动物运动控制机理及对机器人控制的启示

本文阐述了动物运动的神经控制机理,对具有代表性的节律运动模式发生器、中枢神经系统对运动的控制、反射对运动的调节等神经控制机制进行了分析, 通过几个机器人应用实例的研究,分析了传统控制系统和生物控制系统的区别,提出了应用生物神经系统模型提高机器人运动性能的新思路。     

融合机械元的蛇形机器人循环抑制中枢模式发生器控制方法

针对蛇形机器人中枢模式发生器(CPG)控制中控制信号以及传感信息缺少选择依据的问题,提出了一种融合了机械元的循环抑制CPG控制方法.首先,将蛇形机器人本体动力学方程改造为机械元引入循环抑制CPG模型.其次,提出了改进的Matsuoka神经元,从而使得神经元与机械元具有一致的表达形式.再次,分析了融入机械元的循环抑制CPG模型中的参数关系,并给出了控制信号和传感信息与CPG状态量关系的表达式.最后,利用仿真对所提出的方法进行了验证,并对产生结果进行了分析.该方法中蛇形机器人的控制信号与传感信息都具有明确的定义,且由于用机械元的物理结构代替了神经元的计算,降低了CPG的计算量.     

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.     

基于CPG的沙漠蜘蛛机器人多模式运动控制方法

模仿具有多种运动模式的沙漠蜘蛛,设计了本体为双层六杆5R闭链机构的仿蜘蛛机器人,其中16个主动关节由直流伺服电机控制．提出了基于Hopf振荡器的中枢模式发生器（CPG）运动控制模型,用于实现仿蜘蛛机器人的翻滚、爬行、侧滚等多种运动模式以及步态切换．利用Matlab和ADAMS对仿蜘蛛机器人的多模式运动进行动力学仿真,结果表明机器人可实现连续平稳的翻滚、爬行、侧滚运动,验证了CPG仿生控制方法应用于闭链机器人多模式运动的可行性．     

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.     

基于Labview的舵机驱动爬壁机器人CPG神经网络运动控制的实现研究

针对舵机驱动爬壁机器人的机构特点,提出一种用Labview实现舵机驱动爬壁机器人CPG神经网络运动控制的方法．首先,基于仿生运动控制的概念构建出舵机驱动爬壁机器人神经网络运动控制模型．然后,将机器人的平面自由运动分解成直线运动和转弯运动的组合,并结合CPG神经网络信号波形特点,完成机器人相应的实际运动控制信号的生成与输出．最后,通过机器人平面运动控制的实验研究,验证了所提控制方法的有效性．     

基于模型预测—中枢模式发生器的六足机器人轨迹跟踪控制

为了模仿动物卓越的运动能力和环境适应能力,提出了六足仿生机器人的轨迹跟踪控制方法。首先建立了机器人的运动学模型,接着通过转向参数将机器人的速度和角速度与中枢模式发生器（CPG）参数结合起来,设计了转换函数。然后通过转换函数将模型预测控制器和CPG网络结合起来,提出了基于CPG的模型预测控制器（MPC-CPG）,并证明了其稳定性。最后对机器人跟踪圆周轨迹和直线轨迹进行了仿真和实验。实验表明,在有初始误差的条件下,机器人在MPC-CPG控制器的作用下能够快速地消除位置误差和航向角误差,跟踪上参考轨迹。轨迹跟踪的位置误差始终保持在-0.1～0.1 m,航向角误差保持在-27?～20?。在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,同时还表现出良好的运动平滑性和协调性,进一步验证了所提出的MPC-CPG控制器的有效性。     

机器人的高级运动控制

本文将近年来国际上提出的众多机器人高级运动控制策略纳入控制分解原理的统一体系中.控制一般可以分解为两个部分,其一是非线性补偿部分,它的功能是补偿机器人动力学的非线性,使补偿后的系统成为线性或近似线性;其二是偏差调节部分,它的功能是调节轨线的跟踪偏差.偏差调节部分应具有自适应性或鲁棒性.以便适应机器人大范围运动时动特性的显著变化,达到均匀的高性能.本文最后指出了当前机器人运动控制存在的主要问题及可能的研究方向.     

四足机器人节律柔顺行走控制

针对节律运动突变碰撞力大和柔顺性低的问题,改进基于Hopf振荡器的中枢模式发生器模型,提出一种节律柔顺行走控制方法。分析Hopf振荡器输出信号与关节运动之间的关系,整合膝关节变量,改变神经元之间的作用关系,实现对称步态和非对称步态行走;分析节律运动碰撞力突变对四足机器人行走产生的负面影响,提出基于碰撞力大小和四足机器人身体姿态的柔顺性评估方法;通过连续调整碰撞阶段大腿的摆动幅度,增大摆动周期,减小碰撞阶段的关节运动速度,形成机器人本体与地面之间的缓冲,实现节律柔顺行走。四足机器人慢走步态和对角小跑步态仿真实验验证了该控制方法的有效性。     

