1＝Adxl+Bdul+Cd，l＝0,...,N-1xl∈Xstage,ul∈Ustage，l＝0,...,N-1xN∈Xfx0＝xtP≥0，Q≥0，R＞0其中，N为预测步长；xN为终端状态，xN,ref表示期望的终端状态；xl为一个预测周期中的过程状态，xl,ref为其对应的期望状态；ul为一个预测周期中的过程控制变量；P为终端状态权重矩阵，Q为过程状态权重矩阵，R为控制变量权重矩阵；Xstage表示过程状态约束，Ustage表示过程控制约束，Xf表示终端状态约束，xt表示t时刻的状态，||||表示2范数运算；S3.2：将S3.1的最优控制问题化为紧凑型二次规划问题，取X＝[x0,x1,...,xN]Τ，U＝[u0,u1,...,uN-1]T，预测方程转化为如下矩阵形式：X＝Aqpx0+BqpU+Cqp 其中，112×12为12乘12的单位矩阵，设定期望轨迹Xref＝[x0,ref,x1,ref,...xN,ref]Τ，最优控制问题化为如下问题： 其中，WQ为各步状态权重矩阵组成的对角矩阵，WQ＝diagQ,Q,...,Q,P；WR为各步控制量权重矩阵组成的对角矩阵，WR＝diagR,R,...,R；S3.3：将矩阵展开后，转化为紧凑型凸二次规划问题： H＝2BqpΤWQBqp+WRG＝2BqpΤWRAqpx0+Cqp-Xref；步骤S4，求解该凸二次规划问题，根据所得参数控制机器人；使用Riccati方程求解该二次规划问题的终端权重，保证控制器稳定性，求解该紧凑型二次规划问题，取第一步的地面作用力力矩作为控制输出，使用支撑腿雅克比矩阵将其换算到支撑腿关节力矩，实现机器人的姿态平衡控制；同时让摆动腿跟随经验公式计算出的落脚点，实现机器人的动态步行；S4.1：终端权重矩阵P通过求无限时域离散Riccati方程得到：P＝Q+AdΤPAd-AdΤPBdR+BdΤPBd-1BdΤPAdS4.2：求解S3中的凸二次规划问题，得到预测周期内的全部最优控制输出，取第一步的地面作用力力矩作为控制量，通过关节空间雅克比矩阵，将其映射到支撑腿各关节力矩，实现机器人的姿态平衡控制，力矩映射公式如下： 其中，τjoint为支撑腿关节力矩，J为支撑腿雅克比矩阵，Fground,τground为第一步地面作用力与力矩；计算得到机器人落脚点p：p＝pconst+kpvcurr+kdvcurr-vd其中，pconst表示落脚点常数偏置，kp表示落脚点比例参数，kd表示落脚点微分参数；vcurr,vd表示机器人当前速度和期望速度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。