【技术实现步骤摘要】
一种复杂环境下的基于脉冲神经网络的四足机器人运动控制方法
[0001]本专利技术属于四足机器人控制领域,特别涉及一种复杂环境下的基于脉冲神经网络的四足机器人运动控制方法。
技术介绍
[0002]地球陆地表面地形复杂多变,且其中50%以上的面积为崎岖地形,包括山丘、阶梯、沟壑等,在此类地形中传统的轮式或履带式移动机器人将无法正常移动,因而在此类地域的工程探测、军事侦察、地形勘探等任务难以通过移动机器人完成。而四足机器人虽然在速度上较轮式机器人处于劣势,但由于其可以利用孤立的地面支撑而非轮式机器人所需的连续平整的地面支撑,故其对行走路面的要求很低,可以以非接触的方式躲避或跨越路障,甚至可以完成迈过溪流、攀登阶梯等复杂运动任务。以上特点是目前任何轮式移动机器人无法与之相比的,因而四足机器人的运动控制一直是国内外机器人研究领域的热点。
[0003]四足机器人是一个与所处环境间存在复杂交互作用的多体非线性刚柔系统,其运动性能受到外界环境特征的较大影响。想要使机器人做出正确、有效的步态规划、足端轨迹规划及运动控制决策,必须使其具备对所处环境的地形进行感知和分类的能力。若机器人所处地形特征无法被正确感知,就可能导致其做出错误的步态规划和运动控制,使其无法实现目标运动,甚至导致机器人跌倒等情况发生。故为提高机器人的地形适应能力,防止运动过程中出现失稳、打滑等现象发生,需要机器人能够根据所识别到的不同地形特征,实时正确修改运动控制模式。
[0004]现阶段较为成熟的机器人地形分类方法主要有基于传感器数据的方法及基于视觉 ...
【技术保护点】
【技术特征摘要】
1.一种复杂环境下的基于脉冲神经网络的四足机器人运动控制方法,其特征在于,包括以下步骤:步骤1、基于DH参数法构建四足机器人单腿模型;步骤2、基于逆运动学算法构建四足机器人腿部关节角状态和足端位置坐标的转换模型;步骤3、构建CNN和SNN混合神经网络模型;步骤4、基于梯度下降法对步骤3构建的混合神经网络模型进行训练;步骤5、采集图像,并将采集到的环境图像输入训练好的混合神经网络模型中,进行环境的特征提取和分类;步骤6、基于地形分类结果进行步态规划、足端轨迹规划;步骤7、完成四足机器人运动控制。2.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方法,其特征在于,所述步骤1中的构建四足机器人单腿模型,具体为:其中,其中P代表足端相对于侧摆关节坐标系的坐标,即四足机器人单腿的正运动学求解,θ1、θ2、θ3分别为侧摆关节、髋关节、膝关节转动角度。3.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方法,其特征在于,所述步骤2中的构建转换模型,具体为:四足机器人单腿的逆运动学解如下:单腿的逆运动学解如下:其中,L1为侧摆关节坐标系沿x轴到髋关节坐标系的距离,L2为髋关节坐标系沿x轴到膝关节坐标系的距离,L3为膝关节坐标系沿x轴到足端坐标系的距离;x、y、z为足端相对于侧摆坐标系的坐标,θ1、θ2、θ3分别为侧摆关节、髋关节、膝关节转动角度。4.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方法,其特征在于,所述步骤3中的构建CNN和SNN混合神经网络模型,具体为:所述混合神经网络模型采用前馈网络结构,包括卷积神经网络和脉冲神经网络,其中卷积神经网络的输出经过转化成为脉冲序列输入脉冲神经网络中。5.根据权利要求4所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方法,其特征在于,所述脉冲神经网络为单层结构,网络节点由脉冲神经元构成;所述脉冲神经元采用LIF神经元模型,其膜电位变化方程为:
其中,τ
n
=RC是膜时间常数,u
rest
表示神经元静息电位,RI(t)表示脉冲神经元等效膜电阻上的电压,u(t)表示脉冲神经元等效膜电容上的电压;神经元的脉冲发放通过阈值控制:其中,当u(t
f
)增大到时,神经元发放一个脉冲,随后电压重新设定为u
reset
,t
f
表示神经元的脉冲发放时间,u(t
f
)表示脉冲神经元膜电容的电压,为设定的阈值;所述卷积神经网络的输出数据利用泊松编码转化成脉冲序列输入脉冲神经网络中,泊松编码过程为:其中,P
T
(n)表示产生单个神经元在一个设定...
【专利技术属性】
技术研发人员:吴益飞,岳照坤,顾成,屠津璟,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。