中枢模式发生器网络步态运动

采用相对简单的Rayleigh振荡器作为中枢模式发生器(CPG)控制器,建立网络模型,针对该方法对多神经元耦合描述的不足,在单神经元和双神经元模型的基础上添加一个神经元,建立了三神经元模型。利用该模型分别模拟髋关节、膝关节和踝关节运动,实现了对步态运动过程中腿部各关节的模拟。仿真结果表明,用Rayleigh振荡器构建的CPG能够很好地模拟多神经元的生理特性,Rayleigh振荡器作为CPG控制器建立多神经元网络模型是可行的。     

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。     

基于力反馈-中枢模式发生器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,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中枢模式发生器(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。     

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.     

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。     

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.     

基于CPG的仿蟹机器人复杂地形步态生成方法

为了提高仿蟹机器人的复杂环境适应性,提出一种基于生物神经反射机理的自适应复杂地形步态生成方法。首先,采用互抑神经元振荡器构建仿蟹机器人CPG运动控制网络模型;其次,利用具有良好逼近能力的前馈神经网络将CPG输出的节律信号映射为步行足足端轨迹;然后,在CPG模型中引入基于力传感器触发的反射机制,实现了机器人自适应复杂地形步态生成;最后,通过仿蟹机器人复杂地形运动控制的实验研究,验证所提出的基于生物神经反射机理的自适应复杂地形步态生成方法的有效性。     

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.     

正弦激励禁忌学习神经元模型的动力学分析及混沌电路实现

对具有外部输入正弦激励的禁忌学习神经元模型的动力学行为进行了分析,设计了该混沌系统的振荡器硬件电路,运用电路仿真软件观察了的该系统的周期运动和混沌运动的相图,研究了电路中的非线性动力学现象,经过电路仿真验证了所设计电路的合理性.     

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.     

基于生物反射模型的四足机器人坡面运动控制与越障研究

为了提高四足机器人在包含坡面和障碍物等复杂地形中的运动能力与环境自适应能力,在对四足机器人基本步态研究的基础上,利用生物节律运动和反射控制机理,对四足机器人的适应性行走控制模型进行了研究.建立了适用于四足机器人坡面运动以及越障运动的前庭反射和屈肌反射数学模型,根据该数学模型构建的生物反射控制器与机器人膝、髋关节CPG控制网络有机融合,构成了协调性好、整体性高的控制系统.通过Adams/Matlab联合仿真,验证了所提出控制模型的可行性与有效性.该模型能够有效地使前膝后肘式四足机器人流畅、平稳地完成上下坡运动,并具备自适应越障运动能力.     

耦合CPG神经网络的节律分析

为了研究由中间神经元耦合的CPG神经网络对肢体动物节律性步态运动的动力学特性,本文考虑了2个CPG耦合的神经网络,在外界药物刺激影响下,肢体动物左、右肢节律性步态运动模式的转迁以及中间神经元对步态运动的影响;通过分岔理论确定神经元产生周期放电的参数范围;讨论在外界激励变化下,同侧屈伸肌中心的放电周期、静息阶段、兴奋阶段与振幅的变化规律,并表明外界刺激将影响左右肢的同步和交替模式的转迁;通过移除不同的中间神经元路径,讨论中间神经元对步态运动模式转迁的影响。结果表明：左、右中心在不同耦合情形下表现出相同的特征。     

基于多通道脑电信号模型的研究

首先构建基本神经元群落模型,对三种典型脑电波形进行仿真,在此模型基础上,将模型扩展至多动态神经元群落模型和多通道耦合神经元群落模型.在这两种模型研究中,通过改变模型的耦合参数来模拟不同耦合强度、不同耦合方向下的脑电信号,结果表明,通过调整模型中神经元细胞子群振荡器的权重系数,在多动态神经元群落模型中,模型输出的脑电信号更加丰富,可以低至δ波,高至γ波;在多通道耦合神经元群落模型中,随着耦合系数的增加,低频分量更加明显,当系数足够大时会出现低频单一谱峰.通过模拟针刺刺激,也证实耦合系数的增加能够增强脑电信号间的同步性.     

基于MATLAB语言的电加热炉神经元PID控制的建模与仿真

给出基于MATLAB语言的神经元PID控制器S函数 ,在此基础上建立电加热炉神经元PID控制的SIMU LINK仿真模型 ,最后给出该模型的仿真结果 .仿真结果表明 ,利用该SIMULINK仿真模型可以方便地实现对电加热炉神经元PID控制的研究     

自适应神经元控制器在交流伺服系统中的应用

文章介绍了交流伺服系统的数学模型、组成及其原理,在此模型基础上对交流伺服系统的自学习控制进行了深入的研究;利用神经元的自学习功能实现神经元控制器的在线学习,并以神经元控制器作为交流伺服系统的位置调节器;仿真实验表明,神经元控制器与PID控制器相比具有较强的自适应性和较好的性能。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

一种Rayleigh衰落信道模拟器的设计

提出了一种以FPGA为实现平台的Rayleigh衰落信道模拟器设计方法.该模拟器采用基于正弦波叠加法的改进Jakes仿真模型,其统计特性与Rayleigh衰落信道吻合度较好.该模型的定点仿真和模拟器的仿真实验结果表明,信道模拟器能较好地模拟Rayleigh衰落信道的特性.     

阻尼模型对复杂结构水管桥地震响应分析的影响

与对普通桥梁的抗震性能研究不同,对水管桥研究时需考虑动水压力的影响,以附加质量的形式模拟动水压力对水管桥动力特性和地震响应的影响.阻尼是结构动力响应分析中的重要参数,针对阻尼模型的合理选择进行讨论.水管桥自振特性复杂,对横桥向分别采用Rayleigh阻尼模型、分块Rayleigh阻尼模型进行动力计算;对顺桥向采用Rayleigh阻尼模型进行动力计算.两个方向均以振型叠加法所得结果作为精确解,评价了各阻尼模型的合理性.结果表明:分块Rayleigh阻尼模型更能合理地模拟结构横桥向振动的阻尼特性,而顺桥向按Rayleigh阻尼计算就能得到较好的精度.     

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.