基于遗传算法的蛇形机器人CPG模型参数优化

针对蛇形机器人采用的循环抑制CPG模型,为解决CPG控制模型中参数整定效率低、不稳定的问题,阐述基于CPG模型的蛇形搜救机器人控制系统总体方案的设计,提出一种基于遗传算法的CPG控制模型参数优化方法,实现链式CPG网络的节律输出。仿真实现蛇形搜救机器人各关节控制信号的有效输出,仿真结果表明,该方法具有高效、准确、稳定等优点,可有效应用于蛇形搜救机器人的步态控制。     

胸鳍推进型机器鱼的CPG 控制及实现

结合仿生游动机理,针对胸鳍推进型机器鱼提出了一种基于中枢模式发生器（CPG）的运动控制方法． 该模型采用一类振荡频率和幅值可以独立控制的非线性微分方程作为其神经元振荡器模型,通过最近相邻耦合的方 式,对n 个这样的神经元振荡器进行耦合,构建了仿生机器鱼的CPG 网络模型．证明了此模型单个神经元振荡器的 极限环的存在性、唯一性及稳定性．在此基础上,通过对胸鳍推进的运动学分析,导出机器人直游、倒游、胸鳍—尾 鳍协调运动等多种模式的运动控制方法．仿真及实验结果验证了此中枢模式发生器模型的可行性与所提控制方法的 有效性．     

基于GA优化双足机器人步态控制的CPG模型研究

由于传统人工规划产生步态是比较僵硬,缓慢的,缺乏灵活的自组织能力,与真正生物步态存在很大差异;而生物能很好利用中枢模式发生器的自激行为产生有节律的协调运动从而适应多种复杂环境,但普通CPG控制策略又会使关节间出现抖动,影响步态的控制效果;文中提出了以生物中枢模式发生器模型为核心建立双足机器人控制系统,并对CPG的参数进行遗传算法的高效优化,提高了系统性能,消除了关节的抖动;通过MATLAB仿真验证基于GA参数优化的CPG控制机理的双足机器人节律运动控制方法是有效的,并得到了很好的控制效果。     

Walking Robots and the Central and Peripheral Control of Locomotion in Insects

This paper outlines aspects of locomotor control in insects that may serve as the basis for the design of controllers for autonomous hexapod robots. Control of insect walking can be considered hierarchical and modular. The brain determines onset, direction, and speed of walking. Coordination is done locally in the ganglia that control leg movements. Typically, networks of neurons capable of generating alternating contractions of antagonistic muscles (termed central pattern generators, or CPGs) control the stepping movements of individual legs. The legs are coordinated by interactions between the CPGs and sensory feedback from the moving legs. This peripheral feedback provides information about leg load, position, velocity, and acceleration, as well as information about joint angles and foot contact. In addition, both the central pattern generators and the sensory information that feeds them may be modulated or adjusted according to circumstances. Consequently, locomotion in insects is extraordinarily robust and adaptable.     

轮式移动机器人曲线行走控制的实现

从实用的角度出发,对轮式移动机器人沿曲线轨迹行走的控制进行了研究。设计了电机伺服控制系统和定位模块来实现机器人的运动控制系统功能,并基于移动机器人动力学模型设计了稳定有效的曲线行走控制算法。机器人沿抛物线和椭圆轨迹行走的实验结果表明,移动机器人曲线行走控制的硬件结构和软件功能是可行实用的,该户外轮式移动机器人运动控制系统的结构设计和功能设计符合实用要求,具有一定的应用价值。     

面向蛇形机器人的三维步态控制的层次化联结中枢模式生成器模型

提高蛇形机器人的三维运动控制能力是提高蛇形机器人环境适应能力的关键之一. 虽然联结中枢模式生成器(Connectionist central pattern generator, CCPG)模型具有复杂度小、适合硬件实现等优点, 但是目前的CCPG模型难以生成相位协调的多自由度运动的控制信号,从而限制了它的三维步态控制能力. 本文根据生物CPG机制的分层结构和运动神经元的功能,提出一个有层次化结构的CCPG (Hierarchical CCPG, HCCPG)模型. HCCPG模型由基本节律信号生成层、模式形成层、运动信号调整层这三个部分组成. 运动信号调整层的运动神经元能够独立地对模式形成层的输出信号的幅值、相位等进行调整,从而较好地 解决了CCPG模型难以生成相位协调的多自由度运动控制信号的问题. HCCPG模型具有步态控制能力强、复杂度小、有良好的扩展性等优点,从而适合用于控制三维步态. 在HCCPG模型的基础上提出一个三维步态控制方法.仿真验证了这个控制方法的有效性.     

基于循环抑制CPG模型控制的蛇形机器人蜿蜒运动

根据生物蛇和蛇形机器人的结构及运动特点,应用循环抑制CPG建模理论构建了蛇形机器人神经网络模型;利用蛇形机器人模型,仿真验证了CPG模型对蜿蜒运动控制的有效性;提出并仿真验证了实现有目的转弯控制的CPG参数调节方法。最后,给出了今后的研究方向。     

自由飞行空间机器人系统的协调运动控制

考虑由载体和机械臂组成的空间机器人系统的协调控制问题,提出了一种新的协调控制策略.该策略首先利用简单的变结构控制器粗略控制载体的运动,进而设计机械臂控制器以保证手端精确跟踪其期望的运动轨迹.应用该策略分别对手端自由运动和受限运动设计了相应的控制器,并对两杆平面空间机器人系统进行了仿真,证实了控制策略的有效性.