论文部分内容阅读
自重构机器人是由许多结构简单并具有一定运动和感知功能的基本单元模块通过相互间的连接构成的机器人系统。自重构机器人利用单元模块间的连接性和互换性,实现机器人联体构型的变换,能够动态地适应环境和任务的需要。与传统机器人相比,自重构机器人具有自重构、自修复、自适应、可扩展和良好的经济性等特点。自重构机器人在非结构化环境中的应用具有突出优势,如灾后搜救、危险环境监测等领域。但自重构机器人的构型多样性和运动多模式等特点,也使其运动规划比传统机器人更为复杂。因此,本文针对自重构机器人联体的整体协调运动的统一控制方法进行了研究。该运动控制方法既能实现机器人联体多构型、多模式的运动控制,又能够自适应自重构机器人联体的构型改变。同时针对自重构机器人联体在非结构化环境中的自主协调运动展开研究,使得自重构机器人能根据传感反馈信息,实时地调整自身的运动模式。单元模块作为自重构机器人的基本单元,其结构特点直接决定了自重构机器人联体的运动性能。本文根据不同的关节配置,分别设计和研制了三代自重构机器人。第一代自重构机器人由三个正交关节串联而成,着重研究单元模块的独立运动能力。第一代自重构机器人单元模块能够实现直线运动、侧移运动、翻滚运动和转向运动。为解决单元模块在自组装过程中角度调节精度差的问题,本文研制了第二代自重构机器人,利用所设计的自转机构将单元模块的角度调节精度提高到了20。第三代自重构机器人融合了以上两代自重构机器人的结构特点,关节模块具有2个相互垂直的旋转自由度,通过关节模块的不同组合可以模仿PolyBot, iMobot和SuperBot等典型的自重构机器人系统。针对第三代自重构机器人设计了一种模块化同构无性的自动连接机构,该连接机构既能实现单元模块间的串行连接,又能实现单元模块间的并行连接,进一步增强了自重构机器人联体的组装和重构功能。本文将两个第三代自重构机器人的关节模块组装成一个单元模块,通过分析该单元模块的特征,总结了关节模块状态对自重构机器人联体运动控制系统的影响,并提出了一种基于邻接矩阵的机器人联体构型拓扑描述方法,实现了单元模块自身状态、连接状态和连接方位关系等的数学表达,为建立自重构机器人联体的运动构型库奠定了基础。自重构机器人的通信系统直接影响着机器人联体的运动效率,通过对比当前存在的几种通信方式的利弊,本文提出了基于无线射频的多层通信系统。该通信系统被分为机器人联体间全局通信网络、机器人联体内全局通信网络和单元模块间局部通信网络,分别针对三个网络层次提出了自适应传输功率调节方法,网络拓扑重构方法和机器人联体构型识别方法。借鉴生物低级神经系统的运动控制机制,构建了适用于自重构机器人的多层中枢模式发生器(Central Pattern Generator, CPG)仿生运动控制神经网络。CPG神经网络分为节律发生器层、模式发生器层和运动神经元层,节律发生器层和模式发生器层的中间神经元及运动神经元层的运动神经元分别采用Kuramoto非线性相位振荡器和DMP进行建模,并采用单参数分析法研究模型参数对CPG神经网络输出信号的影响规律。CPG神经网络的拓扑结构是由中间神经元的耦合关系构成,通过对比法分析了中间神经元的耦合关系和拓扑结构对CPG神经网络输出信号的影响。本文根据机器人联体运动方式的不同,将自重构机器人联体分为无足型机器人联体和多足型机器人联体。通过分析研究不同自重构机器人联体的结构特征和运动机理,分别建立相应的CPG神经网络,实现了I型机器人联体的行波运动、蜿蜒运动、侧向蜿蜒和侧向滚动等多种运动模式控制,以及O型机器人联体的静态滚动模式的运动控制。针对多足型机器人联体,分别对各个关节的运动神经元建立目标函数,实现了H型机器人联体和X型机器人联体的运动控制。不同的自重构机器人联体构型适用于不同的地形环境,通过对不同机器人联体结构特征的研究发现具有相似拓扑结构的机器人联体通过简单的重构或关节状态变化能够衍生出彼此的运动模式。在保持CPG神经网络拓扑不变的情况下,仅通过调整CPG神经网络中间神经元的相位关系以及运动神经元的目标函数,实现了I型机器人联体和O型机器人联体的运动模式相互衍生以及H型机器人联体衍生出I型机器人联体的行波运动。说明本文所提出的多层CPG神经网络对自重构机器人的构型变化具有一定的自适应性。为实现自重构机器人联体在非结构化环境中的稳定运动,本文通过模拟动物的反射机制,针对H型机器人联体提出了碰撞反射、踏空反射和前庭反射三种低层反射调节机制,使得H型机器人联体能够适应凹凸不平的地形和坡面。基于红外测距传感器,提出了I型机器人联体的自主避障方法。CPG神经网络输出信号的连续性较大程度地影响自重构机器人联体运动的稳定性,本文从曲线的连续性角度讨论了CPG神经网络输出轨迹线的光滑程度,并提出了基于Sigmoid函数的参数过渡方法,保证了CPG神经网络输出信号在过渡阶段的连续性达到C3,有效地避免了CPG神经网络输出信号的突变对自重构机器人的关节电机及齿轮箱等的损害。