[发明专利]仿生机器人运动控制神经网络的构建方法

权利要求书

1.一种仿生机器人运动控制神经网络的构建方法，其特征在于：

该方法以新型神经元振荡器作为基础；

所述的新型神经元振荡器通过建立了一个神经元模型，然后将两个神经元之间通过抑制性突触相互连接，构成一个振荡器模型；所述的神经元模型，在具有疲劳特性的漏积分器神经元模型基础上，增加输出饱和和自兴奋性特性后，形成了一个神经元模型；其中，所述神经元模型的输出，采用非线性函数表示，且该非线性函数满足当x≥θ时，输出具有饱和特性，当x<θ时，神经元没有输出；x为神经元的膜电势；θ为神经元的输出阈值；

所述的运动控制神经网络的构建方法，是利用新型神经元振荡器作为机器人关节的运动控制神经网络，其中一个神经元的输出作为机器人关节的屈肌控制信号，另一个神经元的输出作为关节的伸肌控制信号，然后，根据机器人各关节之间的运动关系和实际仿生生物神经控制环路的拓扑结构特点，利用抑制和兴奋性连接关系建立机器人关节振荡器之间的连接关系。

2.根据权利要求1所述的一种仿生机器人运动控制神经网络的构建方法，其特征在于：

所述的神经元模型是采用以下两个微分方程组中的一个：

τ x · + ϵ x = a y + s - bx ′ γ x · ′ + σx ′ = y y = g ( x - θ ) g ( x - θ ) = x ‾ - θ , ( x ≥ x ‾ ) x - θ , ( θ ≤ x < x ‾ ) 0 , ( x < θ ) ]]>

τ x · + ϵ x = a y + s - bx ′ γ x · ′ + σx ′ = y y = g ( x - θ ) g ( x - θ ) = λ ( 1 - e - ( x - θ ) ) , ( x ≥ θ ) 0 , ( x < θ ) ]]>

式中，x为神经元的膜电势；y为神经元的输出；s为神经元收到的所有外部输入；a为神经元收到的自我兴奋性反馈的连接权重，a>0；τ跟神经元膜电势相关的时间常数，τ>0；γ跟神经元疲劳过程相关的时间常数，γ>0；x′为反应神经元疲劳程度的变量；b为神经元的疲劳强度，b>0；θ为神经元的输出阈值，为神经元输出的上界，且ε和σ为常系数，ε>0和σ>0；λ是神经元输出的饱和系数。