基于神经动力学的水下目标观测路径规划

针对水下工程应用中的自治水下机器人目标观测的路径需求问题,提出基于生物启发神经动力学的路径规划方法,在二维栅格地图的基础上,建立二维生物启发神经网络模型,引入来自目标观测任务区域的激励信号和障碍物的抑制信号,任务区域能够全局地吸引机器人,障碍物对机器人具有局部排斥作用,从而使得机器人能够近距离观测目标。仿真结果表明,在未知的动态水下环境中,机器人能够有效规避障碍物,自主规划出目标观测路径和返航路径。

海流环境下多AUV多目标生物启发任务分配与路径规划算法

针对多障碍物海流环境下多自治水下机器人(AUV)目标任务分配与路径规划问题,本文在栅格地图构建的基础上给出了一种基于生物启发神经网络(BINN)模型的新型自主任务分配与路径规划算法,并考虑海流对路径规划的影响.首先建立BINN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;接着,比较每个目标物在BINN地图中所有AUV的活性值,并选取活性值最大的AUV作为它的获胜AUV,实现多AUV任务分配;最后,考虑常值海流影响,根据矢量合成算法确定AUV实际的航行方向,实现AUV路径规划与安全避障.海流环境下仿真实验结果表明了生物启发模型在多AUV水下任务分配与路径规划中的有效性.

基于生物启发的水下机器人路径跟踪控制

针对常规反步控制方法在路径跟踪中出现的速度跳变与推进器驱动饱和等问题,将生物启发神经动力学模型应用到水下机器人路径跟踪控制中。利用生物启发神经动力学模型的渐变和有界输出等特性,设计基于生物启发的反步路径跟踪控制器,并同传统反步跟踪控制器进行对比分析。仿真结果表明:在较大的初始跟踪误差下,所设计的跟踪控制器可以有效克服水下机器人跟踪控制中的速度跳变,避免推进器的驱动饱和,满足水下机器人推进器的推力约束。

高等神经网络模型 生物神经元中的非线性动力学和随机特性

本书为表现出非线性随机动力学特点的神经结构提供一个完整的研究概况，引入高等的神经网络模型来阐述神经动力学；并概述利用电路进行神经动力学的模拟方面的主要发现，以及运用动力系统的理论考察它们的稳定性。

含神经控制的下肢肌骨系统正向动力学分析

为探讨运动生物力学建模与分析的基础性问题,以下肢步态为研究对象建立了包含神经兴奋肌肉收缩动力响应和肌肉肌腱动力特性在内的下支系统正向动力学分析模型,并针对自然步态的运动过程,采用参数最优化方法进行了模拟计算。计算结果与实验测量的比较表明:正向动力学方法可将肢体运动状态、肌肉收缩力、神经控制信号等联系起来,求解人体步态的控制模式。该文建立的模型和计算方法为下肢运动的模拟分析和人体冗余运动控制机理的研究提供了基本的分析工具。

基于生物启发神经网络和DMPC的多机器人协同搜索算法

针对多机器人在未知区域的覆盖搜索问题,提出一种基于生物启发神经网络和分布式模型预测控制(DMPC)的多机器人协同搜索算法.利用栅格地图表示未知区域,基于栅格地图建立生物启发神经网络来表示动态搜索环境,生物启发神经网络中未搜索栅格的神经元活性值大于已搜索栅格和障碍物栅格.在此基础上,为了平衡机器人覆盖搜索过程中的短期收益和长期收益,避免后期陷入局部最优,引入DMPC作为决策方法.选择预测周期内机器人所覆盖栅格的神经元活性值增量作为主要激励函数,引导机器人向未覆盖区域搜索,并采用差分进化算法(DE)进行优化求解,得到最优解.最后通过设计仿真实验验证了所提出方法的有效性和优越性.

