四足机器人(二):Hopf振荡器

Hopf振荡器在机器人步态控制里到底怎么用?一个CPG仿生案例说清楚 本文深入解析了Hopf振荡器在机器人步态控制中的实际应用,通过CPG仿生案例详细展示了从数学方程到关节指令的完整流程。重点探讨了Hopf振荡器的极限环稳定性、参数调节技巧及自适应控制策略,为机器人运动控制提供了高效解决方案。 阅读详情
AI摘要

本文深入探讨Hopf振荡器在四足机器人步态控制中的应用,包括其数学模型、初始值和参数选择的影响,以及自适应频率跟踪。通过耦合和自适应学习律的仿真分析,展示了Hopf振荡器如何适应并锁定输入信号频率,为机器人步态控制提供稳定节拍信号。

目录 

一、Hopf振荡器基础

        1.1 数学模型

        1.2 初始值的选取

        1.3 模型参数的选取

二、振荡器耦合

三、自适应振荡器

3.1 自适应Hopf振荡器模型

3.2 仿真分析

四、参考文献


        Hopf振荡器作为中枢模式发生器(CPG)模型的一种方法,在四足机器人、双足机器人、外骨骼机器人的步态控制中具有重要应用。本文首先介绍了Hopf振荡器的基础知识,包括其基本数学模型,并使用Matlab进行对其输出信息进行动态仿真;分析了振荡器初始值选取与参数之间的关系;振荡器各个参数对动态特性的影响进行了仿真分析。另外对多个振荡器耦合的算法进行了分析,并且通过仿真进行验证。最后,介绍了一种频率自适应振荡器的学习律,这种振荡器可以学习输入信号的频率,对其进行了仿真分析。文末给出了所有仿真源码的地址。

一、Hopf振荡器基础

1.1 数学模型

        Hopf振荡器的数学模型如下:

\frac{dx}{dt}=\alpha (\mu -r^{2})x-\omega y

\frac{dy}{dt}=\alpha (\mu -r^{2})y+\omega x

        其中x,y为振荡器的状态变量,r^{2}=x^{2}+y^{2},\alpha ,\mu ,\omega为模型参数,与振荡器的动态特性相关,各个参数单独影响动态性能。

        当初始值为:\left [ x,y \right ]=\left [ 0.5,0.5 \right ],模型参数为:\alpha =50,\mu =1,\omega =2\pi,振荡器的输出如下图所示。

(a)横坐标x,纵坐标y

(b)x,y的曲线

图1 Hopf振荡器输出

        可以看出,Hopf振荡器的实质就是一个点,从初始位置收敛到一个圆周上,然后在圆周上随着时间做周期运动。收敛的快慢、圆周的大小、运动的速度可以通过模型参数调整。

1.2 初始值的选取

        对于任意非零的初始值,在合适参数下(主要是\alpha),振荡器都能产生相同形状的周期性振荡信号。但是如果参数不合适,会导致信号不平滑,甚至发散。当初始值为:\left [ x,y \right ]=\left [ 1.0,1.0 \right ],\alpha分别为200,100,50时,振荡器的输出如下图所示。

 (a)\alpha =200

(b)\alpha =100

(c)\alpha =50

图2 不同\alpha对应的输出信号

1.3 模型参数的选取

 (1)收敛权值\alpha

        参数\alpha的作用是控制从初始位置收敛到圆环的速度。当初始值为:\left [ x,y \right ]=\left [ 0.5,0.5 \right ],模型参数为:\mu =1,\omega =2\pi,其他参数不变的情况下,\alpha分别为5,10,50时,振荡器的输出曲线如下图所示。

 

 图3 振荡器的收敛速度

        可以看出,\alpha越小,收敛速度越慢,但是如果\alpha太大,会导致振荡甚至发散,如图2所示的情况。实际使用中,不能只最求快速收敛,应综合考虑。收敛太快,可能会导致收敛阶段的信号不平滑,甚至会超过某些幅值限制,例如速度、加速度超出实际系统的最大值。因此,实际使用时,应根据系统自身限制选择合适的收敛速度。

