一种基于人工智能的仿生机器人控制逻辑获取方法技术

本发明专利技术属于人工智能方法应用与仿生技术交叉领域，涉及一种基于人工智能的仿生机器人控制逻辑获取方法。从仿生机器人的控制逻辑角度出发，优点在于考虑到现有仿生机器人仅仅模仿了生物运动的姿势，难以实现生物那样节能、高效率和低噪声的运动，不符合如今的任务需求，因此设计一种基于人工智能的仿生机器人控制逻辑获取方法，从真实的生物运动过程中，借助人工智能手段获取仿生机器人的控制逻辑，提升仿生机器人整体性能的目的。通过此方法获取控制逻辑的仿生机器人，能够更加节能高效和低噪声的移动，更加符合当下的各种任务需求，提升实用价值。升实用价值。升实用价值。

【技术实现步骤摘要】
一种基于人工智能的仿生机器人控制逻辑获取方法


[0001]本专利技术属于人工智能方法应用与仿生技术交叉领域，涉及一种基于人工智能的仿生机器人控制逻辑获取方法。

技术介绍

[0002]随着部分陆地和水下作业任务需求的不断提高，尤其是对隐蔽性有需求的生态考察任务，应运而生各种各样的仿生机器人。但是，现有仿生机器人仅仅模仿了生物运动的姿势，难以实现生物那样高效、节能和高隐蔽性(低噪声)的运动。随着环境信息测量技术、传感器技术和人工智能技术的发展，更贴近真实生物运动的机器人动作细节控制变得成为可能。因此，设计一种基于人工智能的仿生机器人控制逻辑获取方法，全面提升现有仿生机器人的动作性能是十分有必要的。

