双足机器人的混沌神经元CPG学习控制.docVIP

  双足机器人的混沌神经元 CPG 学习控制# 陈清贵，王志鹏，何斌** （同济大学电子与信息工程学院，上海 201804） 5 10 摘要：混沌神经元的输出具有很多人类智能行为的类似特征，被认为是人工智能的重要方法； 而机器人的 CPG 控制被认为是最实用的机器人控制方法。本文根据混沌神经元的特点，采 用 Pasemann 提出的双混沌神经元模型作为 CPG 单元，针对双足机器人的行走特点，设计了 双足机器人的混沌 CPG 网络控制行走模型，建立了混沌神经元的周期态输出到机器人行走 模式的映射，尝试提出响应的 CPG 模型参数的学习方法，并用 Matlab 进行了双足机器人的 行走步态仿真。仿真结果说明了混沌 CPG 控制网络结构在双足机器人行走控制上的可行性 和有效性。 关键词：机器人；混沌；CPG；学习 中图分类号：TP242 15 Biped Robot Learning Control Based on Chaotic Neuron CPG Chen Qinggui, Wang Zhipeng, He Bin (School of Electronics and Information, Tongji University, Shanghai 201804) 20 25 30 35 40 Abstract: The chaotic neuron output has many similar characteristics of human intelligent behavior, and robot CPG control is considered to be the most practical method of robot controlling. According to the characteristics of chaotic neurons, using dual chaotic neuron model raised by Pasemann as CPG unit, Chaos CPG control network model of biped robot walking is designed on the basis of biped robot walking characteristics. Mapping periodic state output of chaotic neuron into the robot walking pattern is found, and learning method of responsive CPG model parameters is proposed. The simulation results of biped robot gait with Matlab show the feasibility and effectiveness of the Chaotic CPG control network structure on biped robot walking control. Key words: Robot; Chaos; CPG; Learning 0 引言 大量的动物实验表明生物的神经系统存有许多不规则的混沌现象，而混沌理论可用来解 释神经系统中某些不规则的活动[1]。由混沌神经元构造的人工神经网络比经典的人工神经网 络具有更加多样和复杂的动力学特性，其吸引子存在整体的吸引性和小扰动的稳定性，使得 混沌系统具有一定的模式识别和控制能力[2]。混沌控制理论已成为一种新的非线性动力系统 控制方法，在机器人控制等领域已成为重要研究课题[3-5]。 在自然界中，动物的运动具有一般的节律性，在时间和空间上表现为对称的周期性运动。 生物学家普遍认为，这种节律行为是由位于脊髓（脊椎动物）或胸腹神经节（无脊椎动物） 中的中枢模式发生器（CPG）控制[6-8]。CPG 网络结构较为简单，但具有相当的灵活性，可 通过调节网络参数以产生适应不同环境要求的节律行为信号[9-10]。而此周期规律性恰好跟生 物的 ECG 信号也是相似。本文采用 Pasemann[11-13]提出的双混沌神经元模型作为 CPG 单元， 在 CPG 单元中的每个混沌神经元通过彼此间相互耦合生成或混沌或不同周期的信号。将生 成的周期信号运用在双足机器人上，以控制机器人的不同步态。 基金项目：高等学校博士学科点专项科研基金（20110072110016） 作者简介：陈清贵（1988-），男，硕士研究生，主要研究方向：机器人控制 通信联系人：何斌（1975-），男，教授，主要研究方向：机器人控制，无线传感网络. hebin@tongji.edu.cn -