哈工大智能控制报告Big Dog四足机器人设计

2015年秋季学期研究生课程考核

（读书报告、研究报告）

考核科目:智能控制

学生所在院（系）:航天学院

学生所在学科:控制科学与工程

学生姓名:

学号:15S004001

学生类别:学术型

考核结果阅卷人

本人签字：

Big Dog四足机器人的设计分析

题目：假如你是“大狗”（Big Dog）控制系统项目的负责人，你将如何开展研究？请给出

研究步骤和初步方案。

本文的论述过程即按照研究步骤划分，共五个环节：

1)首先规划研究任务；

2)查阅资料并了解研究背景与现状；

3)整理设计要求，根据要求提出系统的整体设计方案；

4)细化方案，根据各模块的功能与配合设计出初步方案，并对其中应用到的技术分别进行阐述；

5)分析系统的优势与不足，提出可行的创新、改进意见与未来研究工作的发展方向。

一、研究任务规划：

1.首先查阅资料，了解Big Dog的研究现状与背景；

2.了解Big Dog的整体结构组成，并分别研究各个部分功能分工，包括液压驱动系统，机械结构关节与执行器，伺服控制回路与控制算法，传感器与反馈闭环通路，软件与导航系统等；

3.大致设计各个环节对应所需的设备，清楚整个系统的工作原理与工作流程，研究系统的实现方式；

4.重点研究Big Dog的运动控制系统及软件系统的实现方式，以传感器与反馈通道，伺服控制回路及控制算法为主，详细阐述智能控制的模糊神经网络算法在本系统中的应用前景；

5.比较Big Dog当前系统的优势与不足，提出可行的创新、改进意见与研究工作的发展方向。

二、研究背景意义：

波士顿动力公司开发的Big Dog四足机器人自问世之后，受到了广泛的关注，凭借卓越的性能，成为国际四足机器人领域的翘楚。Big Dog机器人最引人注目的就是它出众的运动能力，多步态行走、小跑、跳跃１ｍ宽的模拟壕沟、爬越35°的斜坡，能适应山地、丛林、海滩、沼泽、冰面、雪地等复杂危险的地形。主制造商美国谷歌波士顿动力公司自2005年起，先后推出12自由度Big Dog、16自由度Big Dog、LS3四足，2013年最新的带有强力机械臂的Big Dog、Atlas双足双臂等机器人。以上系列机器人虽然外形各异、功能不同，但是都是在Big Dog原型机基础之上所改进而成的。因此，分析Big Dog四足机器人的核心技术是洞穿其系列机器人设计思想的主要渠道。

Big Dog机器人最显著的优势就是能够自如行走于复杂的非结构化地形中。这也是四足超越轮式、履带式机器人的主要特性。因此Big Dog设计的核心思想，就是如何克服崎岖不平的未知和不可准确预测的的复杂地形，使得机器人能够安全平稳的运行，甚至能够像生物一样流畅的，自主的并以一定的速度进行行走。

为了实现这些目标，Big Dog将用到地形传感器，精密计算机和电力系统，先进的执行

器和动态控制等控制仪器。Big Dog的设计者从1986年开始了这方面的研究，重点集中于腿部机器人在动态行走中如何保持平衡。从试验中，他们发现可以通过相对简单的控制方法去控制这些机器人，分为三个主要活动的控制行为：支持有垂直弹跳运动的身体，由伺服电机控制各个关节的转动以在运动中保持平衡，使用对称原则把每个脚步放置在关键位置是机器人在运动中保持平衡。虽然从不同机器到不同机器控制细节不同，但它们都共享这三基本要素。而Big Dog是一个独立的四足机器人，既借鉴了腿部机器人实验室中的许多概念与思想，并且还解决了机载电源和复杂地形控制算法的实际问题。

Big Dog四足机器人可如下简单概括：主要以四足哺乳动物结构为仿生参考，采用纯机械方法设计和制造，拥有12或16个主动自由度的腿类移动装置；以液压为驱动系统对主动自由度实施动力输出，机载运动控制系统可对机体姿态和落足地形实施检测，利用虚拟模型可测算机体重心位置等关键参数，依据智能控制的算法原则，再借助虚拟模型实施正确和安全的运动规划，根据肢体实际载荷大小动力学实施准确的规划和输出，并根据机体状态的变化同步调整输出，使得机器人具有对复杂地形很强的适应能力。Big Dog具有很高的运动自主性，同时还有较高的导航智能性，独立对环境实施感知和自主规划路径，很少需要人工的干预。Big Dog属于典型的具有全自主运动能力，较强全自主导航能力的非结构化环境四足移动机器人，是当前机器人领域较先进的一种陆地移动机器人。

三、Big Dog设计要求整理

为了使本文所研制的四足仿生机器人运动平台能扩展为一个全自主移动机器人，能在户外复杂地形下行走，并具有一定的负载能力。因此，控制系统须完成导航、路径规划、步态规划、关节伺服控制、各类传感器信息的采集与处理等任务，具体设计要求如下:

1.整个控制系统需装在机器人上，尺寸和重量尽可能小；

2.尽可能模块化，扩展性好，便于后续功能模块的增加；

3.实时性强；

4.具备友好的人机界面，为系统的调试、监控提供方便；

5.实现导航、路径的规划；

6.单关节的伺服控制，机器人的运动是通过各关节的协调运动来实现的，单关节实时、准确的控制是实现机器人协调运动的前提；

7.多关节的协调控制，四足仿生机器人运动是通过各关节之间的协调运动来实现，因此多关节的协调控制直接关系到机器人步态的合理性以及运动的协调性；

8.平衡控制，保证机器人在不平整的地形能稳定运行，机器人受一定干扰力时仍然能保持稳定状态；

9.各类传感器信息的采集与处理，要实现机器人的自主运动，须借助各类传感器来获取环境及机器人自身的信息;

