两足机器人混沌步态抑制：基于坡角识别的被动行走控制

"基于坡角识别的两足动物被动行走机器人混沌步态抑制"通过采用动态模糊神经网络和改进的径向基函数神经网络系统识别两足机器人动态，旨在解决连续和离散混合动力学系统的识别问题。文章着重讨论如何在不同斜坡上稳定被动行走的控制策略，以抑制混沌步态并转化为极限循环步态。 两足行走机器人的行走模式受到其自身结构、外部环境，特别是坡度的影响。在坡道上行走时，由于重力分量的变化，机器人的步态可能变得不稳定，甚至出现混沌现象。混沌步态是指系统表现出的高度敏感依赖于初始条件和非线性动力学特性，这可能导致行走不稳定。为了克服这个问题，研究者提出了一种新的控制方法，它能够将这种混沌状态转换为极限循环步态，这是一种更为稳定的状态。 极限循环步态是一种理想的步态模式，它允许机器人在保持稳定的同时，有效地利用势能进行行走。这种方法的关键在于识别出导致混沌步态的特定倾斜角度，然后通过对系统的调整来避免或抑制这些情况。通过这种方式，机器人可以在不同角度的斜坡上保持其行走稳定性。 具体实现过程中，首先应用改进的径向基函数神经网络（RBFNN）来识别两足机器人的摆动阶段，即腿在空中移动的部分。接着，动态模糊神经网络（DFNN）用于识别碰撞阶段，即腿部与地面接触的阶段。这两种神经网络的联合使用使得能够全面识别出两足机器人的运动轨迹，从而实现对整个行走过程的有效控制。 实验结果表明，这种方法是可行的，能够适应不同斜坡角度的挑战。国家自然科学基金和燕山大学的项目资助了这项工作。该研究为两足行走机器人的混沌步态抑制提供了一个有效的解决方案，对于提升机器人的行走效率和自然性具有重要意义，同时也为未来相关领域的研究提供了理论和技术基础。