 (2)幅值系数\mu

         振荡器输出信号的幅值,表示的是图1(a)中极限圆的半径,也是图1(b)中周期信号的幅值。当初始值为:\left [ x,y \right ]=\left [ 0.5,0.5 \right ],模型参数为:\alpha =30,\omega =2\pi,其他参数不变的情况下,\mu分别为0.25,1,1.44时,振荡器的输出曲线如下图所示。

 

图4 振荡器的幅值

         可以看出,幅值A与参数\mu的关系为:A=\sqrt{\mu }。

(3)频率\omega

        这个参数表示振荡器的角频率,也就是1.1中所说的点绕圆周运动的速度快慢。当初始值为:\left [ x,y \right ]=\left [ 0.5,0.5 \right ],模型参数为:\alpha =30,\mu=1,其他参数不变的情况下,\omega分别为\pi ,2\pi,4\pi时,振荡器的输出曲线如下图所示。

图5 振荡器的频率

        可以看出,当\omega =\pi时,振荡器输出信号的周期T=2,当\omega =2\pi时,振荡器输出信号的周期T=1,当\omega =4\pi时,振荡器输出信号的周期T=0.5,所以,振荡器输出信号的周期T与\omega的关系为:T=\frac{2\pi }{\omega }。

二、振荡器耦合

        为什么要讨论多个振荡器耦合的情况?举个例子,四足机器人行走时,每条腿通过一个振荡器来产生固定节拍的信号,从而驱使四足机器人连续行走或小跑。机器人的四条腿并非同时抬起和放下,在一个固定步行模式下,每两条腿之间都有一个固定的相位差,为了保证任意时刻四条腿的节拍信号都满足固定相位差的要求,就需要在多个振荡器之间增加耦合。

        在多个振荡器之间增加耦合的方法,就是在Hopf振荡器数学模型里面加入一个耦合项,如下所示:

         其中,n表示耦合的振荡器个数,i=1,...,n分别对应各个振荡器,\theta _{j}^{i}=2\pi (\varphi _{i}-\varphi _{j}),其中\varphi _{i}\in [0,1)表示相位占比。

         例如对于双足机器人,左右腿各一个振荡器,左腿i=1,右腿i=2,以左腿相位作为参考相位,两条腿交替运动,相位相差50%,则\varphi _{1}=0,\varphi _{2}=0.5。初始值为\left [ x1,y1,x2,y2 \right ]=\left [ 0.5,0,-0.5,0 \right ],\alpha =30,\mu =1,\omega =2\pi时,两个耦合的振荡器输出信号如下图所示。

(a)x1-y1和x2-y2

(b)t-x1和t-x2

图6 振荡器耦合的输出

        可以看出,两个振荡器的输出信号相位始终相差50%。需要特别注意的是,在有些初始值情况下,耦合会失效,两个输出信号会完全相同。

三、自适应振荡器

        这一节内容来自论文:Dynamic Hebbian learning in adaptive frequency oscillators.

        本节介绍一种频率自适应振荡器的学习律,这里只讲用于Hopf振荡器上的自适应方法,这种方法可以类似推广到其他非线性振荡器。

3.1 自适应Hopf振荡器模型

         Hopf振荡器与一个周期输入信号相耦合的模型为:

         其中r=\sqrt{x^{2}+y^{2}},\mu >0决定了振荡器的幅值,\omega是振荡器的固有频率,这表示,如果没有扰动(\varepsilon =0)系统输出以\omega rad/s的速度振荡。这个振荡器与周期信号F进行耦合,如果没有耦合(F=0),系统有一个渐近稳定的极限环。而微小的扰动不会改变渐近稳定系统的整体表现,这个模型结构上是稳定的。

        将上述模型改成极坐标系的描述,令x=rcos\phi ,y=rsin\phi,得到:

         当振荡器的固有频率接近周期输入信号F的一个频率分量时,将会发生锁相现象,这意味着振荡器的频率与输入信号的频率会同步。

        自适应学习律为:

        (这里直接给出自适应学习律,省去了推导过程,感兴趣可以直接看论文)

