基于CPG的六足步行机器人运动控制系统研究

根据CPG双层网络的特点,采用分层分布式系统架构研究制了一种机器人运动控制系统.其基于FPGA的星型总线,在保证通信速率的同时提高了系统抗干扰能力.在单足控制器中嵌入双NIOS完成CPG网络解算和电机运动控制.FPGA的灵活使用和外部3-H桥驱动的搭建,可以使单足控制器同时控制3个无刷电机并获得最小的体积.

一种基于万有引力的自生长神经网络算法

为了探索新的CPG神经网络算法,提出了一种基于自生长神经元构建CPG神经网络的方法。首先,基于万有引力定理建立神经元生长锥的运动方程;然后,通过全局搜索算法建立神经元的目标连接算法;最后,以四足机器人为对象建立其步态控制网络,通过数值仿真实验表明,该算法可以有效地建立多种步态网络。

先验性虚拟排斥力约束下带电作业机械臂轨迹控制

由于带电作业中的机械臂需避开电力设备和障碍物,使得后验性约束条件的稳定性较差,进而导致控制曲线误差较大。对此,提出虚拟排斥力约束下的带电作业机械臂运动控制方法。对带电机作业机械臂关节的功能和势能进行计算。使用人工势场法进行障碍物检测,并结合机械臂关节的功能和势能计算具有先验性属性的虚拟排斥力。基于虚拟排斥力对机械臂与障碍物之间距离设置相应的约束。基于设置的约束条件,采用CPG神经网络构建机械臂的运动控制模型。实验结果表明,所提方法的机械臂运动控制位置与目标位置几乎一致,完美贴合目标曲线,并且具有快速的响应能力。

基于CPG原理的仿生机器鱼运动控制

中枢模式发生器(Central Pattern Generator,CPG)是一类存在于无脊椎动物和脊椎动物的中枢神经系统中的神经元电路。近年来,基于CPG的运动控制方法已经被用在各类机器人的控制中,CPG控制拥有在不具有顶层命令和外部信息反馈时可自动产生稳定节律信号的特征。由于复杂的水环境以及在运动过程中仿生机器鱼的速度和方向是连续变化的,因此,对仿生机器鱼的运动控制提出了较高的要求。利用CPG网络作为仿生机器鱼运动控制器时,仿生机器鱼在复杂环境下和参数突变时具有很强的适应能力,使仿生机器鱼产生稳定的游动模态。

基于改进的DDPG算法的蛇形机器人路径规划方法

针对蛇形机器人执行路径规划任务时,面对复杂环境传统强化学习算法出现的训练速度慢、容易陷入死区导致收敛速度慢等问题,提出了一种改进的深度确定性策略梯度(deep determin-istic policy gradient,DDPG)算法。首先,在策略-价值(actor-critic)网络中引入多层长短期记忆(long short-term memory,LSTM)神经网络模型,使其控制经验池中信息的记忆和遗忘程度;其次,通过最优化特征参数将CPG(central pattern generators)网络融入强化学习模型,并设计新型网络状态空间和奖励函数;最后,将改进算法与传统算法分别部署在Webots环境中进行仿真实验。结果表明,相比于传统算法,改进算法整体训练时间平均降低了15%,到达目标点迭代次数平均降低了22%,减少了行驶过程中陷入死区的次数,收敛速度也有明显的提升。因此所提算法可以有效地引导蛇形机器人躲避障碍物,为其在复杂环境下执行路径规划任务提供了新的思路。

基于非线性微分方程的机械臂运动位置控制方法

针对当前机械臂运动位置控制方法存在机械臂关节节点位置的跟踪效果差和机械臂运动位置控制能力差的问题,提出基于非线性微分方程的机械臂运动位置控制方法。首先对机械臂动力学进行分析,获取内部三连杆结构作用原理和机械臂动力学目标函数,再利用坐标求权矩阵重构机械臂动力学目标函数,获取机械臂相关的非线性微分方程,将非线性微分方程的输出结果,即机械臂动力学参数代入CPG神经网络中,构建机械臂运动控制模型。实验结果表明,所提方法的械臂关节节点位置跟踪效果好、机械臂运动位置控制能力强。