四足机器人（二）：Hopf振荡器

巴普蒂斯塔

已于 2022-04-20 22:23:33 修改

阅读量2.8k

点赞数 4

分类专栏：四足机器人文章标签： Hopf 非线性振荡器频率跟踪锁相器

于 2022-03-24 22:48:04 首次发布

本文链接：https://blog.csdn.net/u014170067/article/details/123723384

版权

四足机器人专栏收录该内容

2 篇文章 75 订阅

订阅专栏

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。

摘要由CSDN通过智能技术生成

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) $\alpha =100$

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

巴普蒂斯塔

关注

4
点赞
踩
26

收藏

觉得还不错? 一键收藏
打赏
1
评论
四足机器人（二）：Hopf振荡器

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。
复制链接

扫一扫