基于BMI模型的三关节假肢运动的优化控制

生物神经系统一直以来被作为机器人控制器的研究灵感之一,人们试图借用以生物为启发的控制模型来控制外部设备,使得其能达到类似生物般的运动效果.鉴于此,以一种模拟大脑皮层神经元放电活动为基础的闭环脑-机接口(BMI)模型为控制器,控制简化后的三关节人工假肢完成目标位置的抓取动作,并在给定目标距离下,建立三关节假肢的简化模型,由此提出时间与动能的损失函数以描述假肢运动过程产生的损耗.最后利用一种贝叶斯迭代算法求取假肢的最佳运动方式,使其在完成目标抓取动作时损失函数值最小,进而完成对假肢运动控制的优化并取得较好的控制效果.

基于Actor-Critic和神经网络的闭环脑机接口控制器设计

在皮层神经元放电活动模型的基础上进行单关节自发运动的研究,从控制理论的角度分析闭环脑机接口的工作原理.使用卡尔曼滤波器和人工神经网络设计系统的解码器替代原系统的脊髓电流,并且比较这两种解码器的优劣.由于在无感知反馈的信号下,解码器的性能下降得比较明显,使用强化学习中Actor-Critic算法结合人工神经网络设计PID控制器,用以产生刺激信号来刺激大脑皮层神经元,使其能够跟踪有感知反馈信号时皮层神经元的放电活动,从而恢复解码器的性能.最后,通过与其他控制算法对比,验证了基于强化学习算法的人工感知反馈信号设计的有效性.