基于中枢模式发生器的机器鱼分层闭环控制方法

为实现多关节仿生机器鱼自主巡航及柔性游动的同步控制,采用双向链式最近相邻耦合方式,构建了基于Hopf振荡器的中枢模式发生器(CPG)网络模型,并分析了控制参数与机器鱼游动模态之间的关系。在此基础上,提出了一种基于CPG的分层闭环控制方法,利用传感器网络获取机器鱼的状态信息及环境信息、粒子群-人工势场法进行机器鱼的避障及路径规划、模糊控制器进行轨迹跟踪、具有耦合反馈机制的CPG网络模型生成节律控制信号。最后,进行了机器鱼多个游动模态、模态间的平滑切换、自主巡航和避障的仿真和实验研究,仿真与实验结果验证了所提控制方法的可行性和有效性。

动物运动指令的中枢模式发生器对机器人运动控制的启示

动物运动指令的中枢模式发生器(central pattern generator,CPG)在动物的节律运动中发挥着重要的作用,对机器人的仿生控制方法研究具有借鉴意义.首先介绍了CPG的神经环路和控制机制,然后分析了组成CPG的非线性振荡器的典型数学模型,接着介绍了利用CPG进行机器人运动控制在国内外的发展现状,最后展望了其应用前景.

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.

基于中枢模式发生器的仿生机器狗步态控制的应用研究

由于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;文章提出了机器狗生物步态的概念;以生物的中枢模式发生器CPG模型为核心建立仿生四足机器狗运动控制系统;根据哺乳动物的肢体运动关系,建立机器狗膝髋关节运动关系方程,并设计系统软硬件;设计的控制器能够有效地克服机器狗关节轨迹跟踪控制中耦合、力矩非线性等因素的影响,且具有自适应能力;通过仿真验证了应用于机器狗的生物CPG控制机理的控制方法是有效的。

基于中枢模式发生器的步态控制策略的研究

(南京师范大学数学与计算机科学学院,江苏南京210097)[摘要]针对基于仿生学原理的足式机器人步态控制方法,探讨了基于细胞神经网络(CNN)的中枢模式发生器(CPG)实现机器人运动控制的基本思想及不足.提出了基于模糊神经网络(FNN)和CNN的CPG步态控制模型,给出了CNN中自动波稳定性的数值判别方法.FNN与遗传算法(GA)相结合形成的调整机制的引入,增强了系统的抗干扰能力.仿真结果表明,此控制策略具有较理想的效果,并且原理简单,易于实现.

中枢模式发生器在机器人控制领域的应用

随着仿生机器人技术的迅猛发展,基于中枢模式发生器的运动控制方法逐渐成为该领域的研究热点。中枢模式发生器是对生物运动控制神经网络的仿生,对于机器人的节律运动控制具有很大的优越性。文章首先介绍了中枢模式发生器的概念及特点,然后详细介绍了典型的中枢模式发生器模型及其对仿生机器人运动的控制。

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。

步态中枢模式发生器对脑卒中偏瘫患者步行能力的影响

目的:探讨步态中枢模式发生器对脑卒中偏瘫患者步行能力的影响。方法:将80例脑卒中偏瘫患者随机分为治疗组(观察组)40例和对照组40例,两组患者均采用常规康复方法进行治疗,观察组还另外采用激活步态中枢模式发生器(CPG)的运动训练方法。两组患者总疗程均为1个月。分别在康复治疗前后采用Fugl-Meyer下肢运动功能量表(FMA)、改良Ashworth量表(MAS)、Holden步行功能分级量表(FAC)进行评定,同时选用足印分析法测量并记录步行时的时间距离参数的变化,分析步态的改善情况。结果:患者经过激活步态CPG的运动训练方法训练后,其FMA、FAC评分与治疗前相比差异有显著性意义(P<0.05),步行时间距离各参数也均有不同程度的改善(P<0.05)。结论:激活步态CPG的运动训练方法能提高脑卒中偏瘫患者的下肢运动功能和实际步行能力,改善步行的步态。

