仿生机器人控制网络的分层构建方法技术

一种仿生机器人控制网络的分层构建方法，其步骤如下：根据速度和运动步态特点，将仿生机器人的运动步态进行分组或分类；根据某一组或一类运动步态，构建仿生机器人某一层运动控制网络；将各层运动控制网络组合到一起，构成整个的仿生机器人运动控制网络；利用上层神经中枢产生控制信号，使整个运动控制网络的相应部分激活、失活与饱和，以产生仿生机器人的各种运动步态。本发明专利技术提出了一个先分层构建仿生机器人控制网络，然后将其组合构建整个仿生机器人控制网络的方法，解决仿生机器人整体控制网络构建的难题。该方法能够使得仿生机器人产生更加丰富、灵活和符合动物运动特点的运动步态，尤其是既可以产生节律运动也可以产生非节律运动。

【技术实现步骤摘要】
仿生机器人控制网络的分层构建方法
本专利技术属于机器人控制
，涉及一种分层的机器人运动控制神经网络构建的方法。
技术介绍
中枢模式发生器(CentralPatternGenerator，简称CPG)是生物运动控制神经网络的一个重要组成部分，它可以在没有外部感官信息反馈的情况下产生节律输出。为了利用中枢模式发生器进行仿生机器人的控制。许多研究人员进行了仿生机器人运动控制神经网络构建的研究。这些中枢模式发生器构建方法概括起来可以分为三类：振荡器CPG、生物神经元CPG和连接CPG。其中，振荡器CPG以其结构简单，运算量小等特点被广泛应用到仿生机器人的控制中，然而由于现有的振荡器都不同程度的存在一些缺点，在仿生机器人运动控制神经网络的构建方面还存在较多的困难。在这些振荡器中，Matsuoka所提出的由两个具有疲劳特性漏积分器神经元通过相互抑制构成的振荡器成为仿生机器人运动控制神经网络构建中应用比较广泛的振荡器之一。然而，此振荡器在运动控制神经网络构建方面仍然存在较多的问题，如不能包含兴奋性连接、网络拓扑结构构建比较困难等。专利技术[一种新型神经元振荡器-201510507029.3和仿生机器人运动控制神经网络的构建方法-201510632804.8]提出了一个新的仿生机器人运动控制网络的设计方法，但是此方法针对某种(或某类)步态控制网络的构建具有较好的效果，在实现各种复杂运动步态，如各种节律运动步态、非节律运动步态的仿生机器人整体控制网络的构建方面还非常困难。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种仿生机器人控制网络的分层构建方法，该方法能够使得仿生机器人产生更加丰富、灵活和符合动物运动特点的运动步态。本专利技术所要解决的技术问题是通过以下的技术方案来实现的。本专利技术是一种仿生机器人控制网络的分层构建方法，其特点是，其步骤如下：(1)根据速度和运动步态特点，将仿生机器人的运动步态进行分组或分类；(2)根据某一组或一类运动步态，构建仿生机器人某一层运动控制网络；(3)将各层运动控制网络组合到一起，构成整个的仿生机器人运动控制网络；利用上层神经中枢产生控制信号，使整个运动控制网络的相应部分激活、失活与饱和，以产生仿生机器人的各种运动步态。本专利技术所述的仿生机器人控制网络的分层构建方法，其进一步优选的技术方案是，步骤(2)中，构建的运动控制网络层被分为节律运动控制网络层和非节律运动控制网络层。本专利技术所述的仿生机器人控制网络的分层构建方法，其进一步优选的技术方案是，节律运动和非节律运动控制网络层由产生某种运动步态的运动控制网络层构成。本专利技术所述的仿生机器人控制网络的分层构建方法，其进一步优选的技术方案是，步骤(3)中，根据需要建立运动控制网络之间的突触连接关系。本专利技术所述的仿生机器人控制网络的分层构建方法，其进一步优选的技术方案是，步骤(3)中，所述的中枢为脑干。本专利技术所述的仿生机器人控制网络的分层构建方法，其进一步优选的技术方案是，对每一层的运动控制网络的构建方法如下：该方法以新型神经元振荡器作为基础；所述的新型神经元振荡器通过建立了一个神经元模型，然后将两个神经元之间通过抑制性突触相互连接，构成一个振荡器模型；所述的神经元模型，在具有疲劳特性的漏积分器神经元模型基础上，增加输出饱和和自兴奋性特性后，形成了一个神经元模型；其中，所述神经元模型的输出，采用非线性函数表示，且该非线性函数满足当x≥θ时，输出具有饱和特性，当x＜θ时，神经元没有输出；所述的运动控制神经网络的构建方法，是利用新型神经元振荡器作为机器人关节的运动控制神经网络，其中一个神经元的输出作为机器人关节的曲肌控制信号，另一个神经元的输出作为关节的伸肌控制信号，然后，根据机器人各关节之间的运动关系和实际仿生生物神经控制环路的拓扑结构特点，利用抑制和兴奋性连接关系建立机器人关节振荡器之间的连接关系。基于上述仿生机器人运动控制网络层的构建方法，既可以构建节律运动控制网络层也可以构建非节律运动控制网络层，不同之处在于所选取运动控制网络层的参数是不同的。所述的神经元模型是采用以下两个微分方程组中的一个：式中，x为神经元的膜电势；y为神经元的输出；s为神经元收到的所有外部输入；a为神经元收到的自我兴奋性反馈的连接权重，a＞0；τ跟神经元膜电势相关的时间常数，τ＞0；γ跟神经元疲劳过程相关的时间常数，γ＞0；x′为反应神经元疲劳程度的变量；b为神经元的疲劳强度，b＞0；θ为神经元的输出阈值，为神经元输出的上界，且ε和σ为常系数，ε＞0和σ＞0；λ是神经元输出的饱和系数。两个神经元之间相互抑制，每个神经元具有一个自我兴奋性连接；具体模型如下：式中，xi为第i神经元的膜电势；yi为第i神经元的输出；si为第i神经元所收到的外部输入；aij(j∈{1，2}，j≠i)为神经元之间的连接权重，aij＜0；aii为第i神经元收到的自我兴奋性反馈的连接权重；τi跟第i神经元膜电势相关的时间常数，τi＞0；γi跟第i神经元疲劳过程相关的时间常数，γi＞0；x′i为反应第i神经元疲劳程度的变量；bi为第i神经元的疲劳强度，bi＞0；θi为第i神经元的输出阈值，为第i神经元输出的上界，且εi和σi为常系数，εi＞0和σi＞0；λi是第i神经元输出的饱和系数；所述振荡器平衡状态满足时，振荡器既能产生振荡输出或非振荡输出，此时的外部输入si，(i＝1，2)的取值范围为：振荡器产生振荡输出时，其参数应满足的条件为：振荡器产生非振荡输出时，其参数应满足的条件为：(1)(2)(3)或(1)(2)(3)σi≥1，(i＝1，2)根据上述振荡器振荡输出和非振荡输出的条件，振荡器的振荡输出和非振荡输出可以通过调节自兴奋系数aii和疲劳系数bi来进行切换；所述振荡器当输入满足si＜εiθi，(i＝1，2)时，振荡器的输出是不激活的，当时，振荡器的输出是饱和的；其中，所述振荡器的振荡频率和响应速度，通过跟神经元膜电势相关的时间常数τi，i＝1，2和跟神经元疲劳过程相关的时间常数γi，i＝1，2进行调节；其中，所述振荡器的饱和输出和不激活以及振荡器节律输出和非节律输出的大小，可以通过振荡器的外部输入si，i＝1，2进行调节。由振荡器相互连接构成的仿生机器人运动控制神经网络的模型如下：式中，n为神经元数量；xi为第i神经元的膜电势；yi为第i神经元的输出；si为第i神经元所收到的外部输入；aij(j∈{1，…，n}，j≠i)为神经元之间的连接权重，aij＞0表示兴奋性连接，aij＜0表示抑制性连接；aii为第i神经元收到的自我兴奋性反馈的连接权重；τi跟第i神经元膜电势相关的时间常数，τi＞0；γi跟第i神经元疲劳过程相关的时间常数，γi＞0；x′i为反应第i神经元疲劳程度的变量；bi为第i神经元的疲劳强度，bi＞0；θi为第i神经元的输出阈值，为第i神经元输出的上界，且εi和σi为常系数，εi＞0和σi＞0；λi是第i神经元输出的饱和系数；所述仿生机器人运动控制神经网络，当其中存在一部分神经元的平衡状态满足即时，这一部分神经元可以产生振荡输出和非振荡输出，与平衡状态相对应的外部输入si，i∈Λ3的取值范围为：其中，Ωi＝{j|aij＞0，j∈Λ3，j≠i}；这一部分神经元，即i∈Λ3的神经本文档来自技高网...

