(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111413509.5 (22)申请日 2021.11.25 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 黄强　于晗　陈学超　余张国　 刘雅梁　齐皓祥　 (74)专利代理 机构 南京智造力知识产权代理有 限公司 32382 代理人 汪芬 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/11(2006.01) G06F 17/16(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 119/14(2020.01) (54)发明名称 机器人跳跃落 地检测方法 (57)摘要 本发明公开了机器人跳跃落地检测方法， 构 建不含机器人关节加速度的二阶外力矩观测器， 调节二阶外力矩观测器中的观测器调节参数ωn 和ξ的值， 使得观测器实时观测到外力矩并得到 外力矩观测值序列； 将观测器实时观测到的外力 矩观测值序列输入长短期记忆神经网络， 由长短 期记忆神经网络对外力矩观测值序列进行分类， 完成机器人跳跃落地检测。 本方法通过引入外力 矩观测器并结合长短期记忆神经网络， 实现了无 力传感器的实时落地检测。 能够解决了在机器人 足底加装力传感器带来的机械特性变差、 结构复 杂的问题以及基于动力学方程计算的计算量大、 检测不准确等问题， 提高了机器人机械系统的稳 定性， 在检测准确率高的同时降低了 硬件成本 。 权利要求书2页 说明书5页 附图1页 CN 113987961 A 2022.01.28 CN 113987961 A 1.机器人跳跃落 地检测方法， 其特 征在于， 包括如下步骤： S1， 构建不含机器人关节加速度的二阶外力矩 观测器， 表示如下： 其中， 是离心力和哥氏力矢量， q, 分别是腿部各关节角度、 角速度； g(q)是重 力矩阵， τm是机器人关节输出扭矩矩阵， r为观测值， ωn为观测器幅值调节参数， ζ为观测器 滞后调节参数， τ 为时间， τ∈[0， t]， p为机器人脚的动量； S2， 调节二阶外力矩观测器中的ωn和 ξ 的值， 使得观测器实时观测到外力矩并得到外力 矩观测值序列； S3， 将观测器实时观测到的外力矩观测值序列输入长短期记忆神经网络， 由长短期记 忆神经网络对外力矩 观测值序列进行分类， 完成机器人跳跃落 地检测。 2.根据权利要求1所述的机器人跳跃落地检测方法， 其特征在于， 构建所述二阶外力矩 观测器的过程如下： S1.1， 首先， 构建如下的二阶外力矩 观测器： S1.2， 将机器人受到的外力矩 矩阵代入S1.1构建的观测器中， 得 下式： 其中， 是r的一阶微分， τe为外力矩值。 3.根据权利要求1所述的机器人跳跃落地检测方法， 其特征在于， 获得外力矩矩阵的方 法如下： S1.2.1， 构建腿足机器人腿部关节的动力学 方程： 机器人的动量矩阵可表示成： M为机器人惯量矩阵； S1.2.2， 对动量矩阵求 导， 得下式： 将动力学 方程代入， 得 下式： 整理后得到： 其中： M(q)是机器人的惯量矩阵， τext是机器人受到的外力矩矩阵， 是机器人惯量矩 阵M的一阶微分， 是机器人脚的动量的一阶微分。 4.根据权利要求1所述的机器人跳跃落地检测方法， 其特征在于， 长短期记忆神经网络 结构如下： ft＝σ(Wfxt+Ufht‑1+bf) it＝1‑ft权　利　要　求　书 1/2 页 2 CN 113987961 A 2ot＝σ(Woxt+Uoht‑1+bo) ht＝ot⊙tanh(ct) 其中， xt为当前时刻的输入， σ(x)为函数 ⊙是向量元素乘积， Wf、 WC、 Wo、 Uf、 Uc、 Uo、 bf、 bC、 bo 为可学习的网络参数， ct是内部状态， 是通过非线性函数得到的候选状态， ht是t时刻的外 部状态， ht‑1是上一时刻的外 部状态， it， ft， ot分别是输入门、 遗 忘门和输出门。 5.根据权利要求1、 2、 3或4所述的机器人跳跃落地检测方法， 其特征在于， S2中调节二 阶外力矩观测器中的ωn和 ξ 值的依据为： 调节 ξ使观测值延时低且不发生震荡， 调节ωn使观 测值的幅值与真实值相同。 6.根据权利要求5所述的机器人跳跃落地检测方法， 其特征在于， 获取所述关节角度、 关节速度的方法为： 采集机器人腿部各关节的编码器信息得到 关节角度值对关节角度差分 处理得到关节速度信息 。权　利　要　求　书 2/2 页 3 CN 113987961 A 3