        这个学习律和上面的公式(*)就组成了自适应Hopf振荡器的全部模型,非常简洁。稳定性证明略。

3.2 仿真分析

(a) 输入信号为单频率周期信号

        首先通过一个简单的例子来说明自适应系统是如何工作的,并讨论学习率参数\varepsilon对整个过程有什么影响。在公式(*)和(**)中,令输入信号为F=cos(30t),参数\mu =1,初始情况下r(0)=1,\phi (0)=0,\omega (0)=40,当\varepsilon分别为1, 0.8, 0.6, 0.4时进行仿真,结果如下图所示。

图7 不同参数\varepsilon的仿真结果

         可以看出,振荡器的固有频率通过自适应调整,稳定到了输入信号的频率。同时,参数\varepsilon决定了自适应的速度,\varepsilon越大频率学习的速度越快。

(b) 输入信号为多频率周期信号

        当学习多频率输入信号的频率时,我们通常希望振荡器收敛到其中一个频率分量。但是,如何选择自适应振荡器的初始频率范围,才能收敛到特定频率分量呢?在证明稳定性的时候,给出了一个方程,用来描述输入信号频率与振荡器初始固有频率的偏差:

         可以看出,这个方程取决于振荡器初始频率\omega _{0}、输入信号的频率分量n\omega _{F}以及该分量的幅值A_{n}。因此对于一个给定的输入信号,可以计算函数等于零时的\omega _{0}。这些零点给出了收敛区间,振荡器会向与\omega _{0}位于同一区间的频率分量收敛。例如输入信号如下:

 

         主要的频率分量为\omega _{F}=10,各频率分量对应的幅值为A_{2}=\frac{0.2}{2i},A_{3}=\frac{0.5}{2i},A_{4}=\frac{0.3}{2i},其他幅值为A_{i}=0,\forall i\notin \left \{ 2,3,4 \right \}。只需要求出下面方程的根:

         可以求出根为0或\pm \sqrt{\frac{717\pm \sqrt{134089}}{0.76}},因为频率一般大于零,所以有效的解为:\omega _{down}=21.3598,\omega _{up}=37.8233,这两个解划分出了三个区间,当振荡器的初始频率分别处于下列区间时\omega _{0}\in \left [ 0,\omega _{down} \right ],\left [ \omega _{down},\omega _{up} \right ],\left [ \omega _{up},\infty \right ],振荡器固有频率将分别收敛于20,30,40,只是在区间的临界处有一些不确定性。取\varepsilon =0.9,\omega _{0}在各区间内任意取值时,振荡器最终收敛情况如下图所示。

图8 初始频率\omega _{0}取不同值时的收敛情况

        图中黑色虚线表示区间的边界,可以看出,当振荡器初始频率\omega _{0}取不同区间的值时,振荡器频率的收敛情况与以上推倒完全一致。

四、参考文献

        [1] Ludovic Righetti, Jonas Buchli, Auke Jan Ijspeert. Dynamic Hebbian learning in adaptive frequency oscillators.

        源代码包里面包括4个m文件:

        1)标准的Hopf振荡器仿真;

        2)2个Hopf振荡器耦合的仿真;

        3)自适应Hopf振荡器跟踪单频率的输入信号仿真;

        4)自适应Hopf振荡器跟踪多频率的输入信号的仿真;

        仿真源代码链接:https://download.csdn.net/download/u014170067/85036702https://download.csdn.net/download/u014170067/85036702

用Simulink复现Hopf振荡器:从数学公式到稳定极限环的保姆级仿真教程 本文详细介绍了如何在Simulink中实现Hopf振荡器,从数学原理到仿真建模的全过程。通过参数调试和波形分析,帮助读者掌握Hopf振荡器的核心特性及其在机器人控制等领域的应用。特别强调了自适应调节技巧,提升系统稳定性和鲁棒性。 阅读详情

相关推荐

相对全面的四足机器人驱动规划MATLAB和Simulink实现方式(足端摆线规划,Hopf-CPG,Kimura-CPG)

