[发明专利]一种仿生机器鱼及其控制参数优化方法

说明书

本发明公开了一种仿生机器鱼及其控制参数优化方法，其中，该仿生机器鱼包括微处理器，所述微处理器与驱动模块相连，用来控制仿生机器鱼的运动；所述微处理器还与充电电池相连，所述充电电池还与无线充电模块相连；所述无线充电模块包括设置于仿生机器鱼上的无线充电接收端机构和固定在水池中的无线充电发射端机构；微处理器还与Zigbee模块相连，Zigbee模块用于实现仿生机器鱼的定位以及多条仿生机器鱼之间的相互通信；所述微处理器被配置为：根据极限环CPG网络控制模型来构建仿生机器鱼的数学模型；采用PSO算法对仿生机器鱼的数学模型中的参数进行优化。

技术领域

本发明属于仿生机器鱼领域，尤其涉及一种仿生机器鱼及其控制参数优化方法。

背景技术

随着机器人技术的发展，鱼类(机器鱼)被广泛应用到水下任务中。相比较传统的水下航行器具有更多的优势，因为在有效地推进和高操纵性上表现了比较优越的性能，它具有更高的灵活性以及易操作性。传统的水下机器人主要是通过模仿鱼类的运动以及鱼类的推动机制进行研究来确定机器人的运动控制规律，但由于运动学以及流体力学的复杂性，所建立的数学模型就很复杂。研究人员通过研究生物学发现，鱼类的节律性运动是通过神经元中的中枢模式发生器(CPG)来进行控制的。CPG控制是在没有任何控制和输入信号的情况下产生节律性信号，从而控制生物的节律运动。同时，它还具有良好的鲁棒性，适应性，容易调节等优点。

Brown最早提出了由两类相互抑制的神经元振荡器组成基本的神经元网络模型。第一个比较典型的CPG生物模型是由Grillner等提出的七鳃鳗CPG模型。经过了研究人员长期的研究建立了多种类型的CPG数学模型以用于控制机器人。绝大部分CPG模型都是由几个参数构成的微分方程，模型中的参数都会对机器鱼的运动模式，稳定性以及适应性产生影响。如何调整CPG模型中的参数仍然是一个比较困难的问题，这给系统运动的分析带来了很大的影响。

发明内容

为了解决现有技术的不足，本发明提供了一种仿生机器鱼，其采用PSO算法对CPG模型参数进行整定优化，解决了输出不稳定、参数选定困难、能耗高等问题。

本发明的一种仿生机器鱼，仿生机器鱼放置于水池内；该仿生机器鱼包括：

微处理器，所述微处理器与驱动模块相连，用来控制仿生机器鱼的运动；所述微处理器还与充电电池相连，所述充电电池还与无线充电模块相连；所述无线充电模块包括设置于仿生机器鱼上的无线充电接收端机构和固定在水池中的无线充电发射端机构；

所述微处理器还与Zigbee模块相连，所述Zigbee模块用于实现仿生机器鱼的定位以及多条仿生机器鱼之间的相互通信；

所述微处理器被配置为：

根据极限环CPG网络控制模型来构建仿生机器鱼的数学模型；

采用PSO算法对仿生机器鱼的数学模型中的参数进行优化，其优化过程为：

设定算法参数，所述算法参数包括学习因子、最大迭代次数和粒子的维数；

初始化种群，其中初始种群是由随机产生的若干个粒子组成的；

计算粒子的适应度值；

找出个体极值和群体极值，再进一步的进行更新迭代直到输出最优解。

进一步的，所述微处理器还与语音控制模块相连。

进一步的，所述微处理器还与移动终端相互通信。

进一步的，所述仿生机器鱼内还嵌入有LED灯，所述LED灯与微处理器相连。

进一步的，所述驱动模块为压电陶瓷驱动模块。