本发明涉及机器人设备，尤其涉及一种仿生运输机器人的智能稳定控制方法及系统。
背景技术：
1、仿生运输机器人的智能稳定控制系统主要依赖于多种传感器、控制算法和执行机构的高度集成。传统的控制系统通常采用固定参数的控制策略，如pid控制，这些策略在参数设置后不易适应环境或负载的快速变化。虽然这种方法在稳定的环境中表现良好，但在面对动态变化的实际应用场景，如不同重量的载荷和多变的地形条件时，其性能往往受限。例如，当机器人从平坦地面过渡到斜坡时，传统控制系统可能无法迅速调整输出，导致机器人运动不稳定或响应迟缓。
2、此外，传统系统在多传感器数据处理和融合方面也存在不足，单一传感器的数据往往无法提供足够的信息来全面评估和控制机器人的状态，导致控制决策的准确性和可靠性不足。这些限制在高要求的工业应用和复杂的操作环境中尤为明显，可能会增加机器故障率，降低工作效率和安全性。
3、中国专利文献cn113204892b公开了一种“质心轨迹生成方法、装置、计算机可读存储介质及机器人”。所述方法确定机器人的质心实际位姿、左脚位姿和右脚位姿；根据所述质心实际位姿和所述左脚位姿确定所述机器人的第一位姿追踪向量；根据所述质心实际位姿和所述右脚位姿确定所述机器人的第二位姿追踪向量；根据所述第一位姿追踪向量和所述第二位姿追踪向量控制所述机器人的质心期望位姿交替追踪所述左脚位姿和所述右脚位姿，以生成所述机器人的质心期望轨迹。上述技术方案难以及时调节控制参数以适应不断变化的环境和载荷条件。
技术实现思路
1、本发明主要解决原有的技术方案难以及时调节控制参数以适应不断变化的环境和载荷条件的技术问题，提供一种仿生运输机器人的智能稳定控制方法及系统，通过实施模型预测控制和自适应控制策略，系统可以实时调整其控制参数，以适应不断变化的环境和载荷条件，从而根据仿生运输机器人的重量、质心和倾角的传感器数据，结合仿生运输机器人的动力学特性设计计算驱动力矩，调节比例阀实现对液压马达的力矩输出，通过实时控制系统参数的动态调整，保证了快速响应和高度的操作精确度，从而大幅提升了机器人的工作效率和减少了因错误操作导致的安全事故。
2、本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：
3、s1感知仿生运输机器人的状态，获得仿生运输机器人的当前状态量；
4、s2结合仿生运输机器人的动力学特性计算驱动力矩，基于当前状态量和未来控制量来预测未来的系统输出量和状态量，通过滚动求解带约束优化问题来实现最优控制，根据控制误差来调整控制输入；
5、s3根据驱动力矩控制力矩输出，驱动仿生运输机器人完成预定的运动。
6、作为优选，所述的步骤s1仿生运输机器人的当前状态量包括仿生运输机器人的质心位置和仿生运输机器人在三维空间中的方位和倾角，还包括仿生运输机器人在地面的移动速度、旋转速度和实际载荷。
7、作为优选，所述的步骤s2包括，在控制过程不断优化求解，即在每一时刻，根据当前时刻的状态量误差，通过二次规划问题求解，得到使系统输出与参考量之间的误差最小值时的控制量最优解，反复在线进行优化过程。
8、作为优选，所述的步骤s2包括，每个采样时刻都会通过反馈的方式进行矫正，即利用实际输出对预测结果进行修正，然后再进行下一次优化过程。
9、作为优选，所述的步骤s2中预测的模型表示为假设仿生运输机器人动力学模型的线性状态空间模型：
10、
11、其中，是在时刻k的状态向量，是控制输入，a和b分别是系统的状态转移矩阵和控制输入矩阵；
12、目标函数和约束定义为：
13、
14、其中，和分别是参考状态和参考控制输入，q和r是权重矩阵，n是预测范围；
15、控制输入的约束表示为：
16、
17、其中，u是控制输入量。
18、作为优选，所述的步骤s2中控制误差采用pid控制，控制律表示为：
19、
20、其中，是控制误差，，和分别是比例，积分和微分增益。
21、作为优选，所述的预测的模型与pid控制结合的控制模型表示为：
22、
23、其中，是基于预测控制模块计算得到的主控制信号，而是用于细微调节的pid控制信号。
