[发明专利]基于CPG神经元网络的机械臂运动节律控制方法

说明书

本发明涉及一种基于CPG神经元网络的机械臂运动节律控制方法，包括下列步骤：(1)上位机设定神经元持续纳电流、钾电流和泄漏电流对应的电导率和反电势参数，以及变阈值整形时的上、下限阈值和阈值周期，并由USB通讯传输至FPGA；(2)FPGA根据所设参数，建立CPG神经元网络仿真模型，进行仿真，仿真过程中输出放电波形，将此波形传输至上位机加以显示；(3)利用FPGA实现变阈值整形，对步骤2中CPG神经元网络输出的放电波形进行整定，并输出控制信号至机械臂，从而控制调节机械臂的运动节律，并将机械臂关节角位移传输至上位机加以显示。

技术领域

本发明涉及生物医学工程技术，特别是一种基于CPG神经元网络的机械臂运动节律控制实验方法。

背景技术

近年来，随着机器人技术的发展，高速、高精度、高负载自重比的机械臂结构受到各个领域的关注。随着人们对于机械臂的应用要求的提升，传统由人工规划产生的机械臂运动轨迹，不论是轨迹的连贯性还是动作的自然性，都与人类的真实手臂存在很大差异。因此，机器人机械臂结构柔性特征必须予以考虑，有效控制柔性机械臂精度必须分析系统动力学特性，单纯地依靠传统的设计方法已经无法满足人们对机器人复杂功能的要求。

随着生物学研究的不断深入，仿生控制方法在模拟生物运动节律的方向上展现出了相比传统控制方法更大的优越性。中枢模式发生器，英文名称CPG(Central patterngenerator)，是一种复杂的分布式神经网络。这种神经网络可以在没有外部节律信号输入的前提下通过网络自身来产生节律信号，是自然界中动物产生节律运动的重要机制。这种网络主要由相互耦合的振荡器和接收外界刺激的反馈系统组成，具有很强的鲁棒性和自适应能力，已经成为生物学领域和仿生学领域研究的热点之一。因此设计一种基于CPG神经元网络的机械臂运动节律控制实验平台，通过人机操作界面进行相关参数的设定，整定CPG神经元网络输出的波形，调节机械臂节律运动的振幅、周期、对称性，实现对机械臂运动节律的控制。

现场可编程门阵列(Field Programmable Gate Array，FPGA)技术在以生物神经系统为对象的计算神经科学领域的应用逐渐受到重视。相比于模拟系统，FPGA有着体积小、密度高、计算速度快(最高速率可达150MHz)、编程灵活、修改参数方便、低功耗、低成本、可重新配置、高可靠性等优点。应用可并行运算的FPGA实现对神经元及网络的运算和特性分析，可实现在真实时间尺度下运行，效率高，且集成度高，在神经元网络特性研究、仿生学、智能系统等方面有着广阔的应用前景。

现有的技术存在以下不足之处：现有的控制策略多采用PWM调节占空比的方法，对大脑控制手臂运动的仿真度较低，控制效果较为僵硬、迟缓，控制器不能灵活的控制机械臂。

发明内容

针对现有技术存在的各项不足，本发明提出一种基于CPG神经元网络的机械臂运动节律控制方法。该方法通过对CPG神经元网络模型参数的设置和变阈值整形方式的调整，实现对机械臂节律运动的调控。为研究CPG神经元网络模型的动力学特性及其在仿生机器人领域的应用提供了重要依据。本发明解决所述技术问题采用的技术方案是：

一种基于CPG神经元网络的机械臂运动节律控制方法，包括下列步骤：

(1)上位机设定神经元持续纳电流、钾电流和泄漏电流对应的电导率和反电势参数，以及变阈值整形时的上、下限阈值和阈值周期，并由USB通讯传输至FPGA；

(2)FPGA根据所设参数，建立CPG神经元网络仿真模型，进行仿真，仿真过程中输出放电波形，将此波形传输至上位机加以显示；

其中，所采用的CPG神经元网络是一种由一个兴奋性神经元，即1号神经元和三个抑制性神经元，编号分别为2、3、4号神经元，三个兴奋性驱动作用(d₁、d₂、d₃)构成的网络模型，这些神经元通过突触连接而形成复杂的神经元网络，从而产生节律信号；

该CPG神经元网络模型的数学表达式具体描述如下：