【技术实现步骤摘要】
本专利技术涉及神经控制，尤其涉及一种机器人仿生神经网络控制方法及系统。
技术介绍
1、仿生机器人是一类模仿生物生理结构和运动功能的机器人，它们在设计和功能上尽可能地模拟生物体的物理形态和运动特性。在动力学建模与控制领域，仿生机器人的研究主要集中于如何通过精确的数学模型来模拟生物体的动态行为，并通过控制策略实现复杂的运动模式。这一过程包括对生物体运动机制和神经操控的深入研究，以及将这些生物机制转化为可实施的机械设计和控制算法。
2、许多生物本身在保持高频节律稳定运动（如飞行扑翼、奔跑和游动等）的同时还可以根据环境的反馈快速做出姿态及运动状态的调整，因此其生物神经控制机制具有极高的研究价值。例如，通过生物神经网络和深度学习算法，可以让仿生机器人在面对未知环境或未经预测的情况时，仍能实现稳定和适应性强的动作反应。这些进展极大地推动了仿生机器人在复杂环境下的应用潜力，如灾难救援、深海探测和复杂地形的越野运输等领域。
3、目前在仿生机器人的运动控制中，在行走、奔跑等过程中需要保持动态平衡，特别是在复杂地形和不确定环境中；而...
【技术保护点】
1.一种机器人仿生神经网络控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述根据各个控制模块之间的耦合关系和相位关系，构建各个控制模块对应的单体神经元模型，具体包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述耦合特征程度参数、所述相位差、所述第一控制模块和所述第二控制模块的其他特征参数，构建各个控制模块对应的单体神经元模型，具体包括：
4.如权利要求3所述的方法，其特征在于，所述其他特征参数至少包括：运动参数和频率；
5.如权利要求4所述的方法，其特征在于，所述运动参数至少包括...
【技术特征摘要】
1.一种机器人仿生神经网络控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述根据各个控制模块之间的耦合关系和相位关系，构建各个控制模块对应的单体神经元模型，具体包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述耦合特征程度参数、所述相位差、所述第一控制模块和所述第二控制模块的其他特征参数，构建各个控制模块对应的单体神经元模型，具体包括：
4.如权利要求3所述的方法，其特征在于，所述其他特征参数至少包括：运动参数和频率；
5.如权利要求4所述的方法，其特征在于...
【专利技术属性】
技术研发人员：张益鑫，朱生华，王兴坚，朱帅铭，孙文宇，贾乐，李稷藩，赵博远，汪奕洁，王少萍，何岩松，侯俞伯，赵龙飞，万文静，
申请(专利权)人：北京航空航天大学，
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。