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...     

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.     

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.     

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.     

基于生物中枢模式发生器原理的四足机器人

传统由人工规划产生的步态是比较僵硬的、缓慢的,缺乏灵活的自组织能力,与真正的动物步态存在很大差别.该文提出了机器人生物步态的概念.以生物的中枢模式发生器(central pattern generator, CPG)模型为核心建立四足机器人运动控制系统,建立CPG网络的权重矩阵与步态的对应关系.采用不同的权重矩阵得到四足机器人的典型步态.根据哺乳动物的肢体运动关系,建立机器人膝髋关节运动关系方程.通过仿真验证了基于生物CPG控制机理的机器人节律运动控制方法是有效的,机器人生物步态的实现是可能的.     

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.     

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.      

基于谐波轨迹和中枢模式发生器的工业机器人在线轨迹规划

针对工业机器人周期性点位重复作业的平滑轨迹和在线变更轨迹要求,提出了新的关节空间的在线运动轨迹规划方法.在传统谐波轨迹方法的基础上,通过引入生物体中用于产生节律活动的中枢模式发生器(CPG)模型,设计了适用于工业机器人点位往复运动的改进CPG网络.拾放任务作为点位作业的一个典型实例,被用于证实新方法的有效性.实验仿真结果表明,提出的新方法只需求解初始点与终止点的逆运动学,无需其他附加约束条件即可在笛卡尔空间产生平滑的轨迹并通过CPG参数的调整实现稳定的在线轨迹变更,有效缩短作业时间,有益于提高生产率.     

Multimodal swimming control of a robotic fish with pectoral fins using a CPG network

The neural-based approaches inspired by biological neural mechanisms of locomotion are becoming increasingly popular in robot control.This paper investigates a systematic method to formulate a Central Pattern Generator(CPG) based control model for mul-timodal swimming of a multi-articulated robotic fish with flexible pectoral fins.A CPG network is created to yield diverse swim-ming in three dimensions by coupling a set of nonlinear neural oscillators using nearest-neighbor interactions.In particular,a sensitivity analysis of characteristic parameters and a stability proof of the CPG network are given.Through the coordinated con-trol of the joint CPG,caudal fin CPG,and pectoral fin CPG,a diversity of swimming modes are defined and successfully imple-mented.The latest results obtained demonstrate the effectiveness of the proposed method.It is also confirmed that the CPG-based swimming control exhibits better dynamic invariability in preserving rhythm than the conventional body wave method.     

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。     

变拓扑六重四面体机器人步态规划与仿真

变拓扑多面体机器人是一个多闭链多耦合的连杆机构,现有的变拓扑多面体机器人的步态规划仅仅是根据几何关系来计算,没有考虑运动方向改变和实时计算连杆变化量的复杂性。针对上述问题,提出将变拓扑六重四面体机器人的步态规划与中枢模式发生器(central patten generator,CPG)相结合,其运动方向由有限状态机确定,即确定连杆运动的次序;而CPG网络产生的信号直接驱动变拓扑六重四面体机器人的连杆运动。利用ADAMS进行仿真,实验结果表明利用算法变拓扑六重四面体机器人能根据CPG输出的信号实现翻滚运动。     

基于力反馈-CPG模型的六足机器人控制器

六足机器人的多关节、高耦合、非线性的机械结构使其运动控制成为机器人研究领域一大难题。针对上述问题,本文在Matsuoka振荡器的基础上创新性提出带力反馈神经元的三神经元相互反馈的CPG模型作为六足机器人的运动控制器。在对六足机器人进行运动学建模、运动学分析等数学分析的基础上对三神经元CPG模型建模分析并得到振荡周期波形满足六足机器人节律运动的要求。对力反馈模型进行实物设计并建立对应反馈模型,根据反馈信息对六足机器人运动节律、关节信息等实时调节。最后通过仿真及实物实验证明该CPG模型能够满足维持六足机器人稳定运动的要求,在复杂未知环境中也能够保持机器人的稳定性与适应性,实现复杂环境下的自适应运动。     

Study on dynamics of central pattern generator model for a quadrupedal robot

Based on Matsuoka's central pattern generator(CPG)model and taking quadmped as an example,the dynamics of CPG model was investigated throush the single-parameter-analysis method and the numerical simulation technique.Simulation results indicate that the CPG model exhibits complex dynamics,while each parameter has specifically definitive influenco trends on the CPG output.These conclusions re applied to control a quadrupedal robot to walk in different gaits,clear obstacle,and walk up-and down-slope successfully.     

Study on dynamics of central pattern generator for a quadrupedal robot

Based on Matsuoka's central pattern generator(CPG)model and taking quadmped as an example,the dynamics of CPG model was investigated throush the single-parameter-analysis method and the numerical simulation technique.Simulation results indicate that the CPG model exhibits complex dynamics,while each parameter has specifically definitive influenco trends on the CPG output.These conclusions re applied to control a quadrupedal robot to walk in different gaits,clear obstacle,and walk up-and down-slope successfully.     

Symmetry in locomotor central pattern generators and animal gaits.

Animal locomotion is controlled, in part, by a central pattern generator (CPG), which is an intraspinal network of neurons capable of generating a rhythmic output. The spatio-temporal symmetries of the quadrupedal gaits walk, trot and pace lead to plausible assumptions about the symmetries of locomotor CPGs. These assumptions imply that the CPG of a quadruped should consist of eight nominally identical subcircuits, arranged in an essentially unique matter. Here we apply analogous arguments to myriapod CPGs. Analyses based on symmetry applied to these networks lead to testable predictions, including a distinction between primary and secondary gaits, the existence of a new primary gait called 'jump', and the occurrence of half-integer wave numbers in myriapod gaits. For bipeds, our analysis also predicts two gaits with the out-of-phase symmetry of the walk and two gaits with the in-phase symmetry of the hop. We present data that support each of these predictions. This work suggests that symmetry can be used to infer a plausible class of CPG network architectures from observed patterns of animal gaits.     

水下机器人自适应S面控制

以某机器人为研究对象,使用S(Sigmoid)面控制方法构造了速度控制器并分析了该控制器的稳定性. 参考滑模变结构控制思想,提出了参数自适应S面速度控制器,使控制参数根据运动状态自适应调整. 同时,为了提高S面位置控制器的适应性,改进了控制器的自适应调整项,增强了控制器消除稳态误差的能力,实现了S面控制器局部动态调整. 水池中的对比实验和海洋验证实验表明,改进方法获得了良好的控制效果,有效提高了水下机器人运动控制的适应性.     

基于改进的DDPG算法的蛇形机器人路径规划方法

针对蛇形机器人执行路径规划任务时,面对复杂环境传统强化学习算法出现的训练速度慢、容易陷入死区导致收敛速度慢等问题,提出了一种改进的深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法。首先,在策略-价值(actor-critic)网络中引入多层长短期记忆(long short-term memory, LSTM)神经网络模型,使其控制经验池中信息的记忆和遗忘程度;其次,通过最优化特征参数将CPG(central pattern generators)网络融入强化学习模型,并设计新型网络状态空间和奖励函数;最后,将改进算法与传统算法分别部署在Webots环境中进行仿真实验。结果表明,相比于传统算法,改进算法整体训练时间平均降低了15%,到达目标点迭代次数平均降低了22%,减少了行驶过程中陷入死区的次数,收敛速度也有明显的提升。因此所提算法可以有效地引导蛇形机器人躲避障碍物,为其在复杂环境下执行路径规划任务提供了新的思路。