基于Labview的舵机驱动爬壁机器人CPG神经网络运动控制的实现研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表２ ＣＰＧ参数定义 Ｔａｂ．２ ＣＰＧ ｐａｒａｍｅｔｅｒ ｄｅｆｉｎｉｔｉｏｎ
Ｔａｂ．１
表１舵机驱动爬壁机器人主要参数 Ｍａｉｎ ｐａｒａｍｅｔｅｒｓ ｏｆ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｄｉｍｂｉｎｇ
ｒｏｂｏｔ
尺寸
１５０ｍｍ×１００ｍｍｘ４０ｍｍ
质量 大腿抬腿关节摆动范围
图１舵机驱动爬壁机器人机构配置
Ｓｔｒｕｃｔｕｒｅ ｏｆ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ
方程严格表示了单个神经元内部的自适应过程 以及ＣＰＧ神经元之间的相互耦合关系，图２中伸肌 神经元、屈肌神经元对应于方程（１）与（２）（不包括 互抑制神经元单元之问的相合作用部分），表现为相 互抑制关系，高级中枢对应于常数输入呦，外部环 境反馈对应于神经元外部反馈哦。，ｆ｝，振荡器输出对 应于神经元输出Ｙｉ，式中相关参数的定义如表２所 示．
Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｍｅｃｈａｎｉｃａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ，ａ ＣＰＧ（ｃｅｎｔｒａｌ ｐａｔ－ ｔｅｒｎ ｇｅｎｅｒａｔｏｒ）ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ Ｌａｂｖｉｅｗ ｉｓ ｐｒｏｐｏｓｅｄ ｆｏｒｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ．Ｆｉｒｓｔｌｙ，ｗｉｔｈ ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ ｂｉｏｎｉｃ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ，ｔｈｅ ＣＰＧ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ ｏｆ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ｆｏｒ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ．Ｔｈｅｎ ｔｈｅ ｒｏｂｏｔ’ｓ ｆｒｅｅ ｍｏｔｉｏｎ ｏｎ ｐｌａｎｅ ｉｓ ｄｉｖｉｄｅｄ ｉｎｔｏ ａｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｌｉｎｅａｒ ｍｏｔｉｏｎ ａｎｄ ｔｕｒｎｉｎｇ ｍｏｔｉｏｎ．Ｂａｓｅｄ ｏｎ ｔｈｅ ｗａｖｅｆｏｒｍ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ＣＰＧ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｃｏｎｔｒｏｌ ｓｉｇｎａｌｓ ｆｏｒ ａＣｔＵａｌ ｍｏｔｉｏｎ ａｒｅ ｇｅｎｅｒａｔｅｄ ａｎｄ ｏｕｔｐｕｔ．Ｆｉｎａｌｌｙ，ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｉｓ ｐｒｏｖｅｄ ｗｉｔｈ ｔｈｅ ｒｏｂｏｔ ｐｌａｎｅ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｅｘｐｅｒｉｍｅｎｔ．
