基于CPG模型的推进器运动控制方法

为了生成仿生长鳍波动推进器的多种运动模式,提出了一种基于中枢模式发生器(CPG)模型的运动控制方法.利用改进的Matsuoka振荡器,建立了一个含有10个神经振荡器的CPG模型,通过调节CPG模型的输入参数协调控制推进器各鳍条的摆动,得到多种运动模式,基于CPG模型建立了长鳍波动推进器的运动控制器.通过在FPGA中实现CPG控制器,实现长鳍波动推进器的实时在线控制.通过推进器的游动实验,验证了控制器的有效性.     

基于Rulkov神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.     

一种基于CPG的两足机器人步态生成方法

提出一种基于中枢模式发生器(central pattern generator,CPG)的双足机器人步态生成方法.应用Matsuoka振荡器设计了CPG控制器,其输出控制踝关节角度,膝关节和髋关节角度通过轨迹规划得到.通过将CPG输出与"引导曲线"叠加,实现了机器人的连续稳定行走.该方法避免了CPG繁杂的参数优化过程,是CPG应用的一大进步.MATLAB仿真结果证明了所提方法的可行性.     

神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.     

一种蛇形机器人蜿蜒运动的实现及环境适应性研究

生物蛇数量众多的脊椎骨以及无足的身体结构,使其形成了特殊的蜿蜒式前进步态,能够广泛适应于草地、沙漠和湖泊等起伏地形,这种节律性的运动方式被证明是由中枢模式发生器(CPG)控制的.利用Hopf振荡器的稳态特性建立了能够实现蛇形机器人蜿蜒步态的CPG步态控制网络,依据蛇形机器人的模型仿真器得到了控制蜿蜒运动的CPG网络参数,并利用该网络的输出蛇形机器人成功实现了前进.根据Hopf振荡器对控制参数突然变化的良好适应性,通过在线调整得到了新的输出.讨论了面对复杂环境时蛇形机器人转弯运动的实现以及改变蛇形机器人身体S波构形来提高其环境适应性的方法.在蛇形机器人样机上的实验证明了基于CPG的运动控制方法在蛇形机器人蜿蜒运动上的有效性.     

离散化四足机器人自由步态控制方法

为了实现离散化四足机器人自由步态的控制,提出一种新的基于中枢神经模式发生器(CPG)的自由步态控制方法。介绍了离散化四足机器人模型,在已确定的地形中,设定四足机器人起始点与抵达点的状态。将连续步态按照离散化步态完成排序,形成排序集合。在此基础上,利用中枢神经模式发生器CPG,采用周期性振荡信号对离散化四足机器人腿部各关节进行控制,给出单独神经元模型。为了便于分析,使用互抑神经元构成的振荡器对神经元的输出信号进行改善,通过该振荡器产生规律的振荡信号,以控制离散化四足机器人完成自由步态移动。实验结果表明,所提方法能够有效控制离散化四足机器人实现自由步态移动。     

基于CPG的水下自重构机器人控制网络演化方法

提出了基于中枢模式发生器(CPG)的水下自重构机器人控制网络的演化方法.引入仿生学中的CPG作为控制网络基本组成单元,采用通路矩阵描述水下自重构机器人的构形,实现了由构形到CPG控制网络的演化,并给出了水下自重构机器人典型构形所对应的CPG控制网络的结构及输出波形.结果表明,所提出的方法可以动态生成水下自重构机器人的控制网络.     

基于中枢模式发生器的机器人行走控制

基于中枢模式发生器(central pattern generator,CPG)的动物运动控制机理实现四足机器人AIBO的行走控制.利用Kimura振荡神经元构建CPG分布式控制网络,通过多目标遗传算法优化调整CPG网络中的参数,在AIBO上实现类似动物行走(walk)的行走模式.通过Webots仿真和实体实验,验证所设计的CPG控制网络和控制方法的可行性与有效性.     

基于CPG的双足机器人NAO的行走控制

基于中枢模式发生器(CPG)机理实现双足机器人NAO的行走控制.利用Kimura振荡神经元设计双足机器人的重心轨迹,得益于CPG丰富的动态特性,机器人的重心轨迹可以通过调节CPG参数来灵活调节.进一步利用生成的重心轨迹信息来在线规划机器人的脚掌轨迹,得到具有环境适应性的脚掌轨迹从而达到适应性行走的目的.通过开放动力学引...     

基于CPG的四足机器人抗侧向冲击的动态稳定性研究

为解决四足机器人受到侧向冲击时的稳定性控制,提出了基于CPG和侧向踏步反射的控制方案:以Hopf振荡器构成的CPG网络为基础,通过为侧偏关节构造具有触发使能性质的振荡器,为四足机器人引入侧向踏步反射机制. 利用ZMP理论,引入倒立摆模型,从动力学角度预测四足机器人侧向踏步所需的步长与次数. 通过该反射,四足机器人在承受侧向冲击时产生的侧向加速度能够在较短时间内恢复正常,此后终止反射,配合正常直线行走控制方案,四足机器人就能够圆满实现在行走状态下受到侧向冲击后的稳定性控制,其抵御侧向冲击的能力显著提高. 利用Matlab与Adams联合仿真,该方案的可行性和有效性得到了可靠验证.