仿生机器人运动控制神经网络的构建方法
【专利说明】仿生机器人运动控制神经网络的构建方法 技术背景
[0001] 中枢模式发生器（CentralPatternGenerator,简称CPG)是生物运动控制神经网 络的一个重要组成部分，它可W在没有外部感官信息反馈的情况下产生节律输出。为了利 用中枢模式发生器进行仿生机器人的控制。许多研究人员进行了仿生机器人运动控制神经 网络构建的研究。运些中枢模式发生器构建方法概括起来可W分为=类：振荡器CPG、生物 神经元CPG和连接CPG。其中，振荡器CPGW其结构简单，运算量小等特点被广泛应用到仿 生机器人的控制中，然而由于现有的振荡器都不同程度的存在一些缺点，在仿生机器人运 动控制神经网络的构建方面还存在较多的困难。在运些振荡器中，Matsuoka所提出的由两 个具有疲劳特性漏积分器神经元通过相互抑制构成的振荡器成为仿生机器人运动控制神 经网络构建中应用比较广泛的振荡器之一。然而，此振荡器在运动控制神经网络构建方面 仍然存在较多的问题，如不能包含兴奋性连接、网络拓扑结构构建比较困难等。
【发明内容】
[0002] 本发明所要解决的技术问题是针对现有技术关于仿生机器人运动控制存在的问 题，给出一种新的神经元振荡器W及W其为基础的新运动控制神经网络的构建方法，W解 决现有仿生机器人仿生控制中遇到的困难和问题。
[0003] 本发明所要解决的技术问题是通过W下的技术方案来实现的。本发明是一种仿生 机器人运动控制神经网络的构建方法，其特点是：
[0004] 该方法W新型神经元振荡器作为基础；
[0005] 所述的新型神经元振荡器通过建立了一个神经元模型，然后将两个神经元之间通 过抑制性突触相互连接，构成一个振荡器模型；所述的神经元模型，在具有疲劳特性的漏积 分器神经元模型基础上，增加输出饱和和自兴奋性特性后，形成了一个神经元模型；其中， 所述神经元模型的输出，采用非线性函数表示，且该非线性函数满足当0时，输出具有 饱和特性，当x< 0时，神经元没有输出；
[0006] 所述的运动控制神经网络的构建方法，是利用新型神经元振荡器作为机器人关节 的运动控制神经网络，其中一个神经元的输出作为机器人关节的曲肌控制信号，另一个神 经元的输出作为关节的伸肌控制信号，然后，根据机器人各关节之间的运动关系和实际仿 生生物神经控制环路的拓扑结构特点，利用抑制和兴奋性连接关系建立机器人关节振荡器 之间的连接关系。
[0007] 本发明所述的一种仿生机器人运动控制神经网络的构建方法，进一步优选的技术 方案如下：
[0008] 所述的神经元模型是采用W下两个微分方程组中的一个：
[0011] 式中，X为神经元的膜电势；y为神经元的输出；s为神经元收到的所有外部输入； a为神经元收到的自我兴奋性反馈的连接权重，a>0 ;X跟神经元膜电势相关的时间常数， T> 0 ; 丫跟神经元疲劳过程相关的时间常数，丫 > 0 ;x'为反应神经元疲劳程度的变量； b为神经元的疲劳强度，b> 0;0为神经元的输出阔值，交为神经元输出的上界，且劳當沒;： e和0为常系数，e> 0和0 > 0 ; ^是神经元输出的饱和系数。
[0012] 本发明所述的一种仿生机器人运动控制神经网络的构建方法，进一步优选的技术 方案如下：两个神经元之间相互抑制，每个神经元具有一个自我兴奋性连接；具体模型如 下：
[0015] 式中，为第i神经元的膜电势；y1为第i神经元的输出；S1为第i神经元所收到 CPG外部的输入；aii(jG{1，2}，j声U为神经元之间的连接权重，au< 0 ;曰11为第i神经 元收到的自我兴奋性反馈的连接权重；T1跟第i神经元膜电势相关的时间常数，I1> 0 ; 丫 1跟第i神经元疲劳过程相关的时间常数，丫1> 0 ;x' 1为反应第i神经元疲劳程度的 变量屯为第i神经元的疲劳强度，b1> 0 ; 0 1为第i神经元的输出阔值，武为第i神经元 输出的上界，且兩'3^;El和0 1为常系数，e1>〇和0i>〇;A1是第i神经元输出的饱 和系数；
