刘志成， 郑莉芳， 王旭

(北京科技大学 机械工程学院, 北京 100083)

0 引言

与马、狗、猫等哺乳动物相比，由于爬行动物的生活环境更加丰富，模仿爬行动物的四足机器人对复杂地形环境具备更好的适应能力[1]。传统四足机器人控制方法分为基于模型的控制方法和基于中枢神经模式振荡器(CPG)仿生的控制方法。基于模型的控制方法存在控制方法单一、各个机械腿之间运动不协调、步态切换不流畅等问题，而采用CPG仿生控制方法不仅能够实现各个机械腿之间的协调运动，同时还能够顺畅切换四足机器人的运动步态。但是传统基于CPG仿生的控制方法更着重于实现机器人四肢之间运动协调控制，并通常默认机器人躯干为刚性躯干或被动柔性躯干，即躯干部分在机器人运动过程中不发生主动运动。通过对爬行动物运动视频的观察，其躯干会伴随四肢运动而进行明显的左右摆动[2]。因此需要一种既能够描述四肢运动，又能够描述躯干运动的CPG，以实现对含有主动柔性躯干的爬行四足机器人整体运动协调控制。

从1961年Wilson[3]发现神经网络发生模式开始，生物节律运动的研究逐步展开，科学家力图建立能够描述节律运动的神经振荡器模型，并将其应用于四足机器人的运动控制。1985年Matsuoka[4]建立了基于生物神经反应的CPG. 2007年Ijspeert等[5]和Karakasiliotis等[6]利用Kuramoto神经振荡器，对仿生蝾螈机器人进行了运动控制。2013年Raley等[7]分别对Hopf神经振荡器、Van der Pol振荡器以及振幅耦合相位振荡器(ACPO)稳定性进行了对比分析。……