24、一种仿生运输机器人的智能稳定控制系统，包括传感器单元、控制单元以及执行单元，所述控制单元包括模型预测控制模块以及pid控制模块。传感器单元实时感知仿生运输机器人的状态，根据获得仿生运输机器人的重量、质心和倾角的传感器数据，控制单元结合仿生运输机器人的动力学特性设计相应的模块计算驱动力矩，接着把控制信号发送给执行单元，执行单元通过对比例阀的调节实现对液压马达的力矩输出。所述模型预测控制模块，基于系统当前状态量和未来控制量来预测未来的系统输出量和状态量，并通过滚动求解带约束优化问题来实现最优控制的算法，包括预测模型、滚动优化模块以及反馈校正模块；所述pid控制模块，根据控制误差，即期望值与实际值之间的差异来调整控制输入。
25、作为优选，所述的传感器单元包括载重检测模块和质心监测模块，还包括姿态监测模块以及速度监测模块。
26、所述载重检测模块，通过安装在仿生运输机器人底盘或承载结构上的称重传感器，测量仿生运输机器人所承受的压力变化，进而计算出实际载荷；
27、所述质心监测模块，通过集成的加速度计和陀螺仪，imu提供关于仿生运输机器人姿态、加速度和角速度的数据，计算出仿生运输机器人的质心位置；
28、所述姿态监测模块，通过imu中的陀螺仪和磁力计监测仿生运输机器人在三维空间中的方位和倾角，陀螺仪测量绕三个轴的角速度，磁力计提供关于地球磁场的信息，确定仿生运输机器人相对于地球的方向；
29、所述速度监测模块，用于监测线速度和角速度，并分别对应于仿生运输机器人在地面的移动速度和旋转速度，通过编码器、轮速传感器或者视觉里程计进行监测。
30、作为优选，所述的执行单元利用液压流体作为能量传递介质的控制系统，包括液压泵和比例阀，还包括液压马达和控制器的部件。
31、本发明的有益效果是：通过实施模型预测控制和自适应控制策略，系统可以实时调整其控制参数，以适应不断变化的环境和载荷条件，从而根据仿生运输机器人的重量、质心和倾角的传感器数据，结合仿生运输机器人的动力学特性设计计算驱动力矩，调节比例阀实现对液压马达的力矩输出，通过实时控制系统参数的动态调整，保证了快速响应和高度的操作精确度，从而大幅提升了机器人的工作效率和减少了因错误操作导致的安全事故。
1.一种仿生运输机器人的智能稳定控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种仿生运输机器人的智能稳定控制方法，其特征在于，所述步骤s1仿生运输机器人的当前状态量包括仿生运输机器人的质心位置和仿生运输机器人在三维空间中的方位和倾角，还包括仿生运输机器人在地面的移动速度、旋转速度和实际载荷。
3.根据权利要求1所述的一种仿生运输机器人的智能稳定控制方法，其特征在于，所述步骤s2包括，在控制过程不断优化求解，即在每一时刻，根据当前时刻的状态量误差，通过二次规划问题求解，得到使系统输出与参考量之间的误差最小值时的控制量最优解，反复在线进行优化过程。
4.根据权利要求1所述的一种仿生运输机器人的智能稳定控制方法，其特征在于，所述步骤s2包括，每个采样时刻都会通过反馈的方式进行矫正，即利用实际输出对预测结果进行修正，然后再进行下一次优化过程。
5.根据权利要求1或3或4所述的一种仿生运输机器人的智能稳定控制方法，其特征在于，所述步骤s2中预测的模型表示为假设仿生运输机器人动力学模型的线性状态空间模型：
6.根据权利要求5所述的一种仿生运输机器人的智能稳定控制方法，其特征在于，所述步骤s2中控制误差采用pid控制，控制律表示为：
7.根据权利要求6所述的一种仿生运输机器人的智能稳定控制方法，其特征在于，所述预测的模型与pid控制结合的控制模型表示为：
8.一种仿生运输机器人的智能稳定控制系统，适用于权利要求1到7任一所述的仿生运输机器人的智能稳定控制方法，其特征在于，包括传感器单元、控制单元以及执行单元，所述控制单元包括模型预测控制模块以及pid控制模块。
9.根据权利要求8所述的一种仿生运输机器人的智能稳定控制系统，其特征在于，所述传感器单元包括载重检测模块和质心监测模块，还包括姿态监测模块以及速度监测模块。
10.根据权利要求8所述的一种仿生运输机器人的智能稳定控制系统，其特征在于，所述执行单元利用液压流体作为能量传递介质的控制系统，包括液压泵和比例阀，还包括液压马达和控制器的部件。