10.具有一定的容错能力，当机器人出现某些异常时，控制系统能根据需要做出一定的处理。

将上述要求归类，控制系统由以下三大功能模块组成:

1.机器人宏观规划、决策模块:根据外部给定的目标任务，借助各类传感器，确定机器人的行走路线；

2.多关节协调控制模块:将机器人的任务分解到各个关节，通过多关节的、协调运动来完成具体的行走任务;

3.单关节运动控制模块:通过对机器人驱动器的伺服控制，驱动关节完成运动。

这三大功能模块分别完成不同的任务，模块间相互联系，需要交换数据。整个控制系统是一个多层次、多级别的复杂系统，单CPU很难胜任如此复杂的控制任务。为了实现对多个层次的单独控制以及不同层次间的协调管理，将控制系统分解成多个子系统，不同层次上用单独的控制器控制，各层间通过通信来交换数据，即采用递阶分布式控制系统结构。

四、Big Dog系统实现与初步方案

(1)Big Dog系统的核心技术与初步方案

对Big Dog四足机器人的核心技术进行分析，适应复杂地形是Big Dog的设计主线。提高横、纵自由度联动能力是Big Dog结构设计主要突破点。机体重心颠簸起伏、机体重心自扰动等不良运动特性是四足机器人控制难度大的主要原因。液压动力系统的构成和优点将被剖析，解决腿类移动装置的驱动问题是液压系统研发的根本目的。支撑腿打滑及俯仰和横滚角度是否过大作为监测机体运动安全状态的参数。惯导和关节编码器可检测机身与肢体的状态，借助压力传感器可还原落足点地形，三者合一可构建虚拟模型。借助虚拟模型可求算机体重心等关键控制处理中间参数，运动控制系统可实施粗略的动作预演及精确的运动学和动力学规划。规划模型与样机模型的偏差作为反馈值实施闭环控制。建立以三维激光扫描仪和双目视觉为主的导航系统，视觉地形还原功能可帮助安全跨越岩石地形，软件系统将各种基本功能整合为有机的整体。

Big Dog系统提供了动力，驱动，传感，通信，控制等功能。动力是一个水冷二冲程内燃发动机，它可以提供15马力的动力。该发动机驱动一个液压泵来为机器人腿的驱动器提供高压液态油。执行器的液压缸由两个伺服阀调节。每个驱动器都有一个传感器来感知关节位置和力量大小。每条腿有4个液压驱动器来提供关节的动力。车载电脑控制Big Dog的行为，处理传感器反馈回来的信息，并管理与远程操作者的沟通。Big Dog大约有50个传感器。惯性传感器测量身体的加速度和位置，而关节传感器测量动作和执行器工作时在关节处的力量。车载电脑从传感器传来的信息可以估计Big Dog是如何运动的。车载电脑有两个级别的控制功能，低层次的伺服控制系统控制关节的位置和转动力矩。高层次的伺服控制器协调腿部的动作以保持一定的速度和平稳性运动。Big Dog有各种各样的运动行为，它可站立，蹲下，走路，或者爬过障碍。爬过障碍速度大约是0.2m/s，行走是1.6m/s，跑步是2m/s，极限速度是3.1m/s。

Big Dog通常由一个人通过IP无线通信来控制操作控制单元以此控制机器人。操作者只需指出按照何种路线前进，而控制腿部运动和抗外部干扰措施则由车载电脑完成。Big Dog 使用平衡预估的方法控制横向和纵向的加速度，以使其在步行中能够保持动态平衡。当响应命令时，Big Dog控制系统协调机器人与地面之间的作用力，控制双腿之间的负载分配，以优化其负载能力。使横跨四肢的垂直负载尽可能相等，使腿部产生直接向地面的反应力，从而降低所需关节的力矩大小和执行器的工作。控制系统能够通过地形测量和姿态控制来适应地形的变化。该控制系统采用关节传感器的信息，以确定何时脚与地面接触，以确定每个腿和驱动器所需的负荷。身体姿态控制算法通过协调腿部与地面的接触来控制身体的位置。该算法也可以在不平的地面中实现。这种方法可以控制车身侧倾，从而使Big Dog能够适应当

没有地形测量传感时地形发生变化的情况。Big Dog能够以两种方式适应地形的变化。它调整身高和姿势以符合当前地形，调整脚步以做出对机器人的身体和地平面相对于重力方向的补偿。这使得Big Dog能够在除了非常陡峭的环境中任意前行。整体设计方案流程图如下：

初步设计方案的流程图

(2)机体结构与运动特性

Big Dog机体结构主要包括机身及12或16段肢体。机身是一个大刚体，是整个装置结构设计与装配的基准。Big Dog结构设计的主要特点：仿造四足哺乳动物的肢体结构；拥有多个主动自由度；腿部具有较强的可伸缩性；纵向自由度数量多，利于纵向运动；横向自由度数量少，不利于横向运动；结构紧凑、布局合理；设计、加工、装配精度高；无法实现多轴性髋关节。

Big Dog首先是一套工艺精良的机械装置。Big Dog肢体的设计侧重于机体的纵向运动。纵、横自由度数量比为3:1或2:1。纵向自由度位置更靠近地面，对地形干扰的适应能力更强；而髋部横向自由度，在最上端远离地面，灵活性较差，如下图4.1所示。从数量对比和位置分布来看，机体纵向的运动灵活性、调整能力要明显强过横向。Big Dog作为移动载体，持续的纵向运动是设计的目的，而横向运动由于与纵向运动成正交关系，横向运动会增加移动距离和多次调整偏航角，所以四足机器人持续纵向运动时要尽量避免横向运动。Big Dog各段肢体都采用销孔配合链接，能够保证机械本体的结构精度。Big Dog所有肢体都属于严格的单轴性关节，只能绕着对应转轴旋转。每段肢体在各自液压执行器的驱动下做往复加减速旋转运动，构成了Big Dog肢体的基本运动常态。Big Dog任何情况下的运动都是由12或16段肢体的运动所拟合而成的。

