雙足仿人機器人行走系統結構設計與優化

劉璞，呂棟棟，呂瓊瑩

（長春理工大學機電工程學院，吉林 長春 130022）

0 引言

雖然經過多年的研究，但是當今的仿人機器人在穩定性、自適應能力等方面還無法和人類的行為功能進行相比。這些能力的實現和提升還依賴于機械結構的發展和研究[2]。在機器人進行行進時，產生較小的慣性、較低的扭曲變形是結構設計時需要重點考慮的因素，是對機器人正確控制的前提。所以，對承受機器人大部分重量的雙腿，是雙足仿人機器人結構設計時重點考慮的對象，對結構進行優化設計能夠確保機器人的行走穩定性、自適應性，并且降低設計結構的復雜性[3]。因此，開展雙足仿人機器人行走系統的相關研究具有重要的現實意義和應用價值。

1 雙足仿人機器人行走系統結構總體設計

雙足仿人機器人的結構設計是行走系統的重要組成，所以需要對雙足仿人機器人行走系統的行走原理進行詳盡的分析，確保行走系統是穩定的、實用的，而且體現出一定的美觀性[4]。為此，本文采用擬人化分析和模塊化設計的思想來對行走系統結構進行設計，實現結構的自由度配置以及尺寸的確定，并充分考慮動力源來使得機器人行走的穩定。

1.1 機器人結構的擬人化分析

人類的行走需要關節的支持。原則上機器人的關節越多帶來更好的靈活性，但是會造成機器人控制難度的提高，這就導致在行走系統設計上與其實現行走基本功能出現了矛盾。所以處理好設計和擬人化之間的矛盾是結構設計的重點內容，即如何實現較好的擬人化和較易的控制[5]。

要化解這一矛盾需要將雙足仿人機器人的行走系統與人的行走原理相互結合，切實對人的行走所需要的各個關節進行詳盡的分析，獲取各個關節之間的協助作用、受力情況，從而使得仿人機器人在進行關節設計時候能夠獲取到類人的自由行走、穩定行走[6]。人體的骨骼分為上肢骨和下肢骨，本文只研究行走系統，所以只討論下肢骨。下肢骨又可以分為下肢帶骨和自由下肢骨，在下肢骨對行走系統影響最大的關節有髖關節、膝關節和踝關節[7]，如圖1所示，下方的關節為踝關節，有兩個自由度，1為俯仰自由度（同11），2為滾動自由度（同12）；中間的關節為膝關節，有一個自由度，3為俯仰自由度（同10）；上方的關節為髖關節，有三個自由度，4為俯仰自由度（同7），5為偏擺自由度（同8），6為滾動自由度（同9）。對行走系統的擬人化分析主要對這些關節的結構以及替換轉換方法進行分析和研究。

圖1 雙足仿人機器人自由度配置Fig. 1 Bipedal humanoid robot. freedom configuration

1.1.1 雙足仿人機器人行走系統的自由度配置分析

行走系統自由度的合理配置是雙足仿人機器人行走穩定的根本保證，同時可以讓控制難易程度得到較好的保證。在最初的設計中，研究人員考慮了雙腿的4個自由度，分別為踝關節的兩個自由度和髖關節的兩個自由度，從而使得機器人可以往前走，并控制重心的轉移。但是這種方法沒有考慮膝關節的自由度，使得機器人行走特別僵硬。為此，本文采用6個自由度的設計方法[8]。但是如果只是對踝關節的搖擺自由度進行簡化，由髖關節輔助完成，這種方法雖然在靈活性上得到了較大提高，但是使得動作協調的控制更加難。因此，本文對膝關節增加兩個自由度，每個關節分配2個自由度，使得設計實現低成本、高靈活、結構簡單化，而且機器人的行走系統結構體積小，不僅僅會前進，還實現了倒退、轉彎、平移以及各種動作的組合[9]。

1.1.2 雙足仿人機器人行走系統的尺寸確定

人的行走通過膝關節協調，那么對于機器人，行走系統可以簡化為連桿的結構，并在此基礎上考慮美觀性，根據黃金分割比例，將黃金數的值定位0.618[10]。所以我們將雙足仿人機器人的身高定位120 cm，然后在黃金分割系數的指導下，下身長度定位為120×0.618等于71.16 cm，然后在去掉腰后大腿以及小腿的長度則分別為37.08 cm和22.92 cm，然后四舍五入取整，大腿長度為37 cm，小腿長度為23 cm。

(1)信任前因。本文選取的資產負債率(apl)和營業收入(turnover)兩個企業特征變量均在較高的置信水平下顯著，前者與能力信任(trust_ab)負相關，后者與能力信任正相關，表明小微企業的負債率越低，營業收入越高，越有助于提升銀行對企業的能力信任。