第３１卷第３期 ２００９年５月
文章编号：１００２ｍ４４６（２００９）奶—０２５４ｍ８
机器人 ＲＯＢＯＴ
Ｖ０１．３１．Ｎｏ．３ Ｍａｙ，２００９
基于Ｌａｂｖｉｅｗ的舵机驱动爬壁机器人ＣＰＧ 神经网络运动控制的实现研究
张龙１，刘 颖１，孟偬２，王田苗３
（１．北京科技大学机械工程学院，北京１０００８３： ２．北京航空航天大学宇航学院，北京１０００８３： ３．北京航空航天大学机器人研究所，北京１０００８３）
下位机系统为实际设计的机器人机械系统及实 现运动控制与信号反馈的ＤＳＰ控制电路板等，下位 机和上位机以同定的通信格式进行数据传递，下位 机程序对于上位机程序来说相对独立，所以在编写 上位机程序时，不需考虑具体的硬件实现细节，很 大程度上简化了上位机程序的设计过程． ３．２．２神经元及其网络的Ｌａｂｖｉｅｗ搭建
摘要：针对舵机驱动爬壁机器人的机构特点，提出一种用Ｌａｂｖｉｅｗ实现舵机驱动爬壁机器人ＣＰＧ神经嘲络
运动控制的方法．首先，基于仿生运动控制的概念构建出舵机驱动爬壁机器人神经网络运动控制模型．然后，将机 器人的平面自由运动分解成直线运动和转弯运动的组合，并结合ＣＰＧ神经网络信号波形特点，完成机器人相应的 实际运动控制信号的生成与输出．最后，通过机器人平面运动控制的实验研究，验证了所提控制方法的有效性．
非线性振荡器是组成ＣＰＧ的基本单元，建立并
实现振荡器的数学模型是利用ＣＰＧ原理进行机器 人运动控制的基础．Ｍａｔｓｕｏｋａ在Ｗｉｌｓｏｎ等所分析的 神经元群之间的激励和抑制相互关系的基础上提出 了一种振荡器数学模型，该模型很好地反映了ＣＰＧ 的生物学特性【１１．Ｋｉｍｕｒａ等人应用该模型来控制一 个俯仰式关节四足机器人，该机器人能够在不规则 地面上行走【３．４１．Ｔａｇａ等人使用该模型完成了对一 种两足步行机的行走仿真分析［Ｓ１．卢振利等人通过 对该模型的修改和补充，控制一种蛇形机器人的蜿 蜒运动【６Ｊ．本文以该模型为基础，加入舵机驱动爬 壁机器人的运动控制信号处理环节，运用Ｌａｂｖｉｅｗ 软件编写上位机程序，完成对ＣＰＧ神经网络的物理 实现，实现了对该机器人的运动控制．
３构建机器人Ｌａｂｖｉｅｗ ＣＰＧ神经网络模型 （Ｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ｒｏｂｏｔ’Ｓ ＣｐＧ ｎｅｕｒａｌ ｎｅｔ－ ｗｏｒｋ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ Ｌａｂｖｉｅｗ）
３．１ Ｍａｔｓｕｏｋａ非线性振荡器数学模型 机器人控制系统采用Ｍａｔｓｕｏｋａ、Ｋｉｍｕｒａ等人提
出的互抑制神经元结构，如图２所示． 为了建立神经元网络，需要确定各个神经元之
２５７
入端，％为互抑制信号输出端，Ｙ为神经元耦合信号 输入端，Ⅳ为神经元内部状态项，是神经元之间耦合 信号输出端，同时也是ＣＰＧ控制信号输出端．
ＣＰＧ运动控制的拓扑结构如图６所示．