[0016] 所述振荡器平衡状态若满足巧<嫂<焉，0=1巧时，振荡器既能产生振荡输出或非 振荡输出，此时的外部输入Si，（i= 1，2)的取值范围为：
[0017]
[0018] 振荡器产生振荡输出时，其参数应满足的条件为：
[0021] 振荡器产生非振荡输出时，其参数应满足的条件为：
[0028] (3) 0 1，（i= 1，2)
[0029] 根据上述振荡器振荡输出和非振荡输出的条件，振荡器的振荡输出和非振荡输出 可W通过调节自兴奋系数和疲劳系数bd来进行切换；
[0030] 所述振荡器当输入满足Si<e1 0 1，（i= 1，2)时，振荡器的输出是不激活的，当
时，振荡器的输出是饱和的；
[0031] 其中，所述振荡器的振荡频率和响应速度，通过跟神经元膜电势相关的时间常数 Ti，i= 1，2和跟神经元疲劳过程相关的时间常数丫i，i= 1，2进行调节；
[0032] 其中，所述振荡器的饱和输出和不激活W及振荡器节律输出和非节律输出的大 小，可W通过振荡器的外部输入Si，i= 1，2进行调节。
[0033] 本发明所述的一种仿生机器人运动控制神经网络的构建方法，进一步优选的技术 方案如下：
[0034] 由振荡器相互连接构成的仿生机器人运动控制神经网络的模型如下：
[0037] 式中，n为神经元数量；Xi为第i神经元的膜电势；yi为第i神经元的输出；Si为第 i神经元所收到CPG外部的输入；ay(jG{1，…，n}，j声i)为神经元之间的连接权重，曰^ > 0表示兴奋性连接，ai，< 0表示抑制性连接；a11为第i神经元收到的自我兴奋性反馈的 连接权重；T1跟第i神经元膜电势相关的时间常数，I1> 0 ; 丫 1跟第i神经元疲劳过程相 关的时间常数，丫 1> 0 ;x' 1为反应第i神经元疲劳程度的变量；b1为第i神经元的疲劳 强度，bi>0;目1为第i神经元的输出阔值，焉为第i神经元输出的上界，且馬&玲;;和 0 1为常系数，e1> 0和0 1> 0 ;A1是第i神经元输出的饱和系数；
[0038] 所述仿生机器人运动控制神经网络，当其中存在一部分神经元的平衡状态讀满足 读《焉:，即馬 <诗 < 焉本泌^ 一部分神经兀可W产生振荡输出和非振 荡输出，与平衡状态相对应的外部输入Si，iGAs的取值范围为：
[0039]
[0041] 运一部分神经元，即iGAs的神经元产生振荡输出需要满足的条件如下：
[0044] 运一部分神经元，即iGAs的神经元产生非振荡输出需要满足的条件如下：
[0045]
[0051] 做o1，（iG八3)
[0052] 根据上述振荡输出和非振荡输出的条件，运一部分神经元，即iGAs的神经元的 振荡输出和非振荡输出之间的切换可W通过改变自兴奋系数曰11和疲劳系数bi实现，且运 部分神经元输出随外部输入Si，iGAs的变化而变化；
[0053] 运一部分神经元，即iGAs的神经元的振荡频率和响应速度可W通过跟运部 分神经元膜电势相关的时间常数Ti，iGAs和跟神经元疲劳过程相关的时间常数丫 1， iGAs进行调节；
[0054] 所述仿生机器人运动控制神经网络，当其中一部分神经元的平衡状态满足 :冷终巧时，运一部分神经元可W用集合Aj- |ljf必坏，托也…，n藻表示，且它们是不激活的，其 外部输入Si，iGAi的取值范围为：
[00 巧]
[0056] 所述仿生机器人运动控制神经网络，当其中一部分神经元的平衡状态婷满足 讀 >蜀时，运一部分神经元可W用集合沒|1捧>%估象''.，4萊示，且它们是饱和的，其外 部输入Si，iGAz的取值范围为：
[0057]
[005引上述结论的推导过程如下：
[0059] 为了表述方便，假设
其中，...，:为运动控制神经网络（1)的平衡 状态。
[0060] 令馬-0和省==〇>可^计算得到运动控制神经网络（1)的平衡状态
[0064]当神经网络（1)的平衡状态
且哦>&时，外部输入di，（iG{1，…，n})的范围可W通过下面的方式进行计算。
[0068] w '
..i
[0070] 由于矩阵迹与矩阵特征根的和相等。从矩阵A可w看出，当A3声4时，线性化 系统（5)存在正实部特征根的充分条件为：