技术实现思路

[0003]本专利技术的目的为了克服现有仿生机器人的推进控制逻辑难以很好的模仿真实生物，导致推进耗能高、效率低和噪声大的问题，提出一种基于人工智能的仿生机器人控制逻辑获取方法，全面提升仿生机器人的性能。
[0004]本专利技术的目的通过如下技术方案来实现：
[0005]一种基于人工智能的仿生机器人控制逻辑获取方法，步骤如下：
[0006]步骤1：借助环境信息测量技术、传感器对拟模仿的生物移动以及附近环境信息数据进行获取，获取不同移动状态下的数据，尤其是生物针对不同环境状况以及变向过程，体态所做出的调整；
[0007]搭建PIV试验设备，借助PIV方法获取静水中生物的直线加速游动的体态变化及附近流场信息；
[0008]步骤2：分析模仿生物体态所需要的控制系统机械关节结构，根据拟定的控制系统，将获取的移动体态数据、速度场及衍生矢量图进行处理，将环境信息、移动状态作为神经网络的输入信息，控制系统所对应的信号作为标签；
[0009]步骤3：对神经网络进行训练，根据训练过程中的损失函数值进行判断，获取性能最优的网络模型及参数，作为仿生机器人的控制逻辑；
[0010]步骤4：利用数值模拟软件验证人工智能方法获取的仿生机器人控制逻辑是否能够根据设置的移动状态及周围环境信息进行有效反馈。
[0011]进一步地，所述步骤1具体步骤如下：
[0012]步骤1.1：对PIV试验设备进行搭建，为确保更易获取到生物直线加速游动信息，其被限制在一个透明水箱中，并在正式试验前两天，将生物放置于水箱中，适应水箱环境；
[0013]步骤1.2：安装两台位于水池两侧的连续激光器，以消除单个激光产生的阴影区域；
[0014]步骤1.3：图像采集系统为一台高速相机，水槽中均匀布撒聚酰胺颗粒作为示踪粒
子；
[0015]步骤1.4：激光系统与图像采集系统分别固定于两个多自由度光学平台上，高速相机拍摄视角垂直于激光平面，实验所捕捉的为生物处于数据获取区域中的自主推进动作，并未施加外界刺激；
[0016]步骤1.5：考虑要获取最自然状态的生物游动数据信息以及高速相机的内存，等生物自主游入数据获取区域中，且处于激光平面高度后开始拍摄，获取原始图像数据并进行保存；
[0017]步骤1.6：将获取的原始图像数据先进行预处理，对得到的预处理图像进行图像标定，再借助自适应PIV计算，得到最终的生物的体态图、速度场及衍生矢量图；最终得到静水中生物直线加速游动的体态变化及附近流场信息。
[0018]进一步地，所述步骤2具体步骤如下：
[0019]步骤2.1：对生物的体态变化进行分析，得到合适的仿生机器人整体控制系统机械关节结构，确保控制系统的自由度能够最大程度的还原真实生物的摆动过程，其中，需要N个传动节点及相应关节间传动杆和外壳支撑传动杆，还原真实生物的摆动过程；
[0020]步骤2.2：将移动时的体态数据根据拟设计的仿生机器人整体控制系统结构进行处理，将各传动节点应处于的状态，整理成信号矩阵形式，作为神经网络训练过程中的标签；信号矩阵中A1‑
A5负责控制仿生机器人姿态，A1决定仿生机器人头的朝向，A5决定仿生机器人尾的摆动方向，A2‑
A4决定中部N个传动节点沿仿生机器人纵向的关节间传动杆的摆动角度；信号矩阵中R2‑
R4及L2‑
L4分别决定中部N个传动节点右侧和左侧传动杆的摆动角度；其中，应用中矩阵根据情况设置成为任意形式，确保能够合理控制仿生机器人；
[0021]步骤2.3：将生物身旁的环境信息进行整理，作为神经网络的输入信息，使仿生机器人测量获取的相应位置数据；根据设计的仿生机器人的流动传感器所在位置，从速度场及衍生矢量场中读取不同时刻r1‑
r
10
和l1‑
l
10
相应信息，形成神经网络输入的流动信息矩阵数据集。
[0022]进一步地，所述步骤3步骤如下：
[0023]步骤3.1：借助GPU加速的手段，对神经网络进行训练，使神经网络能够通过输入连续几个时刻的流动信息以及信号矩阵来判断出下一时刻的信号矩阵，训练时要获取训练过程中的损失函数值变化；
[0024]步骤3.2：根据损失函数值的变化，判断最佳神经网络模型及参数，作为仿生机器人的控制逻辑。
[0025]进一步地，所述步骤4步骤如下：
[0026]步骤4.1：利用建模软件CATIA对仿生机器人进行建模，并导入数值模拟软件Fluent中进行模拟，判断所获取的控制逻辑能否有效对流场信息做出合适的反应，以及借助这种方法推进时的效率等参数；
[0027]步骤4.2：根据数值模拟结果进行修正，得到最优的网络模型及参数。
[0028]本专利技术的有益效果在于：
[0029]本专利技术从仿生机器人的控制逻辑角度出发，优点在于考虑到现有仿生机器人仅仅模仿了生物运动的姿势，难以实现生物那样节能、高效率和低噪声的运动，不符合如今的任务需求，因此设计一种基于人工智能的仿生机器人控制逻辑获取方法，从真实的生物运动
过程中，借助人工智能手段获取仿生机器人的控制逻辑，提升仿生机器人整体性能的目的。通过此方法获取控制逻辑的仿生机器人，能够更加节能高效和低噪声的移动，更加符合当下的各种任务需求，提升实用价值。
附图说明
[0030]图1PIV试验装置布置示意图。
[0031]图2PIV图像处理过程。
[0032]图3拟设计的斑马鱼整体控制系统结构示意图。
[0033]图4传动节点局部示意图。
[0034]图5信号矩阵
[0035]图6流场信息矩阵
[0036]图7神经网络输入和输出示意图
[0037]图8控制逻辑获取与实际应用流程示意图。
具体实施方式
[0038]下面结合附图对本专利技术做进一步描述。
[0039]本专利技术为一种基于人工智能的仿生机器人控制逻辑获取方法，包括拟仿生物移动以及附近环境信息数据获取、分析仿生机器人控制系统需求并整理训练数据集、神经网络模型及参数确定和数值模拟软件验证。以静水中斑马鱼2直线加速游动为例，借助粒子图像测速法(PIV)进行环境信息获取，具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的仿生机器人控制逻辑获取方法，其特征在于：步骤如下：步骤1：借助环境信息测量技术、传感器对拟模仿的生物移动以及附近环境信息数据进行获取，获取不同移动状态下的数据，尤其是生物针对不同环境状况以及变向过程，体态所做出的调整；搭建PIV试验设备，借助PIV方法获取静水中生物的直线加速游动的体态变化及附近流场信息；步骤2：分析模仿生物体态所需要的控制系统机械关节结构，根据拟定的控制系统，将获取的移动体态数据、速度场及衍生矢量图进行处理，将环境信息、移动状态作为神经网络的输入信息，控制系统所对应的信号作为标签；步骤3：对神经网络进行训练，根据训练过程中的损失函数值进行判断，获取性能最优的网络模型及参数，作为仿生机器人的控制逻辑；步骤4：利用数值模拟软件验证人工智能方法获取的仿生机器人控制逻辑是否能够根据设置的移动状态及周围环境信息进行有效反馈。2.根据权利要求1所述的一种基于人工智能的仿生机器人控制逻辑获取方法，其特征在于：所述步骤1具体步骤如下：步骤1.1：对PIV试验设备进行搭建，为确保更易获取到生物直线加速游动信息，其被限制在一个透明水箱中，并在正式试验前两天，将生物放置于水箱中，适应水箱环境；步骤1.2：安装两台位于水池两侧的连续激光器，以消除单个激光产生的阴影区域；步骤1.3：图像采集系统为一台高速相机，水槽中均匀布撒聚酰胺颗粒作为示踪粒子；步骤1.4：激光系统与图像采集系统分别固定于两个多自由度光学平台上，高速相机拍摄视角垂直于激光平面，实验所捕捉的为生物处于数据获取区域中的自主推进动作，并未施加外界刺激；步骤1.5：考虑要获取最自然状态的生物游动数据信息以及高速相机的内存，等生物自主游入数据获取区域中，且处于激光平面高度后开始拍摄，获取原始图像数据并进行保存；步骤1.6：将获取的原始图像数据先进行预处理，对得到的预处理图像进行图像标定，再借助自适应PIV计算，得到最终的生物的体态图、速度场及衍生矢量图；最终得到静水中生物直线加速游动的体态变化及附近流场信息。3.根据权利要求1所述的一种基于人工智能的仿生机器人控制逻辑获取方法，其特征在于：所述步骤2具体步骤如下：步骤2.1：对生...

【专利技术属性】
技术研发人员：郭春雨，孙路程，汤晓云，梁泽军，蔡琳，金磊，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：