1.2 雙足仿人機器人行走系統驅動方式的選擇

當前雙足仿人機器人行走系統在驅動方式選擇上主要有電機驅動、氣壓驅動和液壓驅動三種。三種方式各有優缺點。電機驅動是應用最廣泛的一種，響應快、啟?？刂茝姟ｋ姍C一般選擇步進電機或者伺服電機。步進電機控制不好情況下容易產生共振現象，對機器人的穩定性造成不良影響。伺服電機調速相對容易，控制精度相對較高，過載能力較強，但是價格較高。所以對于機器人而言，選擇伺服電機可實現較好的控制性和穩定性[11]。

氣壓驅動應用也相對廣泛，這是由于氣壓驅動方式成本較低，只需要有空氣就可以工作，適應性更強。但是該方式噪聲大，穩定性相對較弱，這也使得氣壓驅動應用在機器人上較少，特別是應用到關節驅動上。

液壓驅動主要通過油管連接使得整個驅動的質量較低、空間較小，但是這種方式存在漏油現象，對于某些場合不適用。這導致了液壓驅動在雙足仿人機器人上應用較少。

根據上述分析，我們在驅動方式的選擇上選用伺服電機，使得整個系統和關節具有較好的穩定性、控制性和靈活性。

1.3 雙足仿人機器人行走減速機構的選擇

確定了驅動方式之后，接下來的設計主要是要考慮電機的轉速問題，即電機轉速與人的步行產生的轉速的一致，這需要通過減速實現。減速主要通過渦輪蝸桿減速器（圖2）、諧波減速器（圖3）和行星減速器（圖4）實現[12]。

蝸輪蝸桿減速器在精確性上處于優勢，并且具有反向自鎖能力。但是體積較大，效率不高，不適合于雙足仿人機器人。

圖2 渦輪蝸桿減速器Fig. 2 Turbine worm gear reducer

行星減速器形成的機構體積較小，回程間隙小，精度高，在一定程度上滿足機器人的需求，但是造價高。

圖3 諧波減速器Fig. 3 Harmonic reducer

諧波減速器適應性好，機械性能佳，在仿人機器人上應用較好，所以本文選擇諧波減速器作為仿人機器人的減速部件。

圖4 行星減速器Fig. 4 Planetary reducer

1.4 雙足仿人機器人行走系統的模塊化設計方法

模塊化設計具有更好的可再塑性、還原性、修復性等優點，在雙足仿人機器人行走系統設計上得到研究人員的廣泛研究和應用。本文首先分析雙足仿人機器人的行走系統所要具備的功能和特點，然后對結構分層分類，對各個功能進行合理的分組，使得維護性、改進型得到加強，而且降低成本。本文將減速器和機電兩部分構成關節模塊，進一步細分又將關節模塊分為膝關節俯仰關節模塊和髖關節和踝關節十字交叉關節模塊[13]。

2 雙足仿人機器人行走系統的優化方法

2.1 雙足仿人機器人行走系統拓撲結構的優化

優化是在確定了結構之后進行的。拓撲優化是解決材料的合理分配問題，該優化方法不需要指定優化的變量，不需要人為設定。只需要確定所使用的材料的結構特性，然后在給定的材料屬性中確定參數[14]，由程序自動優化，本文主要是優化大腿的支架和小腿。

對這兩個部件，優化之前分析所需零件的受力情況，如大腿所要承受的最大力矩，小腿的最大負載等。這些分析師基于大腿支架的變形機理進行的。經過分析可知，大腿支架的受力可以簡化認為是髖關節連接處的固定約束關系。然后將優化目標定位40%，從而就可以基于拓撲優化方法對大腿支架進行拓撲優化。對于小腿的拓撲優化類似。

2.2 雙足仿人機器人行走系統目標驅動的優化方法

拓撲優化是對零件設計的拓撲性狀優化，目標驅動優化則是在拓撲優化的基礎上進一步的優化，是承接關系。目標驅動優化需要確定參數樣本點，對樣本進行參數的輸入，從而根據插值函數生成樣本的曲線、響應面。插值方法具有一定的誤差，需要通過多次擬合進行優化，使得結果更加精確，達標最優[15]。

由于參數非常重要，所以目標驅動優化方法還需要借助靈敏度分析方法[16]。靈敏度分析方法對支架的尺寸參數產生的影響進行分析和評價。靈敏度分析方法對大腿支架尺寸變量產生的效應等進行分析，從而確定參數變量、優化目標變量。

3 結束語

本文擬人化思想運用到仿人機器人行走系統的整體設計方案當中,分析了人體的關節特征及行走機理,確定了待設計結構的自由度形式和分布方案,整體尺寸；選擇了合理的驅動方式,結構材料,通過合理布置電機位置來減少結構的運動慣性，對雙足仿人機器人的進展具有一定的推動作用。

參考文獻

[1] 郭發勇. 仿人雙足機器人多地形步態規劃和穩定控制方法研究 [D]. 合肥: 中國科學技術大學, 2016.GUO Fa-yong. Study on Multi-terrain Gait Planning and Stability Control Method of Humanoid Bipedal Robot [D]. Hefei:China University of Science and Technology, 2016.