探讨下四足机器人的三种常见的驱动方式,并用数值仿真和simscape仿真的方式验证所提出方法的有效性,对比优缺点

Ezekiel_Mok的博客 1万+

【CPG控制】Hopf振荡器引入beta参数

之前我们介绍过了hopf振荡器的几个基本参数,但我这几个参数在实际运用是却不足以满足我们的需求,接下来我们将引入beta参数,实现对信号形状的控制

LiuZ的博客 4427

基于HOPF振荡器的CPG单元模型matlab实现

代码为实现仿生四足机器人技术(罗庆生等)中关于CPG网络控制模型的部分的绘图。 本人新手 代码不保证正确性 方程: 两种方法通用一个函数: 代码中变量含义: a= B= u= Wsw= W=th= Q=A=a x=[x1;y1;x2;y2......] 代码中的通过书中的公式 使用(占空比)来得出;相位关系可参照波士顿动力真的无可企及吗?一步步剖析...

qq_29735067的博客 8914

四足机器人步态控制实战:用MATLAB/Simulink实现Hopf-CPG与摆线规划对比

本文深入探讨了四足机器人步态控制的两种主流方法——Hopf-CPG振荡器和复合摆线规划,通过MATLAB/Simulink实现完整的算法对比实验。文章详细介绍了两种方法的数学模型构建、Simulink实现技巧以及工程实践中的优化策略,为开发者提供了实用的技术参考和性能对比分析。

p1q2r的博客 925

四足机器人步态控制:从MATLAB仿真到Simulink实现的Hopf-CPG与足端摆线规划对比

本文深入探讨了四足机器人步态控制的两种核心方法:Hopf-CPG仿生控制与足端摆线规划。通过MATLAB仿真和Simulink实现,详细对比了两种技术在实现复杂度、仿生学意义和工程应用中的优劣,为开发者提供了从基础理论到实践落地的完整解决方案。

weixin_42524100的博客 364

四足机器人CPG步态控制:Hopf振荡器从原理到真机落地

节律运动广泛存在于生物运动系统中,中枢模式发生器(CPG)通过自激振荡产生协调的周期信号,无需高层指令即可维持节律。Hopf振荡器作为CPG节点的理想数学模型,凭借幅值与频率解耦、收敛速度可控等特性,成为机器人步态生成的重要工具。在四足机器人控制中,将多个Hopf振荡器耦合为网络,通过相位偏移矩阵可轻松切换Walk、Trot、Pace等多种步态,同时支持实时调速与反馈融合。实际落地时需注意振子输出映射、初始相位设置和参数换算,以避免启动冲击与切换抖动。围绕Hopf振荡器从极限环方程到网络耦合、从关节映射到真

weixin_30110543的博客 214

CPG控制网络入门:从Hopf振荡器到四足机器人步态实现

中枢模式发生器(CPG)是一种受生物节律启发的非线性动力学控制范式,通过构建自持振荡系统实现多自由度运动的内在协调性。其核心原理是利用极限环、相位耦合与状态演化机制,替代传统PID对时变轨迹的被动跟踪,显著提升抗扰性与能效比。在机器人步态生成、外骨骼康复控制、柔性机械臂装配等强周期性、高协同性场景中,CPG展现出参数精简、鲁棒性强、嵌入式友好等突出技术价值。本文聚焦工程落地,详解Hopf振荡器建模、多振荡器异构耦合、相位到电机指令映射等关键环节,覆盖从数学推导、C语言实现到STM32嵌入式部署的完整链路。

weixin_34072637的博客 301

基于Hopf振荡器的四足机器人CPG步态生成与MATLAB实现

四足机器人的稳定行走依赖于高效的步态生成算法。传统轨迹规划方法在应对动态扰动和步态切换时存在局限,而中枢模式发生器(CPG)作为仿生节律控制模型,为步态生成提供了更鲁棒的方案。Hopf振荡器因其极限环结构清晰、幅值与相位可解耦调节,成为构造CPG网络的理想单元。通过多个振荡器间的相位耦合,可同步协调四条腿的动作,实现walk与trot等步态的平滑过渡。借助MATLAB数值仿真,可以快速验证网络参数并优化性能。本文基于Hopf振荡器构建四足步态生成网络,详细讲解数学模型、相位表设计与工程实现要点,为机器人步态

weixin_31815843的博客 237

Hopf振荡器的matlab仿真m文件源码

Hopf振荡器的matlab仿真m文件源码,包括自适应学习的Hopf振荡器仿真、耦合Hopf振荡器仿真,需要配合我的博客文章:外骨骼机器人(七):Hopf振荡器,一起服用,效果更佳。

