基于中枢模式发生器的机器人足端轨迹规划

提出一种仿生足端轨迹控制法,与传统方法相比,该方法用单个CPG神经元,将振荡器产生的轨迹直接作用于六足机器人足端,通过逆向求解各关节角度,节律摆动机器人各足实现横向行走。可调节CPG振荡器中的负载因子,周期,幅值等参数,实现六足机器人足端轨迹中的步距,步幅以及在摆动相过程中的前摆轨迹和后摆轨迹调节。通过Matlab与Coppeliasim联合仿真,验证了改进后的模型应用在足端轨迹的可行性,与传统方法相比,参数调节灵活性高,并发处理效果好。

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。

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.

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。

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。

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.

脊髓步行中枢模式发生器

一般认为,哺乳动物(包括人在内)都是通过脊髓步行中枢模式发生器(CPG)控制步行运动,而CPG网络的边界是灵活的,脊髓损伤后脊髓步行CPG可实现网络重组。研究显示,减重步行平板训练(BWSTT)可使脊髓横断猫完全恢复后肢步行能力;临床也发现,脊髓损伤患者可通过BWSTT提高步行能力,表明脊髓可能具有运动学习的能力。因此,如何利用脊髓步行CPG的神经可塑性,为脊髓损伤患者制定最佳的步行训练方案,是令人关注的问题。

基于自学习中枢模式发生器的仿人机器人适应性行走控制

为了克服传统中枢模式发生器(Central pattern generator,CPG)关节空间控制方法的复杂性和局限性,本文基于自学习中枢模式发生器模型,提出了一套在线调制和融合多传感器信息的仿人机器人环境自适应行走控制方法.算法难点在于如何在机器人的工作空间将自学习CPG用于工作空间轨迹生成,并使CPG参数直接和步态模式相关联.本文提出了利用自学习CPG来学习和实时生成机器人质心轨迹和脚掌轨迹的方法,在线调节机器人步长、抬腿高度和步行速度等关键参数.参考生物反射行为,利用传感反馈信息激发CPG以产生具有环境适应性的工作空间轨迹,提升行走质量.控制系统的参数通过优化算法来进一步改善行走性能.相比于传统的CPG关节空间法,本文所采用的自学习CPG工作空间法不仅极大简化了CPG网络结构而且提高了仿人机器人行走的适应性.最后,通过仿人机器人坡面适应性行走的仿真和实验,验证了所提出控制策略的可行性和有效性.

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。

基于中枢模式发生器控制的电刺激步行康复系统设计与实验

研发功能性电刺激(FES)康复系统来实现下肢瘫痪病人的行走运动。控制器采用基于中枢模式发生器(CPG)的仿生控制机理。针对基于递归神经振荡器的CPG模型,研究关键参数(激励性输入、时间常数、感觉反馈、输出阈值)对CPG输出幅值、频率、相位以及占空比的影响。建立包含12个神经元的CPG网络,以控制双腿的4个关节(左/右髋关节和膝关节)和八组肌群(左/右髂腰肌、臀大肌、股直肌和腘绳肌)。所搭建的实验系统和平台,包括悬吊减重系统、助行系统、电刺激系统和运动检测系统。在正常受试者参与的实验中,受试者在CPG控制的电刺激作用下产生非自主行走运动。实验结果表明,受试者双腿的髋关节和膝关节角度与正常人自主行走时的数据达到定性吻合,验证所设计的CPG控制器在FES康复系统中的可行性与有效性。

基于中枢模式发生器的膝上假肢测试系统

利用Rayleigh振荡器建立了膝上假肢的髋关节上下位移量、转角和膝关节转角等变量间的数学关系模型及其构成的中枢模式发生器,分析了该中枢模式发生器中各振荡器控制参数的解算方程。提出并设计了1种由基于中枢模式发生器的系统控制器和大腿运动模拟装置组成的膝上假肢测试系统。测试结果表明,该系统能产生模拟人体髋关节上下运动、转动的运动曲线和膝关节转动的运动曲线,可在5s内达到稳定的期望振荡;具有抗扰动特性,受到扰动时能在15s内恢复稳定振荡;能够在线调节幅值和频率等控制参数。

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仿人机器人步态规划

对Matsuoka振荡器进行了分析,根据仿人机器人步态规划的要求,选用Matsuoka振荡器构建了中枢模式发生器(CPG)网络;采用遗传算法(GA)来调整网络的参数,解决了关键的网络参数调整的问题;根据CPG网络的输出结果,控制仿人机器人的相应关节,实现了仿人机器人基本步态规划。通过ADAMS进行了仿真,结果表明,该控制策略具有较理想的效果,并且原理简单,易于实现。

基于Hopf振荡器的一种中枢模式发生器研究

选用通用的Hopf振荡器为神经元构造了一种新型的生物神经中枢模式发生器单元模型,解决了现有关节式仿生机器人关节驱动振荡信号波形不可调控的问题。该模型具有动态特性并采用非线性方程(组)描述动力学行为,包括总和效应、阈值效应、适应性(疲劳)、兴奋与抑制、延时等特性。

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.

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.

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。

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。

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.