机体运动为支撑倒立摆运动、重心颠簸起伏、机体重心自扰动、肢体往复加减速运动构成了四足机器人的基本运动特性。机体运动特性不良是造成四足机器人控制难度大的主要原因。四足的运动控制难度通常大于各种轮式、履带式机器人或者其它移动装置。从运动状态上来看，即使在光滑水平路面条件下，四足也不存在任何理论意义上的匀速直线运动。机体所有质点都没有直线运动状态，而是空间不规则曲线。以常见的对角步态为例：机身在两

条支撑腿的支撑下从倒立摆的一端被撑过倒立摆的最高点，在倒立摆的另一端停止。机身重心经历一次圆弧运动，而水平方向的位移才是机身实际有效位移。机身重心始终是颠簸起伏，呈波浪曲线状，如图4.2所示。

图4.1结构图

图4.2重心起伏和肢体旋转

机体重心情况则更加复杂，除颠簸起伏之外；机体各段刚体在机器人纵向运动的同时，还存在明显的相对运动，机体重心空间位置飘忽不定，使得测量异常困难，造成了四足机体重心自扰动的问题。该扰动也是腿类区别于其他移动装置显著的特性之一。四足机器人的多肢体旋转形成的支撑倒立摆结构，每段肢体在任何情况下都不是直线运动而是旋转运动；范围通常在几十度以内，为追求机器人的运动速度，必须加快肢体的旋转速度，而行程范围又很小；通常是肢体的转速刚加速升上去之后，又要快速减速以保证能在行程终端位置刹住；再反向如此重复。所以驱动系统的加速、减速构成了动力系统输出的基本常态。为使机器人能够处于平稳的运动状态，必须保证力和扭矩的输出能刚好满足对应肢体的实际动力需求，也就是恰到好处的油压值及流量输出。不断的规划、不断的检测、不断的反馈、不断的调整输出，构成了四足机器人运动控制的基本常态。此外地形的随机任意变化、多种运动状态之

间频繁切换、肢体载荷分布不均匀等，都使得运动控制的难度进一步加大。

(3)液压动力系统的主要构成和优点

Big Dog液压动力系统主要组成部分包括：汽油发动机、变量活塞泵、液压油箱、油压总路、蓄电池、16个电液伺服阀和16个子液压执行器等。汽油发动机在汽油燃烧产生的热能驱动下旋转；同时带动活塞泵旋转，把液压油箱的常态液压油抽到泵里实施加压，形成封闭的油压总路。每段肢体对应的液压执行器将根据当前运动控制系统所发出的指令参数，借助各自电液伺服阀的调压功能，获取恰好满足各自肢体所需要的动力输出。根据液压系统的基本特性可知，总路油压值的大小由16段肢体中某一段终端负载来决定；通常载荷最大值为支撑腿足底段肢体。运动控制系统最终发送给每个电液伺服阀的指令参数包括：油压值和流量。

Big Dog液压驱动系统的主要优点包括：功率输出大，原始发动机12.5kW；高油压(20.68MPa)；多支路分配输出；电液伺服阀响应频率高(1000Hz)；伺服阀控制精度高；抗冲击载荷强和密封性好。大功率是为了满足四足高功率密度的动力需求。高频输出是针对肢体载荷始终处于变化状态而需要同步调整动力输出的要求而设定的，借助电液伺服阀实现1000Hz的输出频率。多支路输出是依靠并联关系的电液伺服阀独立实施液压输出控制，保证同时满足12个或者16个子液压执行器不同的液压输出要求。密封性和抗冲击载荷性能，主要是针对四足机器人运动时肢体会与地面发生剧烈的冲击可能对液压系统造成的伤害而设计的。

波士顿动力公司所研制的Big Dog系列机器人，尽管构造存在一定的差异，但都采用了液压作为驱动系统。明明是在研究机器人，却起名为动力公司。原因在于，腿类运动执行机构和与之配套的动力系统的研发，才是波士顿动力研究的真正目的。四足或两足机器人仅仅是用来展示这个驱动系统和腿类机构的一个平台。四足或其他足类机器人、机械臂，作为机器人系统都有其运动控制和导航的特殊性，但是在动力系统的需求方面几乎是一致的。波士顿动力一旦掌握了这套液压动力系统的核心技术，便可任意实现常见的各种腿类移动装置和机械臂。Big Dog系列装置原本是在人工的操作下运动。所以系统不具有智能性，但有一定的自主性。而Big Dog等明确为机器人系统的，则必须具有很高的自主性和较高的智能性，能够在极少的人工遥控下在复杂环境中移动。机器人研究的难点主要是它的自主性和智能性，而四足机器人前期受困于它的驱动问题。所以灵活的肢体结构和良好的液压动力系统，构成了Big Dog基本机体的硬件组成，使得机器人具有了较强的运动潜能，需要设计一套与之匹配的运动控制系统，在复杂环境下把各种运动能力展现出来。

(4)运动控制系统

Big Dog运动系统必须满足一定程度的自主性与智能型。作为机器人必须具有很高的运动自主性，在复杂的非结构化环境下，只需少量的人工干预，独立自主实施各种运动。并能根据地形环境的变化，自主做出适当的调整，直观上具有了类似于四足动物或人一样的反应和应变能力。由于在运动过程中，具体的动作指令几乎不可能靠人工实现。需要完全借助开发好的运动控制系统自主生成，所以这套系统必须具有很强的鲁棒性和应变性，才能满足不同地形条件下的需求。因此我们要选择模糊神经网络控制算法作为整套装置的核心算法。

