1.一种四足机器人行走与对角步态运动控制方法，其特征在于，其包括以下步骤：步骤1：利用低维点质量模型模拟四足机器人运动，用离散化方法建立预观时域运动过程的离散状态方程；

采用低维点质量模型模拟四足机器人运动，并用状态空间方程表示点质量模型，并通过线性化将点质量模型等效为线性倒立摆模型，进一步转化为离散时间状态空间表达式，最终对离散时间状态空间模型进行递归，推导出质心位置、质心速度、质心加速度、质心加加速度和质心压力中心位置的离散状态方程；

步骤2：通过线性约束域处理四足机器人行走和小跑步态，确定优化区间；

将四足机器人步态模式与双足机器人步态模式进行映射，通过线性约束域对四足机器人行走和小跑步态进行统一化处理；根据线性约束域确定的优化区间如下所示：式中：pf0表示当前落足点位置；Δx和Δy分别表示横坐标方向和纵坐标方向的压力中心设定范围；Xcop和Ycop分别表示横坐标方向和纵坐标方向机器人的压力中心； 和 分别表示横坐标方向和纵坐标方向机器人的状态向量；pzu和pzs分别为机器人压力中心的控制和状态系数矩阵； 和 分别表示横坐标方向和纵坐标方向的质心加加速度；

步骤3：建立预观时域内机器人步态运动控制模型的性能指标评价函数，求解机器人的期望落足点和质心位置；

基于横坐标方向和纵坐标方向系统状态变量的不相关性，定义质心速度跟踪、压力中心跟踪与控制输入最小的性能指标评价函数；预观时域内横坐标方向和纵坐标方向的性能指标评价函数如下所示：式中：X和Y分别表示横坐标方向和纵坐标方向；JX/Y表示性能评价指标函数；ω1表示质心速度跟踪权重系数；ω2表示压力中心跟踪权重系数；ω3表示质心加加速度跟踪权重系数； 表示k+1时刻的质心速度向量； 表示k+1时刻的期望质心速度状态向量；X/Ycop(k+1)表示k+1时刻的压力中心状态向量； 表示k+1时刻的期望压力中心状态向量；UX/Y(k)表示k时刻的状态方程的控制输入向量；

步骤4：根据机器人的期望落足点和质心位置，实现四足机器人运动控制；

获取步骤3中期望质心位置和期望落足点位置，确定线性预测控制模型，根据步骤2确定的优化区间，进一步通过正则凸二次规划方法，构建性能指标评价函数的最优化模型，如下所示：T

式中：Up表示状态方程的待优化向量；Up 表示状态方程的待优化向量的转置；H表示海T森矩阵；f表示性能指标的一次项函数；C表示不等式系数矩阵；c表示不等式设定系数；Ul和Uu表示状态方程控制输入向量下极限和上极限；

其中，状态方程的待优化变量具体如下所示：

T T T

Up＝[UX/Y(k) PX/Y(k) ]；

式中：PX/Y(k)表示预观时域内落足点位置；

根据状态方程的控制输入向量和预观时域内落足点位置实现四足机器人的运动控制。

2.根据权利要求1所述的四足机器人行走与对角步态运动控制方法，其特征在于，所述步骤1中的推导出整个预观时域中的广义离散状态方程具体过程如下：首先，采用低维点质量模型等效机器人动力学表达式为：

式中：x(t)表示t时状态方程的系统状态向量； 表示t时系统状态向量的一阶导数；y(t)表示t时系统状态输出向量；u(t)表示t时状态方程控制输入向量；I表示单位向量；zcom表示z方向质心位置； 表示z方向质心加速度；g表示重力加速度；t表示时间尺度；

然后，设定滚动预观时域为NT，系统在第k个采样时间间隔，将模型改写为离散时间状态空间表达式，如下所示：式中：A表示系统状态矩阵；B表示系统输入变量矩阵；C表示系统输出变量矩阵；x(k)表示离散时间为k时状态方程的系统状态向量；x(k+1)表示离散时间为k+1时状态方程的系统状态向量；u(k)表示离散时间为k时状态方程控制输入向量；y(k)表示离散时间为k时系统状态输出向量。

3.根据权利要求1所述的四足机器人行走与对角步态运动控制方法，其特征在于，所述步骤1中的推导出质心加加速度，质心位置、质心速度和质心加速度，质心压力中心位置的离散状态方程，具体为：所述的质心加加速度的离散状态方程如下所示：

式中：U(k)表示离散时间k时刻的状态方程控制输入向量；u(ki|ki)表示ki时刻的状态方程控制输入值，为质心加加速度；ki表示第i个时刻的离散时间点；N表示预观时域的长度；

所述质心位置、质心速度和质心加速度的离散时间状态向量如下所示：式中：X[k+1]表示离散时间k+1时刻的系统状态向量；x(ki+1|ki)表示ki+1时刻的系统状态向量；

式中：xcom和ycom分别表示横坐标方向和纵坐标方向的质心位置； 和 分别表示横坐标方向和纵坐标方向的质心速度； 和 分别表示横坐标方向和纵坐标方向的质心加速度；

所述质心压力中心位置的离散状态方程如下所示：

式中：Y[k+1]表示离散时间k+1时刻的系统状态输出向量；y(ki+1|ki)表示ki+1时刻的系统状态输出值；

T

y(ki+1|ki)＝[xcop,ycop]；

式中：xcop和ycop分别表示横坐标方向和纵坐标方向的压力中心位置。

4.根据权利要求1所述的四足机器人行走与对角步态运动控制方法，其特征在于，所述步骤2中引入的压力中心约束域为矩形约束域，能够解决模型解耦过程中存在一个方向压力中心运动会造成对另一个方向运动影响问题。

5.根据权利要求1所述的四足机器人行走与对角步态运动控制方法，其特征在于，所述步骤2中机器人压力中心的控制和状态系数矩阵，具体为；

机器人压力中心的控制系数矩阵如下所示：

式中：Tl表示采样时间间隔；

所述的机器人压力中心的状态系数矩阵如下所示：

6.根据权利要求1所述的一种四足机器人行走与对角步态运动控制方法，其特征在于，所述步骤3中期望落足点位置与期望质心位置具体求解过程如下：确定当前落足点与预观时域内的未来落足点，以确定预观时域内的参考压力中心，期望落足点如下所示：式中：V(k+1)表示当前时域内所有采样时刻的落足点选择向量； 表示当前时刻落足点； 表示预观时域内所有采样时刻的落足点选择矩阵； 表示预观时域落足点位置；

预观时域落足点位置如下所示：

式中： 表示第j个落足点位置，j取值为1、2或3；

任意一个时刻质心期望位置表达式如下所示：

式中： 表示第i时刻横坐标方向期望落足点位置；ωa表示第一权重系数；

D表示相对于位置的函数矩阵； 表示结束状态横坐标方向的质心位置； 表示开始状态横坐标方向的质心位置；Tc表示质心期望位置的采样间隔时间，表示开始状态横坐标方向的质心速度；ωb表示第二权重系数；

所述相对于位置的函数矩阵获取方法如下所示：