【技术保护点】
一种仿生机器人控制网络的分层构建方法，其特征在于，其步骤如下：(1)根据速度和运动步态特点，将仿生机器人的运动步态进行分组或分类；(2)根据某一组或一类运动步态，构建仿生机器人某一层运动控制网络；(3)将各层运动控制网络组合到一起，构成整个的仿生机器人运动控制网络；利用上层神经中枢产生控制信号，使整个运动控制网络的相应部分激活、失活与饱和，以产生仿生机器人的各种运动步态。

【技术特征摘要】
1.一种仿生机器人控制网络的分层构建方法，其特征在于，其步骤如下：(1)根据速度和运动步态特点，将仿生机器人的运动步态进行分组或分类；(2)根据某一组或一类运动步态，构建仿生机器人某一层运动控制网络；(3)将各层运动控制网络组合到一起，构成整个的仿生机器人运动控制网络；利用上层神经中枢产生控制信号，使整个运动控制网络的相应部分激活、失活与饱和，以产生仿生机器人的各种运动步态。2.根据权利要求1所述的仿生机器人控制网络的分层构建方法，其特征在于，步骤(2)中，构建的运动控制网络层被分为节律运动控制网络层和非节律运动控制网络层。3.根据权利要求2所述的仿生机器人控制网络的分层构建方法，其特征在于：节律运动和非节律运动控制网络层由产生某种或某类运动步态的运动控制网络层构成。4.根据权利要求1所述的仿生机器人控制网络的分层构建方法，其特征在于，步骤(3)中，根据需要建立运动控制网络之间的突触连...

【专利技术属性】
技术研发人员：刘强，赵琳琳，
申请(专利权)人：淮海工学院，
类型：发明
国别省市：江苏,32