运动控制处理具体过程如下：检测机身和肢体状态，对落足点地形实施还原；在虚拟环境中建立三者的模型，求算机体重心等关键参数，在这一还原过程中既要应用模式识别技术又要应用到智能控制技术，选择二者的综合模糊神经网络算法；利用机体安全状态参数作为控制准则，结合机体当前状态实施运动学规划，根据压力传感器的读数实施动力学输出，借助样机模型与规划模型之间的偏差，对运动控制实施反馈，保证实际样机与规划的模型一致。Big Dog运动控制系统基本框架如图4.3所示。该控制系统独特之处在于对复杂地形具有很强的适应能力，如何实现对崎岖不平地形的识别和应变是控制系统设计始终围绕的核心问题。1000Hz的高频是运动控制系统的基本特性，平坦地形还可达到高精状态。高频循环系统可解决如下典型问题，保证机体运动协调一致。两条支撑腿在支撑倒立摆过程中，由于诸多因素的影响未必同步，会造成挤压或牵拉机身，而高频循环可及时调整运动规划和动力输出，缓解或消除不利影响。此外，保持迈步腿各段肢体协调一致，也需要高频循环调整。高频循环的存在，使得Big Dog系统的随时发现问题，可随时调整的能力变为可能。

模糊控制算法理论基础

模糊集合定义：设X使论域，X上的一个实值函数用μ

A 来表示，即μ

A

:X→[0,1]，对于x

∈X,μ

A 称为x对A的隶属度，μ

A

称为隶属函数。这样，隶属度A(x)正是x属于A的程度的

数量指标：值为0、1或在0与1之间，认为x完全属于A、x完全不于A、x在A(x)程度上属于A。这时，A的外延表现出不分明的变化层次，表现出模糊性。

4.3运动控制系统结构简图

隶属函数：普通集合用特征函数来刻划，模糊集合用隶属函数作定量描述，值域为区间[0，1]。目前，一般根据经验或模糊统计来确定隶属函数，且不唯一，把神经网络与模糊逻辑结合，通过对神经网络的训练，由神经网络直接自动地生成隶属函数是解决这一问题的有效方法。实际控制问题中，普遍选用的隶属函数有：三角形、半三角形、梯形、半梯形、钟形、Z形、S形和单点形等。

模糊关系：集合的直积定义：由两个集合X与Y的各自元素x∈X及y∈Y构成的序偶（x,y）的集合，称为X与Y是直积（叉积，笛卡积）。即：X×Y={(x,y)∣x∈X∧y∈Y}

模糊关系的定义：两个非空集合U与V之间的直积U×V={(u,v)∣u∈U,v∈V}中的模糊集合R被称为U到V的模糊关系，其特性可由下面的隶属度函数来描述：μ

R

:U×V→[0,1]模糊推理：要解决模糊性问题的推理，需要用模糊推理的方法。

模糊推理又称模糊逻辑推理，是指已知模糊命题，推出新的模糊命题作为结论的过程。

可见，模糊推理是一种近似推理。L.A.Zadeh在1973年对于模糊命题“若A则B”，利用模糊关系的合成提出了一种近似的推理方法，称为“关系合成推理法”。模糊控制中几种常用的模糊推理为模糊蕴含运算采用Mamdani的最小运算规则

模糊控制的设计结构如图4.4

图4.4模糊控制系统示意图

凡采用模糊控制器的系统称为模糊控制系统，对于模糊控制器，是通过定义模糊变量、模糊集合及相应的隶属度函数，采用一组模糊条件句来描述输入与输出之间的映射关系。模糊控制器的设计主要包括以下三部分：

1、控制器输入/输出规范化的比例因子设计，实现精确量的模糊化，把语言变量的语言值化为适当论域上的模糊子集；

图4.5Matlab模糊逻辑控制系统参数设置界面

2、模糊控制算法的设计，通过一组模糊条件语句构成模糊控制规则，计算出模糊控制规则确定的模糊关系，并通过模糊推理，给出模糊控制器的输出模糊集合；控制器输出模糊集合

的模糊判决，并通过由第一步确定的输出比例因子确定出精确的控制量。

图4.6Matlab模糊规则编辑器

3、在控制器实现阶段，要对输入值和输出变量的隶属函数进行定义，建立控制，进行运算子的确立和选择清晰化方法，然后根据它们进行模糊化、模糊推理和清晰化操作，从而实现模糊控制。最后进行离线仿真研究和在线实时模拟实验，检验所设计的模糊控制器是否达到预定的控制目标。如果没有达到要求，就要对控制器的结构、隶属函数、推理方法等进行重新设计或调整。设计时要调整的参数有：1）控制的结构；2）隶属函数的形状位置；3）规则和置信度；4）模糊推理的运算子；5）清晰化方法。

图4.7控制量与e、ec模糊控制规则三维图

神经网络理论基础

基于人工神经网络的控制（ANN-based Control）简称神经控制（Neural Control）。

神经网络基本思想：

人脑大约包含1012个神经元，每个神经元大约与102～104个其他神经元想连接，形成极为错综复杂而又灵活多变的神经网络，是个高度互联的集合。该集合中的每个神经元都是都是生物组织和化学物质的有机结合，若不考虑其速度，可以说没和神经元都是一个复杂的微处理器。而模拟生物神经元，用人工神经元构造一个神经网络，使之具有一定的问题处理功能，就是神经网络基本思想。

神经网络神经元：

神经元组成部分：树突、细胞体和轴突。

树突：树突是树状的神经纤维接受网络，用于接受从其他神经元传入的信号。

细胞体：细胞体是由很多分子形成的综合体，它为神经元的活动提供能量，并在此进行新陈代谢等生化过程，也就是对输入信号进行整合和阀值处理。

轴突：轴突是细胞体突起的最长的外伸管状纤维。最长可达1米以上，用于把神经元兴奋的信息传送到其他神经元。

从生物控制论的观点来看，神经元作为控制和信息处理的基本单元，具有以下一些重要的功能与特性：

1）时空整合功能；

2）兴奋与抑制状态；

3）脉冲与电位转换；

4）神经纤维传导速度；

5）突触延时和不应期；

6）学习、遗忘和疲劳。

要对生物神经网络进行模拟，那么人工神经网络也必须有类似结构和功能。虽然可简单得多，但有两个关键相似之处：1）神经网络的构成都是可计算高度的单元互连；2）处理单元之间的连接决定了网络的功能。