仿尺蠖机器人曲面爬行步态分析与中枢模式发生器规划

风电叶片爬壁机器人的曲面爬行步态是研究难点。为此建立了含3个T型和2个I型关节的5自由度仿尺蠖机器人机构模型;通过几何关系分析机构对球曲面的适应性,基于吸附稳定状态建立关节角度幅值与曲率半径之间的函数关系,采用余弦函数设计翻转步态轨迹;基于反馈学习方法、自适应频率Hopf振荡器和Kuramoto耦合,设计关节中枢模式发生器(CPG)单元及其网络;通过学习平面翻转步态得到CPG网络参数初值,再通过在线调节关节角度幅值规划球曲面翻转步态。通过Matlab和Adams联合仿真分析了CPG网络的稳定性;进行了实物样机测试,测试了在叶片曲面上的翻转步态。研究结果表明,利用吸附稳定所需角度幅值可将平面步态调节为曲面步态,CPG在线调节步态规划方法有效。

步行中枢模式发生器的研究进展

中枢模式发生器（central pattern generator．CPG）是一个概念性结构，研究显示以步行训练为代表的康复措施促进脊髓损伤患者步行功能改善，机制主要与损伤部位尾侧的步行CPG可塑性有关。然而，目前对于步行CPG的解剖结构及可塑性机制并不完全清楚。笔者对步行CPG的研究进展综述如下。

节律性步态运动中CPG对肌肉的控制模式的仿真研究

以神经振荡器理论和Dingguo Zhang等人研究的CPG模型为基础,结合了神经生物学和生物动力学的观点,并根据人体腿部的肌肉结构修正了Dingguo Zhang等提出的中枢模式发生器(CPG)的数学模型.修正后的CPG模型突破了原来仅反映单腿的节律性运动的局限性,能够更好地描述步态运动中双腿的节律性与协调性,使得修正后的CPG模型与实际情况更为一致.依据本文所提出的修正模型所做的数值模拟结果表明,我们所得到的CPG的输出模式能够很好的表现出人体节律性步态运动中神经系统的调节作用.

柔性胸鳍推进仿蝠鲼机器鱼CPG运动控制

文中以蝠鲼为仿生对象,提出了一种基于柔性胸鳍推进的仿蝠鲼机器鱼设计方案,并针对该机器鱼设计了基于中枢模式发生器(CPG)的运动控制策略,进行了控制参数的影响分析与多种运动模态的性能测试。首先,对蝠鲼的运动特征进行了分析,在实际仿生功能需求下提出了仿蝠鲼机器鱼的整体设计方案。然后,为实现仿蝠鲼机器鱼在不同游动模式下的稳定游动及连续平稳切换,设计了一种CPG运动控制方法,并分析了各控制参数对CPG拓扑网络结构输出信号的影响。最后,对仿蝠鲼机器鱼的机动性进行了进一步的游动测试,验证了仿蝠鲼机器鱼能在水下灵活实现直线巡游、转向及浮潜等多种运动模态,具有出色的运动性能和应用前景。

基于CPG的六足机器人运动控制方法研究综述

以六足机器人为研究对象,分析了中枢模式发生器(CPG)的国内外发展现状,揭示其主要是以振荡器作为控制器进行信号输出。针对如何搭建CPG模型,以Hopf振荡器为例进行模型搭建和改进,搭建六足机器人实验平台验证CPG模型控制六足机器人步态运动是可行的。最后对基于CPG的六足机器人发展进行了展望。

基于模型预测的四足机器人运动控制

针对具有多自由度的四足机器人,结合中枢模式发生器(CPG)和模型预测控制机理(MPC),提出2种模型融合的神经控制方法.该方法以模型预测原理为基础,通过模拟生物神经控制机制,构建腿足机器人行为运动神经控制架构.该架构能够处理外部环境信息,自适应调节机身和腿部位置,实现机器人位置跟踪、全向运动和多种非典型步态.实验结果表明,基于MPC-CPG控制架构的机器人可以快速响应并消除位置误差和角度误差,机身轨迹跟踪的位置误差始终保持在−0.1~0.1 m,姿态角误差保持在−0.05~0.05 rad.在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,还表现出行为多样性,验证了所提出的MPC-CPG控制器的有效性.

