基于Rulkov神经元模型的四足机器人适应性行走控制

为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.

非高斯乘性噪声驱动下神经元系统的相干共振

为研究非高斯乘性噪声对神经元系统放电行为的影响,对Rulkov神经元模型进行了数值模拟。通过研究由非高斯色噪声诱导下神经元的放电时间序列,发现了非高斯乘性噪声强度和相关时间影响神经系统的放电行为;采用相干系数R进一步衡量放电行为的规则性,研究并论证了存在最优的噪声强度和相关时间使得相干共振R出现最小值。充分表明非高斯乘性噪声可以诱导神经元产生相干共振现象。