[2] 江開春. 基于雙足仿人機器人的設計與研究 [D]. 石家莊: 石家莊鐵道大學, 2014.JIANG Kai-chun. Design and Research of Bipedal Humanoid Robot [D]. Shijiazhuang: Shijiazhuang Railway University, 2014.

[3] 張雨. 仿人機器人的設計與研究 [D].青島: 青島科技大學, 2017.ZHANG Yu. Design and Research of Humanoid Robot [D]. Qingdao: Qingdao university of Science and Technology, 2017.

[4] 周玉林, 高峰. 仿人機器人構型 [J]. 機械工程學報, 2006(11): 66-74.ZHOU Yu-lin, GAO Feng. Humanoid Robot Configuration [J]. Journal of Mechanical Engineering, 2006(11): 66-74.

[5] 楊東超, 劉莉, 徐凱, 等. 擬人機器人運動學分析 [J]. 機械工程學報, 2003, 39(9): 70-74.YANG Dong-chao, LIU Li, XU kai, et al. Analysis on Kinematics of Humanoid robots [J]. Journal of Mechanical Engineering,2003, 39(9): 70-74.

[6] CHEVALLEREAU C, GRIZZLE J W, SHIH C L. Asymptotically Stable Walking of a Five-Link Underactuated 3-D Bipedal Robot [J].IEEE Transactions on Robotics, 2009, 25(1): 37-50.

[7] 張璐, 毛偉偉, 梁青, 等. 仿人機器人小腿減振控制研究 [J]. 計算機仿真, 2017, 34(4): 340-344.ZHANG Lu, MAO Wei-wei, LIANG Qing, et al. Research on the Vibration Control of Humanoid Robots [J]. Computer Simulation, 2017, 34(4): 340-344.

[8] 王健. 兩足仿人機器人的研制 [D]. 南京: 南京航空航天大學, 2009.WANG Jian. Development of Bipedal Humanoid Robot [D]. Nanjing: Nanjing University of Aeronautics and Astronautics,.2009.

[9] 田陽. 小型雙足仿人機器人的設計與研發 [D]. 青島: 中國海洋大學, 2013.TIAN Yang. Design and Development of Small Bipedal Humanoid Robot [D]. Qingdao: China Ocean University, 2013.

[10] 肖樂, 張玉生, 殷晨波. 仿人機器人雙足行走模型研究 [J]. 計算機工程, 2011, 37(12): 173-175.XIAO Le, ZHANG Yu-sheng, YIN Chen-bo. Research on Bipedal Walking Model of Humanoid Robot [J]. Computer Engineering, 2011, 37(12): 173-175.

[11] 付根平. 仿人機器人的步態規劃和步行控制研究 [D]. 廣州: 廣東工業大學, 2013.FU Gen-ping. Study on gait planning and walking control of humanoid robots [D]. Guangzhou: Guangdong university of technology, 2013.

[12] LAPEYRE M, ROUANET P, OUDEYER P Y. The poppy humanoid robot: Leg design for biped locomotion [C]//Ieee/rsj International Conference on Intelligent Robots and Systems. IEEE, 2014: 349-356.

[13] 周珺. 科技信息化與企業的創新發展 [J]. 新型工業化, 2016, 6(12): 77-80.ZHOU Jun. Technology Informatization and Enterprise Innovation Development [J]. New Industrialization, 2016, 6 (12): 77.80.

[14] 朱洪波. 仿人機器人高效步行模式生成與高穩定動態行走控制方法研究 [D]. 合肥: 中國科學技術大學, 2017.ZHU Hong-bo. Research on the Generation and High Stable Dynamic Walking Control Method of Humanoid Robot with Efficient Walking Mode [D]. Hefei: China University of Science and Technology, 2017.

[15] FAKOOR M, KOSARI A, JAFARZADEH M. Humanoid Robot Path Planning with Fuzzy Markov Decision Processes [J]. Journal of Applied Research & Technology, 2016, 14(5): 300-310.

[16] 戴衛力, 侯浩. 基于MCGS的伺服電機驅動器人機接口設計 [J]. 新型工業化, 2017, 7(9): 7-11.DAI Wei-li, HOU Hao. Based on MCGS Servo Motor Drive Man-machine Interface Design [J]. The Journal of New Industrialization, 2017,