基于CPG的并联腿四足机器人步态控制

并联腿结构的四足机器人具有承载能力强、刚度大、运动精度高的优点,但控制复杂。为更好地控制,提出了一种串联结构等效方法对并联腿进行了分析,结合中枢模式发生器(CPG)对等效的髋、膝关节进行控制,从而实现四足机器人不同步态,并利用ADAMS与MATLAB/SIMULINK软件搭建了四足机器人的虚拟样机与控制系统。仿真实验结果表明,串联等效分析方法能够应用于并联腿结构,CPG可实现四足机器人的Walk与Trot步态,验证了该方法的可行性与有效性。

基于模型预测—中枢模式发生器的六足机器人轨迹跟踪控制

为了模仿动物卓越的运动能力和环境适应能力,提出了六足仿生机器人的轨迹跟踪控制方法。首先建立了机器人的运动学模型,接着通过转向参数将机器人的速度和角速度与中枢模式发生器(CPG)参数结合起来,设计了转换函数。然后通过转换函数将模型预测控制器和CPG网络结合起来,提出了基于CPG的模型预测控制器(MPC-CPG),并证明了其稳定性。最后对机器人跟踪圆周轨迹和直线轨迹进行了仿真和实验。实验表明,在有初始误差的条件下,机器人在MPC-CPG控制器的作用下能够快速地消除位置误差和航向角误差,跟踪上参考轨迹。轨迹跟踪的位置误差始终保持在-0.1~0.1 m,航向角误差保持在-27?~20?。在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,同时还表现出良好的运动平滑性和协调性,进一步验证了所提出的MPC-CPG控制器的有效性。

机器海豚多模态游动CPG控制

受自然界海豚超凡的水中游动技能启发,机器海豚在军事和民用上具有潜在的广泛应用前景,因此受到研究人员的极大关注.然而,要实现机器海豚在水中自如地机动游动,必须为机器海豚设计一个具有丰富游动技能的多模态控制器.为此,通过振荡器建模与分析、中枢模式发生器(Central pattern generation,CPG)与机器海豚关节配对、CPG单元间耦合等环节建立了机器海豚的链式弱耦合CPG运动控制模型,提出一种基于CPG激发产生多模态振荡波形控制机器海豚运动的方法.详细阐述了机器海豚样机研制、控制器设计、运动控制实现与实验测试等内容.向前直游、转弯、浮潜等游动实验结果验证了所提出的机器海豚CPG运动控制方法的有效性和实用性.

模块化机器人的双输出CPG网络调相运动控制

为了增强模块化机器人的灵活性,以及对其多模式运动进行更简单有效地控制,结合阵列式和串联式自重构机器人的特点,设计基于万向式关节的双自由度UBot模块,并根据两个关节之间的相互抑制关系,结合生物学的中枢模式发生器(CPG)运动控制原理,设计具有双输出的CPG网络调相运动控制器.通过调整CPG间的连接权重以及每个CPG中两组输出的关系,调解运动控制信号间的相位差值,有效地控制UBot模块化机器人的整体协调运动.应用这种控制方法控制了模块化机器人的3种运动模式:四足运动、蠕动和多节虫运动,在ADAMS仿真环境下进行了运动仿真实验,并在UBot模块化自重构平台上分别进行了3种构型的实体运动试验.实验结果验证了双输出CPG调相网络对模块化机器人运动控制的有效性和实用性.

基于CPG原理的机器人运动控制方法

将生物控制论的研究成果应用于机器人领域是提高机器人运动能力的一种新思路和新方法。本文介绍了动物的运动控制机理 ,节律运动控制网络的结构和特性 ,对基于生物中枢模式发生器的机器人运动控制的建模。

胸鳍推进型机器鱼的CPG控制及实现

结合仿生游动机理,针对胸鳍推进型机器鱼提出了一种基于中枢模式发生器(CPG)的运动控制方法.该模型采用一类振荡频率和幅值可以独立控制的非线性微分方程作为其神经元振荡器模型,通过最近相邻耦合的方式,对n个这样的神经元振荡器进行耦合,构建了仿生机器鱼的CPG网络模型.证明了此模型单个神经元振荡器的极限环的存在性、唯一性及稳定性.在此基础上,通过对胸鳍推进的运动学分析,导出机器人直游、倒游、胸鳍—尾鳍协调运动等多种模式的运动控制方法.仿真及实验结果验证了此中枢模式发生器模型的可行性与所提控制方法的有效性.