图６ ＣＰＧ运动控制拓扑结构 Ｆｉｇ．６ Ｔｏｐｏｌｏｇｙ ｏｆ ＣＰＧ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ 图６中数字表示神经元单元（两个相互抑制的 神经元，对应于机器人的一条腿）编号，ＬＦ、ＲＦ、 ＲＨ、ＬＨ分别表示机器人的左前、右前、右后、左后 腿，相互连接的箭头表示各个神经元单元之间的相 互关系（相互抑制为一ｌ，相互激励为１，通过ＣＰＧ 神经网络的步态矩阵设置ｐ１）． 两个神经元相互抑制构成一个振荡器单元，控
关键词：Ｌａｂｖｉｅｗ：舵机驱动爬壁机器人；中枢模式发生器（ＣＰＧ）；运动控制
中图分类号：ＴＰ２４
文献标识码：Ａ
Ｌａｂｖｉｅｗ Ｂａｓｅｄ Ｒｅａｌｉｚａｔｉｏｎ ｏｆ Ｍｏｔｉｏｎ Ｃｏｎｔｒｏｌ ｆｏｒ Ｓｔｅｅｒｉｎｇ Ｅｎｇｉｎｅ Ｄｒｉｖｅｎ Ｗａｌｌ－ｃｌｉｍｂｉｎｇ Ｒｏｂｏｔ ｗｉｔｈ ＣＰＧ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
机器人
２００９年５月
制信号的物理输出，与此同时，２３２接口还接收下位 机的反馈信号，为全双工的工作模式．仿真循环和 串口输出的关系如图４所示．
Ｆ培．３
图３ ＣＰＧ控制系统总体框图 Ｏｖｅｒａｌｌ ｄｉａｇｒａｍ ｏｆ ＣＩＮ３ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ
、图３中，ＣＰＧ参数输入包括机器人的步态选择、 通过ＣＰＧ参数调节的速度控制以及在具体的运动 控制过程中的方向控制等，ＣＰＧ仿真循环完成对 ＣＰＧ原理方程的算法实现以及ＣＰＧ控制信号的预 处理，以符合控制信号输出的需要，物理信号接口 采用普通串口（ＲＳ２３２接口）实现，２３２接口在一个 独立的定时循环中，通过全局变量与仿真循环进行 数据传递，以固定的速率向外发送数据，完成对控
Ｋｅｙｗｏｒｄｓ：Ｌａｂｖｉｅｗ；ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ；ｃｅｎｔｒａｌ ｐａｔｔｅｒｎ ｇｅｎｅｒａｔｏｒ（ＣＰＧ）；ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ
１引言（Ｉｎｔｒｏｄｕｃｔｉｏｎ）
动物的呼吸、咀嚼、行走等运动，能够随意开 始或者停止，并且带有节律性，一旦开始，就能自 动重复进行，不再需要意识的参与【ｌ】，动物神经网 络中产生这种节律活动的环路称为中枢模式发生 器（ＣＰＧ）．ＣＰＧ神经网络作为一种运动控制机制， 可以在缺乏高层命令和外部反馈的情况下，自动 产生稳定的节律信号，通过相位锁定，可以实现多 种稳定的相位关系，从而实现不同的运动模式，同 时还易于与输入信号或物理系统耦合，简化控制过 程【２１
图中，随机数产生器用于积分器的初值设定，设
定值比常数输入值Ｃ小一个数量级［７１，ｒｅｓｅｔ为积分 器复位信号输入端，ａ为神经元之间的互抑系数，ｂ 为神经元内部适应系数（适应项ｙ的系数），瓦、瓦 为适应项和状态项的时间常数，Ｙｉ为互抑制信号输
万方数据
第３ｌ卷第３期
张龙等：摹于Ｌａｂｖｉｅｗ的舵机驱动爬壁机器人ＣＰＧ神经网络运动控制的实现研究
根据方程（１）一（３），构建出机器人单个ＣＰＧ神 经元，如图５所示．
图５单个ＣＰＧ神经元Ｌａｂｖｉｅｗ模型 Ｆｉｇ．５ Ｌａｂｖｉｅｗ ｍｏｄｅｌ ｏｆ ａ ｓｉｎｇｌｅ ＣＰＧ ｌｌｅＵｌ＇Ｏｉｌ
单个神经元封装成了一个子仿真系统，将该子 仿真系统设置为可重载入类型后，可以在主仿真系 统中重复利用该子仿真系统．
