1引言

人作為雙足行走生物，是在長期的生物進化過程中形成的。人能夠不自覺地保持身體的直立性和平衡性，不論是在靜止不動還是在行走過程中。一旦失去平衡，人就會產(chǎn)生相應的動作，使身體保持平衡。例如，在靜止時，當人的重心偏向一側(cè)時，就會不自覺地向該側(cè)跨出一腳，以使重心位置落于支撐面內(nèi)。這里，支撐面定義為兩腳之間的面積以及兩腳的面積。當重心落于支撐面內(nèi)時，就不會傾倒。再如，在行走過程中，人的重心不斷向前移動，超出了兩腳尖的位置，迫使人向前邁出腳，這樣才使人的行走成為可能，使人的行走自然流暢。因此，控制機器人重心的位置及重心位置的速度，是機器人保持穩(wěn)定及產(chǎn)生有效步態(tài)的關鍵。本文就是控制機器人的重心位置，使其落于支撐面內(nèi)，從而達到了機器人穩(wěn)定性控制的目的。機器人的重心可以由安裝在機器人腳底的力傳感器測知。當重心偏向一側(cè)，這一側(cè)的傳感器輸出偏大，相反的一側(cè)的力傳感器等于零，或趨近于零。本文用感知器來感知機器人重心位置的變化，當重心超出支撐面時，系統(tǒng)將發(fā)出動作指令，使機器人保持穩(wěn)定。

本文采用的神經(jīng)網(wǎng)絡感知器(Perception)是最簡單的人工神經(jīng)網(wǎng)絡，它是F??Rosenblatt于1958年提出的具有自學習能力的感知器。在這種人工神經(jīng)網(wǎng)絡中，記憶的信息存儲在連接權上，外部刺激通過連接通道自動激活相應的神經(jīng)元，以達到自動識別的目的。感知器模型如圖1所示，通常由感知層S(Sensory)、連接層A(Association)和反應層構(gòu)成R(Response)。

2 人工神經(jīng)元感知器的學習算法

可以用下面的方法訓練網(wǎng)絡：

(1)初始化S層至連接層(A層)的連接權矩陣

中的各個元素及Ａ層各單元的閥值賦予［－１，＋１］之間的隨機值，一般情況下vij＝１θj＝０i＝１，２，Λ，pj＝１，２，Λ，n且在整個學習過程中保持固定不變。
Ａ層至輸出層(R層)的連接權矩陣

中的各個元素及??Ｓ層各單元的閥值θ＝［θ１θ２Λθq］賦予［-1，+1］之間的隨機值。
(2)訓練隨機選取一輸入、輸出模式對(Sk,Yk)，這里k=1，2，Λ，m時，網(wǎng)絡進行以下步驟的訓練。

第一步，計算連接層各單元的輸出

第二步，以連接層的輸出作為輸入層的各單元的輸入計算輸出層的實際輸出

在學習過程中，當所有的m個樣本模式對都提供給網(wǎng)絡學習一遍后，還需從頭再繼續(xù)提供給網(wǎng)絡學習。直到達到最大學習次數(shù)，以防止發(fā)散或無限震蕩，或者滿足誤差限。

3 計算機控制系統(tǒng)

機器人重心位置是由腳底的力傳感器測定的。當某一側(cè)的傳感器輸出值趨于零或小于預定的值時，說明重心已經(jīng)偏向相反的另一側(cè)，機器人處于危險狀態(tài)。這時機器人就應該產(chǎn)生一定的動作，向另一側(cè)跨出一腳，以使機器人的重心位于支撐面內(nèi)。整個控制系統(tǒng)如圖2所示

其中，y(t)是傳感器輸出向量，為模擬量，經(jīng)采樣、Ａ／Ｄ轉(zhuǎn)換后為人工神經(jīng)網(wǎng)絡感知器的輸入向量y(kt)。

本文取感知器的輸入層單元與輸出層單元的個數(shù)相同。感知器經(jīng)過訓練好以后，系統(tǒng)將時實監(jiān)控機器人的重心位置，當重心偏向某側(cè)，相反側(cè)的力傳感器的輸入小于設定的安全值時，神經(jīng)網(wǎng)絡相應于該側(cè)的輸出為1，其余均為0，系統(tǒng)將根據(jù)神經(jīng)網(wǎng)絡的輸出，做出相應的動作指令；當傳感器的輸入均大于設定安全值時，神經(jīng)網(wǎng)絡的輸出均為0，系統(tǒng)不產(chǎn)生任何動作指令。

4 仿真

本文假設在機器人的腳底安裝有力傳感器，左腳的后部、左部和前部各一個，右腳的前部、右部和后部各一個。依次編號為pi,i=1,2,Λ 6，構(gòu)成輸入向量

P＝［p１，p2，p3，p4，p5，p6］Ｔ

假設機器人的重是100??kgf，當機器人的腳底的傳感器輸出為2kgf，即認為機器人處于危險狀態(tài)。設神經(jīng)網(wǎng)絡感知器的輸入為

對應的理想輸出為

即認為力傳感器的輸出為2kgf時機器人處于危險狀態(tài)，傳感器的輸出為3kgf時，認為機器人處于安全狀態(tài)。連接權值和閥值的初始值分別是

經(jīng)過n=1335次迭貸，輸出達到期望值。連接權值和閥值分別為

5 結(jié)論

本文就雙足行走機器人的穩(wěn)定性控制提出了一種新的控制方法，它是建立在人工神經(jīng)網(wǎng)絡感知器上。試驗表明，該方法簡單易行。