神经网络的学习方法：

学习方法是体现人工神经网络智能特性的主要标志，离开了学习算法，人工神经网络就失去了诱人的自适应、自组织和自学习的能力。

神经网络中常用的几种最基本学习方法有：

1）Hebb学习规则：Hebb学习规则是一种联想式学习方法。生物学家D.O.Hebbian认为，两个神经元同时处于激发状态时，它们之间的连接强度得到加强，此论述的数学描述被称为Hebb学习规则。

2）Delta学习规则：Delta学习规则可表示为：△Wi=n∑(dp-yp)f’(?p)*X ip

Delta学习规则只适用于线性可分函数。BP网络的学习算法称为BP算法，是Delta学习规则基础上发展起来的。

3）概率式学习：从统计力学、分子热力学呵概率论中关于系统稳态能量的标准出发，进行神经网络学习的方式称概率式学习。

4）竞争式学习：此学习方式是利用不同层间的神经元发生兴奋性联接，以及同一层内距离很近的神经元间发生同样的兴奋性联接，而距离教远的神经元产生抑制性联接。在这种联接机制中引入竞争机制的学习方式称为竞争式学习。

神经网络的模型辨识：

网络所具有的非线性变换特性和高度的并行运算能力为系统的辨识，尤其是非线性系统。系统辨识中的一个重要问题是系统的可辨识性，即给定一个特殊的模型结构，被辨识的系统是否可以在该结构内适当地被表示出来。神经网络用于系统辨识的关键，在于网络中神经元连接权值等参数的调整和确定。

神经网络技术是指把人类的经验和知识进行数字化的模糊处理，把规则和推理转换成神经网络的映射处理和直接从数据样本中提取经验规则，然后把这两种转换结合起来进行智能信息处理和智能控制的技术。综合以上的神经网络算法与模糊控制算法，我们就可以得到模糊神经网络算法。

模糊神经网络的特长在于逻辑推理能力，能够处理精确的信息和模糊信息，能够实现精确性联想及映射。存在的问题是隶属函数中的加权系数是固定的，不能根据不同的客流模式而改变，无法进行自学习。神经网络的一个突出特点就是可以通过向环境学习获取知识并改

进自身性能，它的学习过程就是修改加权系数的过程，最终可以达到期望值。所以将这两种方法结合在一起，采用神经网络技术来进行模糊信息处理，使得模糊规则的自动生成有可能得以解决，可以有效发挥其各自优势。

模糊神经网络就是利用神经网络的结构进行模糊推理，它集中了模糊逻辑和神经网络两者的优点，克服了各自的缺点，易于网络的构造及应用。

智能控制分级递阶结构

在国内外四足机器人中，常见的控制系统结构有:

1)集中式:集中式控制系统只用一台计算机来完成机器人的所有控制任务。由于一台计算机既要计算又要控制，因此对计算机的性能要求较高，适用于简单的控制系统，对复杂系统而言实时性难以保证，系统的可靠性也难以保证，计算机一出问题，整个系统就瘫痪;其优点是控制系统结构简单、便于实现。

2)分布式:分布式结构将机器人控制系统分为多个子系统，每个子系统采用一个独立的CPU来控制，彼此间通过总线交换信息。控制系统模块化，具有扩展性好、实时性较高、可靠性较高等优点;其缺点是控制系统结构较复杂、协调有一定的难度。

3)分层递阶:GN.萨里迪斯提出了智能控制系统的分层递阶的组成结构形式，如图4.8所示。该结构形式将控制系统分成三级:组织级、协调级、执行级，组织级的作用是组织决策、规划任务，协调级用来协调执行级的动作，执行级执行具体的控制任务。组织级是系统智能水平的最高层,是一个基于知识的智能信息处理系统,在系统运行过程中进行一般的知识信息的处理,而在分析精度上要求较低。主要功能是将人的自然语言翻译成机器语言,组织决策,

规划任务,干预底层操作,主要应用人工智能和计算智能进行。协调级起着承上启下的作用,

主要功能是接受上一级的模糊指令和符号语言,并协调执行级的动作,不需要精确模型,但需

要学习功能以便改善环境适应能力。协调级由一个通信协调器和几个专门的协调器组成,通信协调器实现组织级和各个协调器之间的信息调度以及各个协调器之间的在线数据交换。协调级的信息处理主要是用人工智能和运筹学相结合的方法进行,其智能水平和精度要求处于中等层次。执行级的主要功能是实现协调级的各个协调器所发布的各种具有一定精度要求的控制任务,需要比较准确的模型。执行级的分析和综合都是以常规的控制理论为基础的。

该分层递阶的智能控制系统的特点是:

a)对控制来讲，自上而下控制的精度越来越高。

b)对识别来讲，自下而上信息回馈越来越多，智能程度越来越高。

图4.8智能控制分级递阶结构

典型运动状态分析

冰面打滑：借助虚拟模型和规划预演的运动控制，可满足在各种平坦和崎岖地形的运动需求。在各种危险状态下，Big Dog仍然依靠虚拟模型才能使得机器人重新找回安全状态。以冰面打滑为例做分析，支撑腿打滑脱离地面，压力传感器读数骤降，启动牵引控制，大幅度降低支撑腿各段肢体的油压值，避免机器人状态更加恶劣。此时由于支撑腿脱离地面，造成对应支撑腿缺失，实际机器人已无法再按照正常状态实施运动。所以虚拟模型规划的动作将及时终止，此时的迈步腿不再按照既定的规划实施向前迈步，而是根据均匀对称原则选择及时就近落地以保护机器人，防止发生翻滚。迈步腿落地后迅速转换为支撑腿，撑住机身防止摔倒。同步虚拟规划模型更新，重新规划，此时还在空中的迈步腿也要及时落地协助支撑腿稳住机身。如果支撑腿又发生打滑情况，就继续重复以上过程，Big Dog进入只撑住身体，而不继续前进的状态。根据状态安全性评估设定可知，支撑腿连续打滑并且机身双角变化明显超范围。运动控制系统在此期间不再接受方向、速度等指标的要求；只以恢复基本的机体安全状态为当前实现目标。先找到稳固的支撑点，保证支撑腿不再打滑；然后，借助支撑腿横向自由度调整机身姿态，使机体重心刚好位于支撑腿确立的稳定区域保证机身双角不超范围；最后再考虑运动方向、速度等参数指标，实现持续的纵向运动。