图４ ＣＰＧ数据传递方式 Ｆｉｇ．４ ＣＰＧ ｄａｔａ ｔｒａｎｓｆｅｒ ｍｅｔｈｏｄ
仿真循环和串口通信定时循环相对独立，这样 能够使程序的调试和控制更加简便，为了能够自由 控制ＣＰＧ信号的生成速度，仿真模块采用软件时间 模式，同时采用等待模块自由控制等待时间，以使 机器人的速度控制更加简便有效．串口通信模块的 时钟源为新建的１ｋ时钟源，定时间隔为０．１ ｓ，即每 ０．１ Ｓ串口向外发送一个控制命令数据．
ＺＨＡＮＧ Ｌｏｎ９１，ＬＩＵ Ｙｉｎ９１，ＭＥＮＧ Ｃａｉ２，ＷＡＮＧ Ｔｉａｎ－ｍｉａ０３
（１．Ｓｃｈｏｏｌ ｏｆＭｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏＩ’Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｂｅｇｉｎｓ．Ｂｅｉｊｉｎｇ １０００８３，Ｃｈ／阳； ２．＆蛔讲巧＾盯ｒ狮４嘶ｃｌ＿＆ｉｈ，ｍｇ Ｕｎｉｖｅｒｓｉｔｙ，ａｅ＃ｉｎｓ １０００８３．Ｃｈ／ｎａ；３．Ｉｎｓｔｉｔｕｔｅ ｏｆＲｏｂｏｔｉｃｓ．Ｂｅｉｈａｎｇ Ｕｎｉｖｅｒｓ毋。ＢｅＵｌｆ，ｌｓ １０００８３，Ｃ蚰∞）
基金项目：国家自然科学基金重点资助项目（６０５３５０２０）国家杰出青年科学基金资助项目（６０５２５３１４）． 收稿口期：２００８４｝９－０１
万方数据
第３ｌ卷第３期
张龙等：基于Ｌａｂｖｉｅｗ的舵机驱动爬壁机器人ＣＰＧ神经网络运动控制的实现研究
２５５
２机器人结构（Ｒｏｂｏｔ ｓｔｒｕｃｔｕｒｅ）
舵机驱动爬壁机器人总共有４条腿，每条腿有 ３个主动关节，采用舵机驱动，其中大腿关节分为 抬腿和摆腿两个自由度，这里分别称为大腿抬腿关 节和大腿摆腿关节，完成机器人抬腿动作和与小腿 关节配合的摆腿动作，通过平行四边形连杆机构， 大腿抬腿关：ｉ了轴线与摆腿关节轴线垂直相交．小腿 关：肖与大腿摆腿关节在同一平面内，相互运动实现 机器人摆腿动作，图１所示为机器人Ｓｏｌｉｄｗｏｒｋｓ模 型（足部未画出），机器人的基本参数如表１所示．
制机器人的一条腿，舵机驱动爬壁机器人的４条腿
共需要８个神经元，由方程（１）、（４）构建出舵机驱动 爬壁机器人神经网络结构，如图７所示． ３．２．３输出结果分析
图７中，３维数组对应于ＣＰＧ神经网络的步态 矩阵，数组的第ｌ、２维对应步态矩阵的行和列，数 组的第３维对应于步态选择，通过索引数组修改３ 维数组的输出帧可以改变ＣＰＧ神经网络的各个输 出信号的相序，从而改变机器人的运动步态．图８ 是在适当的ＣＰＧ参数设置情况下神经网络的各种 步态输出结果．
２８０９ 士３００
大腿摆腿关节摆动范围
：１：４５。
小腿关节摆动范围
４－４５。
高级中枢
Ｆｉｇ．２
图２互抑制神经元结构图 Ｓｔｒｕｃｔｕｒｅ ｏｆ ｍｕｔｕａｌｌｙ ｉｎｈｉｂｉｔｅｄ ｌｌｅｌｌｒｏｎｓ
万方数据
３．２ Ｍａｔｓｕｏｋａ神经元振荡器的Ｌａｂｖｉｅｗ实现 ３．２．１总体方案
运用Ｌａｂｖｉｅｗ的仿真模块，设计了机器人ＣＰＧ 控制器的总体策略，如图３所示．为了方便调试，编 写的控制程序设置了两种控制模式，一种为ＣＰＧ自 动控制，一种为手动控制．
间的相互关系，其相应的数学表达式为１６】：
。
Ｚａｆｅ，ｑｉ＝一“‘ｅｎｌ＋ｗｆｅｙ｛ｆ，ｅＨ一卢Ｖ｛ｅｎ｛＋
旦
蜘＋嘶ｅ，班＋∑ｗｉｊｙ｛ｅ，毋Ｊ
（１）
ｊ＝ｌ
·， ），｛ｅ，ｑｌ＝ｍａｘ（“｛ｃ＇ｆ｝“０）
