[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

说明书

本发明公开了一种双足机器人神经网络控制器的神经网络优化方法，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：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。本发明通过对深度神经网络进行拓扑结构和控制参数上的最优化，有效的避免网络陷入局部最优，很好的适应和解决了双足机器人非线性控制难的问题，从而能够更好的拟合出机器人系统的参数模型。

技术领域

本发明涉及行走机器人领域，特别涉及一种双足机器人神经网络控制器的神经网络优化方法。

背景技术

现有的机器人控制方法需要对机器人的各个结构的参数做分析和建模。

由于机器人各个部件的非线性特性和机器人的自由度比其他的系统多且复杂，耦合度极高。对各个部件及系统构成的系统人工建立和分析系统模型和参数，是一件非常困难和复杂的事情，得到的模型的稳定性和适用性很难保障。

而深度神经网络具备复杂的非线性特性，能够拟合各种非线性函数。所以针对机器人系统这种高度非线性和高耦合性的系统具备天生的优势。然而，利用现有技术的机器人神经网络控制器训练的网络容易陷入局部最优，无法较好的拟合出机器人系统的参数模型。

发明内容

本发明的目的在于克服现有技术中机器人神经网络控制器训练的网络容易陷入局部最优，无法较好的拟合出机器人系统的参数模型的不足，提供一种双足机器人神经网络控制器的神经网络优化方法，有效的避免网络陷入局部最优，从而能够更好的拟合出机器人系统的参数模型。

为了实现上述发明目的，本发明提供了以下技术方案：

一种双足机器人神经网络控制器的神经网络优化方法，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。

优选的，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。

优选的，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。

优选的，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。