(5)软件系统

1.软件系统与智能性

Big Dog机器人的智能性主要是靠导航与软件系统的各种功能来实现的，重点还是对环境的识别和理解。Big Dog机器人的导航系统自主程度的设计与选择，主要取决于实际使用的具体要求。Big Dog作为一台完整和独立的机器系统，除了各种基本功能的设计与单项技术的实现之外。还需要设计一套专用的软件系统，在实时操作系统下，把各种基本功能模块整合为子模块再嵌入到软件系统中。包括以下几个子模块：跟踪、路径规划、运动控制、姿态估测、驱动指令、传感器驱动、工程和操作界面，如图4.10所示。软件系统的目的就是把这些基本的功能模块，高效整合起来，保证机器人系统运转流畅。跟踪模块主要利用激光扫描仪，对目标实施追踪，或直接接受引导员的指令；借助视觉地形图和视觉测程结果，准确判断目标的位置和自身当前的位置姿态。路径规划模块利用已知的当前位置，结合地形图和激光障碍物检测结果；计算消耗地图，规划和平滑路径。控制模块借助IMU和关节编码器数据、平滑轨迹结果；对步态实施规划，再生成驱动器的具体指令。驱动器硬件模块按照控制指令输出位置伺服和力伺服。传感器模块完成各种数据采集。姿态估计模块借助传感器数据实现姿态估测。

图4.10软件系统基本方案框图

Big Dog软件系统具有如下特点：基本功能模块和子模块数量多；实时性高；子模块之间存在严格的逻辑关系和数据交换。采用QNX实时操作系统，可满足Big Dog软件系统的诸多要求。借助QNX的微内核架构，各个基本功能模块可独立运行，即使出现故障也不会造成整个内核的崩溃。QNX的实时性确保能够在限定的时间内完成规定的工作。利用进程间通信功能，可实现模块之间的数据读取和交换。利用优先级驱动对于存在先后逻辑关系的子模块实施调度。NASA-JPL除了为Big Dog设计视觉导航系统之外，也曾经为好奇号系列火星探测器设计过专用的被称为Clarity的移动机器人软件平台。Big Dog的软件系统也借鉴了相关的设计方法。早期的机器人软件系统可划到导航和运动控制系统的设计中分别实现。随着机器人技术的飞速发展，软件系统目前已经完全独立出来，成为机器人系统继结构、驱动、运动控制、导航之后的第五大组成部分。软件系统的设计是建立在机器人基本功能实现之上的一个新研究方向。

智能性主要是指机器人对外界环境的感知和判断，并由此制定正确的移动路径规划和各种动作指令规划的能力。自主性是机器人的基本属性，智能性是机器人的本质属性。软件系统设计的好坏直接影响了机器人的自主性和智能性。特别是人工智能领域的研究成果会被引入到机器人的研发之中，越来越多的声明式程序语言被引入到机器人的导航和软件设计之中，软件系统能够对较为模糊的指令做进一步的分解，比如语音呼叫功能。这对于提高机器人的自主性和智能性而言是非常重要的一种尝试。而要做到上面叙述的智能水平，就必须用到上一节中所用到的智能控制与模式识别的算法策略。

智能性是机器人预判能力的一种表现。虽然Big Dog具有很强适应复杂地形的运动能力，但是导航系统仍然要提早发现那些不理想的环境信息，提前设计理想的路径规划，避免进入危险区域。对于可能发生的环境伤害，机器人系统需要具有感知和预判力，趋利避害是基本目的。智能性使得机器人在一定程度上具有了像人或动物一样对环境信息的识别能力。相对于自主性，智能性的提高难度更大。既有传感器信息采集能力不足的问题，比如声音信息、嗅觉信息无法获取。更主要的是无法自动捕获和识别可能出现的非标准状态下的危险或者重要目标。视觉可采集场景的大部分图像信息，利用模式识别方式可以使图像理解能力接近到人或动物的水准，然后在利用神经网络控制理论。程序数量的有限化，造成了有多少程序也就只能解决多少实际问题，也是机器人智能性无法大幅度提升的原因之一。但是相对于自主性主要是解决按类划分的有限量地形起伏变化的问题，智能性需要对几乎是无限量的环境信息需要准确的识别。因此，智能性的提高是当前非结构化环境陆地移动机器人研究的主要瓶颈之一。

2.导航系统与自主性

自主性是指，机器人本体在机载导航系统的控制下或由人工遥控的情况下，独立实施各种功能运行；还包括机器人内部系统的自监控、自调整和自纠错能力，或者接受人工指令实施自调整和自纠错的能力。自主性体现的是机器人系统对自身机体的掌控能力。可从三个方面对自主性做一阐述。

