基于混沌三神经元CPG方法的仿生六足机器人运动控制研究

深入研究了仿生多足机器人CPG控制方法的基本工作原理，针对现有CPG方法无法产生自由步态，从而不能良好应对行走环境中的不确定因素这个关键问题，提出了一种带有混沌特征的三神经元CPG控制方法，首次讨论了CPG模型的混沌行为，并以蟑螂为研究对象，分析了负责运动控制的三个胸神经节与混沌三神经元之间的辩证关系。课题拟对活体生物的运动进行观测并对生物行走步态建模，以此为基础来研究传感信息的预处理方法、带有混沌特征的三神经元CPG控制方法、姿态检测技术以及传感信号对CPG参数的反馈作用，并针对提出的算法设计相应的摆动与屈伸两运动解耦的腿机构、以及基于逻辑细胞概念的多异值FPGA 阵列的分布式主-从控制器，设计仿生六足机器人进行实验验证。项目的主要意义是深入探索新理论工具和新研究方法，为实现仿生多足机器人在非结构环境下的灵活、敏捷、平稳行走与智能控制做出贡献，并推动相关学科和智能机器人技术的研究和发展。

课题综合分析了仿生六足机器人节律运动控制的基本原理和关键技术，针对现有的CPG方法无法产生自由步态，从而不能良好的应对行走环境的不确定因素这个关键问题，提出了一种带有混沌特性的三神经元CPG控制方法，首次探讨了CPG模型中的混沌行为。针对仿生六足机器人的运动控制系统进行软硬件设计，开发并实现基于ARM的机器人运动控制系统硬件平台和基于嵌入式Linux的机器人操作平台。设计了基于CPG（Central Pattern Generator，中枢神经震荡发生器）的机器人步态生成算法，通过在传统CPG方法中增加机器人足端轨迹生成模块，有效地解决了传统CPG方法中足端轨迹不直接可控的问题，增强了机器人足端轨迹的控制精度。同时，仅需通过控制三个独立的参数IL、IR、IS，即可实现机器人在平坦地形上的全方向运动。针对机器人前方和侧方的障碍物，设计两个自主避障神经网络模块，通过生成用于全方向运动控制的三个参数IL、IR、IS，来实现仿生六足机器人在平坦地形上的自主避障。针对不平坦地形，设计了基于二维激光测距仪的典型地形识别算法，以及基于传感反馈的自适应运动控制模块，包括足底力反馈、跨越反射、重心自适应调节和攀爬反射，使机器人能够在不平坦地形上通过不同体积大小的障碍物，增强了机器人对不平坦地形的自适应能力。为了验证所提控制方法的可行性，设计了多种仿真和样机实验，包括自主避障、典型地形分析、自主越障以及台阶攀爬实验，实验数据和结果证明了课题所提算法的有效性。目前共发表SCI源的国际期刊论文12篇，EI检索论文31篇，，申请发明专利3项。项目共培养博士生9名，硕士生9名。