无人机3D航迹规划及动态避障算法研究

规划一条高时效且低代价的三维(3D)航行轨迹,成为目前无人机广泛应用亟须解决的问题。针对蚁群算法在航迹规划中出现的航迹长度和平滑性不足问题,通过改进蚁群系统中的节点移动规则、构造多重启发信息并结合粒子群优化算法的全局搜索能力,提出了蚁群粒子群融合算法。同时,就飞行航迹中出现的动态避障问题和目标点变化问题,提出了改进生物启发神经动力学模型算法,该算法针对3D静态最优航迹中出现的障碍物和目标点变化,实现了局部在线航迹调整。实验仿真结果表明,蚁群粒子群融合算法能在3D静态环境中规划出一条期望航迹。同时,改进生物启发神经动力学模型算法不仅能对突发障碍动态避障,还能对动态目标点变化实时跟踪。

基于BISOM的多AUV任务分配和路径规划算法

针对三维水下障碍物环境的多AUV（Autonomous Underwater Vehicle）任务分配与路径规划问题,提出了一种生物启发自组织任务分配和路径规划算法.首先,利用自组织神经网络SOM（Self一Organizing Map）将水下目标分配给一组AUV,这个过程包括自组织神经网络的初始权值的定义、获胜神经元的选取、邻域函数的计算;其次,针对传统SOM 路径规划更新的速度跳变与安全避障问题,将生物启发神经动力学模型（BINM： Biological Inspired Neural Dynamics Model）嵌入自组织神经网络之中,利用生物启发神经动力学模型进行自组织神经网络权值的更新,从而可以规划出一条无速度跳变、无碰撞的有效路径,实现多AUV 自适应任务分配与有效路径规划.最后,为了验证所提出方法的有效性,给出了仿真实验结果.

基于改进的A~*算法在三维路径规划中的仿真应用

针对无人机路径规划中全局静态路径优化和局部动态避障的需求,提出一种基于生物神经动力学模型的改进A^*算法实现全局冬天路径规划。建立生物神经动力学模型,并应用该模型实时获取环境中的动态障碍物信息,通过神经元的活性值来引导无人机的局部动态避障。设计了一种A^*算法的优化启发函数,有效地减少A^*算法在全局路径搜索过程中的节点数量,提高A^*算法的全局搜索效率。最后,将生物动力学模型中神经元的活性值融入到A^*算法的实际代价函数中,融合算法保证了A^*算法在全局路径优化的性能,又秉承了生物神经动力学模型的局部实时避障能力。静态路径和动态路径下仿真结果表明:与生物动力学模型相比,该融合算法考虑到实际代花费问题,能够在动态和静态环境下规划出一条低代价的全局路径;与A^*算法相比,该融合算法可提高全局搜索效率,且实现实时动态避障性能。

3维复杂山地环境下旋翼无人飞行器高时效航迹规划策略

针对3维复杂山地环境中执行无碰撞低空飞行任务的旋翼无人飞行器,提出了一种高时效、低代价的航迹规划策略,设计并采用了改进的稀疏A*算法和生物启发神经动力学模型的融合算法.该算法在稀疏A*全局优化搜索的基础之上融入生物启发神经动力学模型来调整局部航线以加快最优航迹的形成,并运用神经动力学模型来实时获取和处理环境中的局部动态信息,实现了融合算法的在线规划能力,从而解决了传统最优路径搜索算法无法实现的动态规划的难题.通过在3维空间中设置多峰山地,尤其是凹形山体作为障碍进行仿真实验,实验结果表明,该融合算法不仅降低了A*算法的复杂度和耗时,而且改善了生物启发神经动力学模型尚未考虑的代价花费问题,更能够在线应对任务空间中的突发威胁,使旋翼无人飞行器在动、静态障碍物相结合的复杂环境下能够规划出一条安全、快速抵达目标点的低代价且优质的航迹.

人体肘关节复合运动的建模及协调控制

为探讨人体上肢生物力学建模的基础性问题,建立了包括肌肉肌腱动力特性和神经兴奋肌肉收缩动力学方程的肘关节系统生物力学模型,并针对该关节快速屈曲和旋前复合运动过程,采用最优控制方法进行分析计算。计算结果与实验测量结果在肌肉力矩、肌电信号和肌肉活性参数等方面均很好符合;同时利用模型分析了肌肉协调运动模式。结果表明:在复合运动过程中,神经系统会将肌肉结成不同的协同肌群,并控制3组不同的协调肌群按照特定的时序结构去执行运动的加速、制动和姿态控制。