(1)复杂地形适应性。由于机器人不具有人或四足哺乳动物的大脑思维分析和小脑的运动控制能力，它的自主性只能依靠初始设计的运动控制系统来实现。一旦进入复杂环境，只能利用已开发好的系统，应对各种可能的问题。当前来看，Big Dog主要是地形和机身遭遇外力影响两大因素；好奇号主要是地形的影响。所以运动控制系统必须具有对复杂地形的适应和应变能力。借助各种内部传感器，器人可完成各种状态参数的检测和获取，设定某些安全准则和控制原则，运动控制系统可使机器人始终处于安全的工作状态。无论何种原因，机器人一旦处于危险状态，控制系统必须能及时发现，并挽救机器人重回安全状态。自主性是机器人本体对地形和外力的下意识反应能力。无论机器人进入何种地形，控制系统利用事先设定的程序和恰到好处的功能调度与组合，能够让机器人克服地形造成的困难，从而安全行

驶。

(2)系统的可靠性。单项技术采用简单的方法，可以获得很高的可靠性。但是单一的功能无法解决复杂的问题，所以需要有机的组织和调取各种基本功能，组成一套复杂的动作，来解决复杂的问题。使得机器人系统复杂性升高的同时，功能得以增强，还保留了较高的可靠性。可满足长时间没有人工介入，仍然畅通运转的高标准要求。系统的可靠性很大程度上还取决于硬件的质量。机器人可能会长时间缺少人工的维护，所以系统必须具有很高的可靠性，硬件必须质量高、性能稳定。好奇号及之前的机遇号、勇气号可长达数年在火星星表工作，完全得不到地球机器人必要的维护和检修、更换零部件等；显示了该系列机器人硬件超乎寻常的可靠性，能够经受住常年的沙尘暴、阳光暴晒、昼夜温差巨大等不利影响。机器人仍然能够正常运转，体现了系统非凡的自主性。

(3)故障排除。硬件质量再好的机器人系统仍然无法长时间抵御环境造成的各种侵蚀，必然会出现各种故障。地球机器人可利用人工手动排除各种硬件故障。好奇号探测器对于软件系统的故障，可采取重启系统、定时更新、清零的方法解决常见故障。而对于可能出现的硬件故障，基本上是束手无策。勇气号停运的直接原因，就是一只轮子抱死无法旋转，造成了动力不足而无法行走于坡面环境。Big Dog机器人需要解决如何在不停止正常运转的情况下，还能及时排除系统的软件故障。Big Dog若是重启系统，会造成机器人失去动力而瘫倒，无法在缺少人工监护的情况下实施。对于运动速度快，系统实时性要求高的机器人而言，全自主故障排除仍然具有相当的难度。

对于沟壑和处于低位的各种岩石障碍物，Big Dog采用视觉导航方法。利用立体视觉检测凹陷的沟壑和凸起的岩石，根据起伏程度，机器人自主选择：跨越、避绕或直接趟过去。直接走其实就是利用运动控制地形还原能力，自主适应复杂地形。视觉地形还原是Big Dog 机器人的自主地形感知方法。视觉地形还原主要是针对机器人正前方脚下4m×4m范围之内的地形起伏情况，利用立体视觉可测量景深的功能，准确测量地形起伏变化的数据信息。较高的障碍物无法跨越，可避绕；凹陷较大的沟壑，若宽度较窄，可选择跨越，若宽度较大，选择避绕；对于凸起的脚下岩石，也要识别高度，对于宽度不大的可以跨越，太宽的需要避绕；若小的岩石和浅的沟壑，机器人可以直接趟过去，借助运动控制地形还原可适应这种地形。在跨越岩石和沟壑时，为了保证后腿也能够安全跨越必须对已经消失在视野中的地形实施记忆，需要借助视觉测程的局部定位功能才能完成。以跨越岩石为例，视觉地形还原需要测量三个参数：近端d1、远端d2、岩石高度h。运动控制系统需要根据视觉定位信息和岩石的参数，准确规划腿部运动保证机器人安全跨过岩石，如图4.11所示。

视觉地形还原可主动发现那些不适合行走的区域，准确掌握机器人脚下小范围的地形起伏信息，对于机器人的安全运行是十分重要的。借助激光和视觉两种传感器，就可对除了机身正后方以外全部环境的感知。Big Dog除了人工发指令之外，机载计算机需要处理其余全部的数据信息。此外由于机器人运动速度快，整体系统的实时性要求高也提升了对计算机的需求性。Big Dog借助激光和立体视觉可完成对周围环境信息的采集，也可在虚拟状态下同步还原环境的虚拟模型。再结合运动控制系统的虚拟模型，可建立Big Dog完整的控制虚拟模型，运动控制和导航控制合二为一。所以，Big Dog控制在某种程度上，就是对空间一系列刚体相对几何位置关系的处理过程。

图4.11跨越岩石视觉地形还原示意图

五、Big Dog主要问题及改进设想

Big Dog无疑是当前所有腿类机器人中性能最为理想的一个。从机械设计的角度来看，Big Dog的机体近乎完美，但在接近自身状态极限时，缺点和不足也逐一暴露出来。从当前已经公开的信息可以分析出Big Dog整体存在以下的问题：虽然Big Dog取得了很大的成功，但是还有很多实际问题尚待解决。Big Dog目前存在的几个主要问题：结构部分包括：多轴性关节能否实现或尽可能接近，小腿部位能否增加横向自由度，机械传动系统效率能否进一步提高。液压系统如何克服复杂地形下，快速跑动四腿腾空造成的油压损失问题。运动控制系统包括：压力传感器能否检测足底支撑力的方向；能否像四足哺乳动物那样在足底触地的同时调整肢体的姿态，获取纵向运动平面内的支撑力，消除横向运动。导航系统能否进一步提高对环境的识别能力，如有水的地形、风沙环境等。软件系统要提升对声明式程序语言的理解能力，降低对人工指令逻辑性的要求。此外还有液压系统无法瞬时大幅增压、机械传动各种损伤、仿生设计的不彻底性。无碰撞保护功能，遭受外力撞击不能迅速恢复平衡状态。今后它将会能够行走在更不平或更陡峭的路面，负载更多的负重。这需要更强大的机械设计和更大范围的肢体运动，先进的地形测量传感和运动控制规划。它能够更自主的决策如何在地面上进行行走。它现在运动时会发出嘈杂的噪音问题等。其中较重要的三个问题分析如下：