Untitled3_hopf振荡器_

hopf振荡器的实现,能够产生稳定的振荡信号

进芯AVP28335烧录避坑全记录:CCS、Uniflash、C2Prog、SDFlash四大工具配置详解

本文详细解析了进芯AVP28335芯片在烧录过程中遇到的常见问题及解决方案,涵盖CCS、Uniflash、C2Prog和SDFlash四大工具的配置要点。针对国产器件AVP28335的特殊需求,提供了从开发环境准备到烧录验证的全流程指南,帮助开发者高效完成程序烧录,避免常见陷阱。

weixin_30836759的博客 603

OLLAMA_HOST环境变量设置全攻略:从127.0.0.1到局域网共享的完整配置

本文详细解析了OLLAMA_HOST环境变量的核心作用与配置方法,指导用户如何将Ollama服务从仅限本机访问(127.0.0.1)扩展到局域网共享。文章涵盖了macOS、Linux、Windows三大平台的实战配置步骤,并提供了安全加固、性能优化及常见故障排查方案,是解决多设备协作访问本地AI模型的完整指南。

weixin_28455801的博客 1929

淘宝母婴用品数据挖掘及可视化分析研究

1. 背景介绍 在当今的电子商务时代,母婴用品市场已经成为了各大电商平台的一片蓝海。淘宝作为中国最大的电子商务平台,其上的母婴用品交易数据自然引人关注。理解这些数据,可以帮助商家更好地制定营销策略,也可以帮助消费者更好地选择产品。因此,本文将对淘宝母婴用品的数据进行深入的挖掘和分析。 1.1 电子商务的

AI天才研究院 1262

QCC305x-QCC304x系列开发教程之应用程序子系统详解 嵌入式

本文对QCC305x-QCC304x系列芯片的应用程序子系统进行了详细解析,并给出了一个LED闪烁的示例代码。嵌入式系统的开发既需要理论知识的支持,也需要实践经验的积累,希望本文能够为读者在QCC305x-QCC304x系列芯片的开发中提供一些有益的指导。QCC305x-QCC304x系列芯片提供了丰富的外设接口,包括UART、SPI、I2C等,开发者可以根据需求选择适合的接口进行数据传输和控制。QCC305x-QCC304x系列芯片的应用程序子系统是整个嵌入式系统的核心部分,负责管理和执行各种应用程序。

CodeMaven的博客 226

VS2019编译配置Easy3D

VS2019编译配置Easy3D

dayuhaitang1的博客 2604

YOLOv8改进-bifpn

跨尺度连接通过添加一个跳跃连接和双向路径来实现,自此实现了加权融合和双向跨尺度连接。该结构是加权且双向连接的,即自顶向下和自底向上结构,通过构造双向通道实现跨尺度连接,将特征提取网络中的特征直接与自下而上路径中的相对大小特征融合,保留了更浅的语义信息,而不会丢失太多的深层语义信息。传统的特征融合时将尺度不同的特征图以相同权重进行加权,但是当输入的特征图分辨率不同时,以相同的权重进行加权对输出的特征图不平等。所以BiFPN根据不同输入特征的重要性设置不同的权重,同时反复采用这种结构来加强特征融合。

weixin_45303602的博客 8140

安卓逆向 | 某社交类APP gsid

*本文章仅供学习交流,切勿用于非法通途,如有侵犯贵司请及时联系删除

爬虫进击之路 3094

Redhawk: 为什么STA CHECK中switch cell覆盖率为0(STA file中switch control pin没有timing window)?

如题,做dynamic analysis时,不需要switch cell的timing window信息,但是做low power analysis需要做上电时switch cell的timing window就是必须的了,本文对switch cell control pin没有timing window (STA CHECK覆盖率为零)的这种现象做分析。

m0_61544122的博客 1202

全球国家地区城市数据

MySQL全球国家地区城市数据报。。。。。。。。。。。。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

上一篇: 外骨骼机器人(六):阻抗控制
下一篇: 模型预测控制(MPC)解析(十):弹簧质量阻尼的MPC仿真
巴普蒂斯塔
博客等级 码龄13年 2209粉丝 59原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

巴普蒂斯塔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址