（２）
，１，｛。，ｆ）ｉ＝一Ｖ｛。，ｆ＇ｆ＋），｛ｃ，ｆ）ｆ
（３）
ｙｊ＝一ｙｅｉ＋Ｙｆｉ
（４）
Ｆｉｇ．１
Ｔａｂ．１
表１舵机驱动爬壁机器人主要参数 Ｍａｉｎ ｐａｒａｍｅｔｅｒｓ ｏｆ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｄｉｍｂｉｎｇ
ｒｏｂｏｔ
尺寸
１５０ｍｍ×１００ｍｍｘ４０ｍｍ
质量 大腿抬腿关节摆动范围
图１舵机驱动爬壁机器人机构配置
Ｓｔｒｕｃｔｕｒｅ ｏｆ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ
方程严格表示了单个神经元内部的自适应过程 以及ＣＰＧ神经元之间的相互耦合关系，图２中伸肌 神经元、屈肌神经元对应于方程（１）与（２）（不包括 互抑制神经元单元之问的相合作用部分），表现为相 互抑制关系，高级中枢对应于常数输入呦，外部环 境反馈对应于神经元外部反馈哦。，ｆ｝，振荡器输出对 应于神经元输出Ｙｉ，式中相关参数的定义如表２所 示．
Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｍｅｃｈａｎｉｃａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ，ａ ＣＰＧ（ｃｅｎｔｒａｌ ｐａｔ－ ｔｅｒｎ ｇｅｎｅｒａｔｏｒ）ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ Ｌａｂｖｉｅｗ ｉｓ ｐｒｏｐｏｓｅｄ ｆｏｒｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ．Ｆｉｒｓｔｌｙ，ｗｉｔｈ ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ ｂｉｏｎｉｃ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ，ｔｈｅ ＣＰＧ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ ｏｆ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ｆｏｒ ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ．Ｔｈｅｎ ｔｈｅ ｒｏｂｏｔ’ｓ ｆｒｅｅ ｍｏｔｉｏｎ ｏｎ ｐｌａｎｅ ｉｓ ｄｉｖｉｄｅｄ ｉｎｔｏ ａｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｌｉｎｅａｒ ｍｏｔｉｏｎ ａｎｄ ｔｕｒｎｉｎｇ ｍｏｔｉｏｎ．Ｂａｓｅｄ ｏｎ ｔｈｅ ｗａｖｅｆｏｒｍ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ＣＰＧ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｃｏｎｔｒｏｌ ｓｉｇｎａｌｓ ｆｏｒ ａＣｔＵａｌ ｍｏｔｉｏｎ ａｒｅ ｇｅｎｅｒａｔｅｄ ａｎｄ ｏｕｔｐｕｔ．Ｆｉｎａｌｌｙ，ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｉｓ ｐｒｏｖｅｄ ｗｉｔｈ ｔｈｅ ｒｏｂｏｔ ｐｌａｎｅ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｅｘｐｅｒｉｍｅｎｔ．