1液压动力系统的问题

Big Dog的液压系统虽然性能出众，但是也有其自身无法回避的问题。液压的特性是有负载才有油压输出，没有负载则油压消失，发动机转数下降至零。Big Dog高速奔跑跳跃这段视频，时速10km/h，在展示其高速性能的同时也暴露出其液压系统的弊端，当发动机与机体分离，机器人未加任何负载。奔跑跳跃的特点是四条腿长时间处于腾空状态，根据视频的帧数可知，跳跃腾空时滞空时间长达约0.3s。一旦四腿同时离地，四条腿各个肢体的载荷均大幅降低。汽油发动机的转数必然呈下降趋势，四腿腾空时间越长，油压总路油压值下降越明显。而落地时腿部与地面接触时间短并且冲击载荷巨大，需要液压系统提供和起跳前接近的油压输出。由于时间太短，汽油发动机无法瞬间给油压总路实现大幅度增压。所以腿部的液压执行器无法提供足够的支撑力，满足落地瞬间的动力输出要求。腿部必然变软，造成机器人瘫倒。发动机与机体分离的设计显然无法满足Big Dog在非结构化环境任意行走的需求。

2仿生设计的不彻底性

机器人学本身是仿生学研究的一个主要分支，Big Dog系列机器人自然不例外。在Big Dog系统中，结构、运动控制和导航三大子系统都与仿生学有着密切的联系。结构仿生是四足仿生机器人最基本的仿生内容。Big Dog肢体结构主要是仿生四足哺乳动物的肢体，但是马腿至少有8个自由度。Big Dog目前最多只能实现四个主动外加一个被动。而且最关键的髋关节无法实现多轴性输出，采用串联结构。而四足哺乳动物借助多轴性的髋关节，可沿着横向、纵向、斜向任意实现运动输出。动物的灵活运动关键就是依靠髋关节的灵活性。

结构仿生的不彻底性是当前Big Dog仿生环节最大的问题。控制系统中的运动学规划由于受到结构仿生和传感器功能的局限性，也无法像四足哺乳动物那样做出各种复杂动作。导航系统中立体视觉属于典型的仿生装置，利用视差可测出景深，与人眼极为相似。优点是比人眼测距的精度高得多；缺点是有效测量距离短，利用计算机图像处理无法识别水洼之类的危险地形。Big Dog导航系统是模拟人类或四足动物的思维变化，再利用传感器和技术方法加以重复的过程。人或动物是借助思维的变化来对环境进行感知和识别。而机器人只能利用传感器和既定的程序模仿，并借助计算机实现这一过程。两者之间存在根本的差别，所以说机器人只是类人机器。液压动力系统则与仿生学毫无关系。当前，由于Big Dog的设计与实现完全依赖于机械技术，所以它的缺陷主要都是由于机械技术自身的局限性所造成的。用钢类结构件和液压模仿骨骼与肌肉，本身就有些牵强。纯机械方法的局限性也是多轴性关节无法实现的根本原因。四足仿生机器人未来的发展之路，应该是纯仿生机构和驱动器的设计与研究，比如人造骨骼和人工肌肉。

3智能水平仍可提高

机器人自主性和智能性的提高需要智能控制技术的协助。未来应当加强它的识别能力与途径，如可以加上听觉识别系统，这样做的同时也有望实现更好的人机交互，让Big Dog可以做到执行操作人员的语音指令。同时也可以在软件系统中集成更多功能。

六、结论与感想

Big Dog机器人作为典型的机电集成一体化产品，融合了机械、电子、控制、计算机、人工智能、仿生等领域先进的技术和装置。Big Dog既是最先进的四足机器人，同时也是当前机器人领域实用化程度最高的机器人之一。Big Dog系统的研发，在相当程度上反映了国际尖端机器人技术的发展现状和趋势。Big Dog以技术性为主的研究思路主要包括如下特点。①已有技术方法的深度挖掘与拓展，如压力传感器、虚拟模型；②已有技术系统性能的再次提升，如液压驱动系统；③已有尖端技术和产品的直接利用，如视觉导航、电液伺服阀；

④各种基本性能的有机整合，如运动控制系统。采用各种可行技术方法赋予机器人自主性和智能性，也是Big Dog技术研究的主要特点。Big Dog大部分单项技术并无太大的创新性，然而各种技术方法和基本性能的集成，使得机器人系统具有了很高的自主性和智能性。最终整合而成的机器人系统是Big Dog系列机器人研究最大的创新点。机器人研究最终目的就是追求它的实用性，性能指标量化是衡量当前机器人技术研究水准的重要测评方法。以理论研究为辅，以技术突破为主，是当前尖端机器人技术研发的理想选择。

总之，本次通过Big Dog系列机器人的研究，对智能控制在实际机械系统中的应用有了深一步的认识。本次研究只是在理论上对这一系统的关键环节做出了设计，对理论基础进行了查阅研究。作为机器人实现系统有很多细节部分没有考虑完善，作为系统必须的各种功能硬件，本文只对查阅到的部分进行了粗略描述，将论述重点放在了运动控制系统与闭环回路的设计上。一个成功的机械系统，是所有软硬件一体化集成的成果。通过本次的方案设计，让我对项目在整体思想上与创新方法上有了更深的了解，受益匪浅。

参考文献

[1]丁良宏.浅析Big Dog四足机器人.[M]西北工业大学

[2]丁良宏.Big Dog四足机器人关键技术分析.[M]机械工程学报.2015

[3]陈德明.四足仿生机器人运动控制系统的设计实现.[D]西北工业大学.2007.硕士论文

[4]马彪.一种四足步行机器人结构设计与分析.[D]北京交通大学.2006.硕士论文