[发明专利]一种双足机器人神经网络控制器的神经网络优化方法

权利要求书

1.一种双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述双足机器人神经网络控制器采用全链接的深度神经网络，用于对双足机器人的行走控制，包括如下步骤：

S1对深度神经网络的拓扑结构进行优化；

S2对拓扑结构优化后的深度神经网络的网络参数进行优化。

2.根据权利要求1所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述步骤S1包括：

S11提取环境的状态参数作为深度神经网络的输入，深度神经网络产生一个动作参数；

S12根据动作参数与状态参数按照设置的奖励规则得到奖励参数；

S13根据奖励参数，采用WANN算法对深度神经网络进行拓扑结构优化，提取动作完成后环境的状态参数作为优化后的深度神经网络的输入；其中，若根据奖励参数判断出机器人倒下，则将机器人复位，提取复位后环境的状态参数作为优化后的深度神经网络的输入；

循环S11-S13，直到训练次数达到设置好的次数，得到拓扑结构优化后的深度神经网络。

3.根据权利要求2所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述WANN算法的优化过程：在输入层和输出层之间随机的加入节点，并在新加入的节点和输入层、输出层之间进行随机连接，然后对得到的深度神经网络进行测试，将测试结果最优的深度神经网络留下来进行变异，继续随机的添加节点和改变链接关系，完成对深度神经网络的拓扑结构的优化。

4.根据权利要求2所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述步骤S2包括：S21提取环境的状态参数作为深度神经网络的输入，深度神经网络产生一个动作参数；

S22根据动作参数与状态参数按照设置的奖励规则得到奖励参数；

S23根据奖励参数，采用进化策略算法对深度神经网络进行网络参数优化，提取动作完成后环境的状态参数作为优化后的深度神经网络的输入；其中，若根据奖励参数判断出机器人倒下，则将机器人复位，提取复位后环境的状态参数作为优化后的深度神经网络的输入；

循环S21-S23，直到训练次数达到设置好的次数，得到网络参数优化后的深度神经网络。

5.根据权利要求4所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述动作参数包括完成该动作的各关节电机的转角。

6.根据权利要求4所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述奖励规则：

其中，reward为奖励，s为机器人向前移动距离，h为机器人盆骨高度，θ为盆骨仰角，m为电机总数。

7.根据权利要求4所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述进化策略算法为协方差自适应调整的进化策略，通过调整参数使得产生好解的概率逐渐增大，完成对深度神经网络的网络参数的优化。

8.根据权利要求4所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述状态参数包括：当前环境下的盆骨的俯仰角、偏航角、翻滚角，当前环境下的各关节的转角、转速，当前环境下的左右脚的压力值。

9.根据权利要求8所述的双足机器人神经网络控制器的神经网络优化方法，其特征在于，所述盆骨的俯仰角、偏航角、翻滚角采用IMU进行测量。

10.一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。