第３１卷第３期 ２００９年５月
文章编号：１００２ｍ４４６（２００９）奶—０２５４ｍ８
机器人 ＲＯＢＯＴ
Ｖ０１．３１．Ｎｏ．３ Ｍａｙ，２００９
基于Ｌａｂｖｉｅｗ的舵机驱动爬壁机器人ＣＰＧ 神经网络运动控制的实现研究
张龙１，刘 颖１，孟偬２，王田苗３
（１．北京科技大学机械工程学院，北京１０００８３： ２．北京航空航天大学宇航学院，北京１０００８３： ３．北京航空航天大学机器人研究所，北京１０００８３）
下位机系统为实际设计的机器人机械系统及实 现运动控制与信号反馈的ＤＳＰ控制电路板等，下位 机和上位机以同定的通信格式进行数据传递，下位 机程序对于上位机程序来说相对独立，所以在编写 上位机程序时，不需考虑具体的硬件实现细节，很 大程度上简化了上位机程序的设计过程． ３．２．２神经元及其网络的Ｌａｂｖｉｅｗ搭建
摘要：针对舵机驱动爬壁机器人的机构特点，提出一种用Ｌａｂｖｉｅｗ实现舵机驱动爬壁机器人ＣＰＧ神经嘲络
运动控制的方法．首先，基于仿生运动控制的概念构建出舵机驱动爬壁机器人神经网络运动控制模型．然后，将机 器人的平面自由运动分解成直线运动和转弯运动的组合，并结合ＣＰＧ神经网络信号波形特点，完成机器人相应的 实际运动控制信号的生成与输出．最后，通过机器人平面运动控制的实验研究，验证了所提控制方法的有效性．
非线性振荡器是组成ＣＰＧ的基本单元，建立并
实现振荡器的数学模型是利用ＣＰＧ原理进行机器 人运动控制的基础．Ｍａｔｓｕｏｋａ在Ｗｉｌｓｏｎ等所分析的 神经元群之间的激励和抑制相互关系的基础上提出 了一种振荡器数学模型，该模型很好地反映了ＣＰＧ 的生物学特性【１１．Ｋｉｍｕｒａ等人应用该模型来控制一 个俯仰式关节四足机器人，该机器人能够在不规则 地面上行走【３．４１．Ｔａｇａ等人使用该模型完成了对一 种两足步行机的行走仿真分析［Ｓ１．卢振利等人通过 对该模型的修改和补充，控制一种蛇形机器人的蜿 蜒运动【６Ｊ．本文以该模型为基础，加入舵机驱动爬 壁机器人的运动控制信号处理环节，运用Ｌａｂｖｉｅｗ 软件编写上位机程序，完成对ＣＰＧ神经网络的物理 实现，实现了对该机器人的运动控制．
３构建机器人Ｌａｂｖｉｅｗ ＣＰＧ神经网络模型 （Ｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ｒｏｂｏｔ’Ｓ ＣｐＧ ｎｅｕｒａｌ ｎｅｔ－ ｗｏｒｋ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ Ｌａｂｖｉｅｗ）
３．１ Ｍａｔｓｕｏｋａ非线性振荡器数学模型 机器人控制系统采用Ｍａｔｓｕｏｋａ、Ｋｉｍｕｒａ等人提
出的互抑制神经元结构，如图２所示． 为了建立神经元网络，需要确定各个神经元之
２５７
入端，％为互抑制信号输出端，Ｙ为神经元耦合信号 输入端，Ⅳ为神经元内部状态项，是神经元之间耦合 信号输出端，同时也是ＣＰＧ控制信号输出端．
ＣＰＧ运动控制的拓扑结构如图６所示．
图６ ＣＰＧ运动控制拓扑结构 Ｆｉｇ．６ Ｔｏｐｏｌｏｇｙ ｏｆ ＣＰＧ ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ 图６中数字表示神经元单元（两个相互抑制的 神经元，对应于机器人的一条腿）编号，ＬＦ、ＲＦ、 ＲＨ、ＬＨ分别表示机器人的左前、右前、右后、左后 腿，相互连接的箭头表示各个神经元单元之间的相 互关系（相互抑制为一ｌ，相互激励为１，通过ＣＰＧ 神经网络的步态矩阵设置ｐ１）． 两个神经元相互抑制构成一个振荡器单元，控
关键词：Ｌａｂｖｉｅｗ：舵机驱动爬壁机器人；中枢模式发生器（ＣＰＧ）；运动控制
中图分类号：ＴＰ２４
文献标识码：Ａ
Ｌａｂｖｉｅｗ Ｂａｓｅｄ Ｒｅａｌｉｚａｔｉｏｎ ｏｆ Ｍｏｔｉｏｎ Ｃｏｎｔｒｏｌ ｆｏｒ Ｓｔｅｅｒｉｎｇ Ｅｎｇｉｎｅ Ｄｒｉｖｅｎ Ｗａｌｌ－ｃｌｉｍｂｉｎｇ Ｒｏｂｏｔ ｗｉｔｈ ＣＰＧ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
机器人
２００９年５月
制信号的物理输出，与此同时，２３２接口还接收下位 机的反馈信号，为全双工的工作模式．仿真循环和 串口输出的关系如图４所示．
Ｆ培．３
图３ ＣＰＧ控制系统总体框图 Ｏｖｅｒａｌｌ ｄｉａｇｒａｍ ｏｆ ＣＩＮ３ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ
、图３中，ＣＰＧ参数输入包括机器人的步态选择、 通过ＣＰＧ参数调节的速度控制以及在具体的运动 控制过程中的方向控制等，ＣＰＧ仿真循环完成对 ＣＰＧ原理方程的算法实现以及ＣＰＧ控制信号的预 处理，以符合控制信号输出的需要，物理信号接口 采用普通串口（ＲＳ２３２接口）实现，２３２接口在一个 独立的定时循环中，通过全局变量与仿真循环进行 数据传递，以固定的速率向外发送数据，完成对控
Ｋｅｙｗｏｒｄｓ：Ｌａｂｖｉｅｗ；ｓｔｅｅｒｉｎｇ ｅｎｇｉｎｅ ｄｒｉｖｅｎ ｗａｌｌ－ｃｌｉｍｂｉｎｇ ｒｏｂｏｔ；ｃｅｎｔｒａｌ ｐａｔｔｅｒｎ ｇｅｎｅｒａｔｏｒ（ＣＰＧ）；ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ
１引言（Ｉｎｔｒｏｄｕｃｔｉｏｎ）
动物的呼吸、咀嚼、行走等运动，能够随意开 始或者停止，并且带有节律性，一旦开始，就能自 动重复进行，不再需要意识的参与【ｌ】，动物神经网 络中产生这种节律活动的环路称为中枢模式发生 器（ＣＰＧ）．ＣＰＧ神经网络作为一种运动控制机制， 可以在缺乏高层命令和外部反馈的情况下，自动 产生稳定的节律信号，通过相位锁定，可以实现多 种稳定的相位关系，从而实现不同的运动模式，同 时还易于与输入信号或物理系统耦合，简化控制过 程【２１
图中，随机数产生器用于积分器的初值设定，设
定值比常数输入值Ｃ小一个数量级［７１，ｒｅｓｅｔ为积分 器复位信号输入端，ａ为神经元之间的互抑系数，ｂ 为神经元内部适应系数（适应项ｙ的系数），瓦、瓦 为适应项和状态项的时间常数，Ｙｉ为互抑制信号输
万方数据
第３ｌ卷第３期
张龙等：摹于Ｌａｂｖｉｅｗ的舵机驱动爬壁机器人ＣＰＧ神经网络运动控制的实现研究
根据方程（１）一（３），构建出机器人单个ＣＰＧ神 经元，如图５所示．
图５单个ＣＰＧ神经元Ｌａｂｖｉｅｗ模型 Ｆｉｇ．５ Ｌａｂｖｉｅｗ ｍｏｄｅｌ ｏｆ ａ ｓｉｎｇｌｅ ＣＰＧ ｌｌｅＵｌ＇Ｏｉｌ
单个神经元封装成了一个子仿真系统，将该子 仿真系统设置为可重载入类型后，可以在主仿真系 统中重复利用该子仿真系统．
图４ ＣＰＧ数据传递方式 Ｆｉｇ．４ ＣＰＧ ｄａｔａ ｔｒａｎｓｆｅｒ ｍｅｔｈｏｄ
仿真循环和串口通信定时循环相对独立，这样 能够使程序的调试和控制更加简便，为了能够自由 控制ＣＰＧ信号的生成速度，仿真模块采用软件时间 模式，同时采用等待模块自由控制等待时间，以使 机器人的速度控制更加简便有效．串口通信模块的 时钟源为新建的１ｋ时钟源，定时间隔为０．１ ｓ，即每 ０．１ Ｓ串口向外发送一个控制命令数据．
ＺＨＡＮＧ Ｌｏｎ９１，ＬＩＵ Ｙｉｎ９１，ＭＥＮＧ Ｃａｉ２，ＷＡＮＧ Ｔｉａｎ－ｍｉａ０３
（１．Ｓｃｈｏｏｌ ｏｆＭｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏＩ’Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｂｅｇｉｎｓ．Ｂｅｉｊｉｎｇ １０００８３，Ｃｈ／阳； ２．＆蛔讲巧＾盯ｒ狮４嘶ｃｌ＿＆ｉｈ，ｍｇ Ｕｎｉｖｅｒｓｉｔｙ，ａｅ＃ｉｎｓ １０００８３．Ｃｈ／ｎａ；３．Ｉｎｓｔｉｔｕｔｅ ｏｆＲｏｂｏｔｉｃｓ．Ｂｅｉｈａｎｇ Ｕｎｉｖｅｒｓ毋。ＢｅＵｌｆ，ｌｓ １０００８３，Ｃ蚰∞）
基金项目：国家自然科学基金重点资助项目（６０５３５０２０）国家杰出青年科学基金资助项目（６０５２５３１４）． 收稿口期：２００８４｝９－０１
万方数据
第３ｌ卷第３期
张龙等：基于Ｌａｂｖｉｅｗ的舵机驱动爬壁机器人ＣＰＧ神经网络运动控制的实现研究
２５５
２机器人结构（Ｒｏｂｏｔ ｓｔｒｕｃｔｕｒｅ）
舵机驱动爬壁机器人总共有４条腿，每条腿有 ３个主动关节，采用舵机驱动，其中大腿关节分为 抬腿和摆腿两个自由度，这里分别称为大腿抬腿关 节和大腿摆腿关节，完成机器人抬腿动作和与小腿 关节配合的摆腿动作，通过平行四边形连杆机构， 大腿抬腿关：ｉ了轴线与摆腿关节轴线垂直相交．小腿 关：肖与大腿摆腿关节在同一平面内，相互运动实现 机器人摆腿动作，图１所示为机器人Ｓｏｌｉｄｗｏｒｋｓ模 型（足部未画出），机器人的基本参数如表１所示．
制机器人的一条腿，舵机驱动爬壁机器人的４条腿
共需要８个神经元，由方程（１）、（４）构建出舵机驱动 爬壁机器人神经网络结构，如图７所示． ３．２．３输出结果分析
图７中，３维数组对应于ＣＰＧ神经网络的步态 矩阵，数组的第ｌ、２维对应步态矩阵的行和列，数 组的第３维对应于步态选择，通过索引数组修改３ 维数组的输出帧可以改变ＣＰＧ神经网络的各个输 出信号的相序，从而改变机器人的运动步态．图８ 是在适当的ＣＰＧ参数设置情况下神经网络的各种 步态输出结果．
２８０９ 士３００
大腿摆腿关节摆动范围
：１：４５。
小腿关节摆动范围
４－４５。
高级中枢
Ｆｉｇ．２
图２互抑制神经元结构图 Ｓｔｒｕｃｔｕｒｅ ｏｆ ｍｕｔｕａｌｌｙ ｉｎｈｉｂｉｔｅｄ ｌｌｅｌｌｒｏｎｓ
万方数据
３．２ Ｍａｔｓｕｏｋａ神经元振荡器的Ｌａｂｖｉｅｗ实现 ３．２．１总体方案
运用Ｌａｂｖｉｅｗ的仿真模块，设计了机器人ＣＰＧ 控制器的总体策略，如图３所示．为了方便调试，编 写的控制程序设置了两种控制模式，一种为ＣＰＧ自 动控制，一种为手动控制．
间的相互关系，其相应的数学表达式为１６】：
。
Ｚａｆｅ，ｑｉ＝一“‘ｅｎｌ＋ｗｆｅｙ｛ｆ，ｅＨ一卢Ｖ｛ｅｎ｛＋
旦
蜘＋嘶ｅ，班＋∑ｗｉｊｙ｛ｅ，毋Ｊ
（１）
ｊ＝ｌ
·， ），｛ｅ，ｑｌ＝ｍａｘ（“｛ｃ＇ｆ｝“０）
（２）
，１，｛。，ｆ）ｉ＝一Ｖ｛。，ｆ＇ｆ＋），｛ｃ，ｆ）ｆ
（３）
ｙｊ＝一ｙｅｉ＋Ｙｆｉ
（４）
Ｆｉｇ．１