[发明专利]基于FPGA的机械臂控制方法

说明书

本发明提供了一种基于FPGA的机械臂控制方法，涉及生物医学的技术领域，包括构建小脑神经网络模型，小脑神经网络模型包括：IO神经核团LIF模型、GR神经核团LIF模型、GO神经核团LIF模型、PKJ神经核团LIF模型、DCN神经核团LIF模型以及MF神经核团LIF模型；小脑神经网络模型获取机械臂角度误差信号，机械臂角度误差信号输入至小脑网络模型，对机械臂进行控制。通过本发明提供的方法可以缓解现有技术中应用FPGA实现小脑模型仿真，并进行机械臂控制难以实现的技术问题。

技术领域

本发明涉及生物医学工程技术领域，尤其是涉及一种基于FPGA的机械臂控制方法。

背景技术

现代神经科学技术研究表明，小脑在人脑的运动控制功能中起着重要的作用，包括维持躯体平衡、调节肌张力及协调运动等，是日常运动工作中必不可少的组织。小脑主要由苔藓纤维(Mossy fiber,MF)，颗粒细胞(Granule cell,GR)，高尔基细胞(Golgi cell,GO)，浦肯野细胞(Purkinje cell,PC)，下橄榄核细胞(Inferior olive nucleus,IO)组成，最终通过与PC和MF相连的小脑深部核团(Deep cerebellar nuclei,DCN)进行输出。小脑各核团以一定的关系通过兴奋或抑制性突触相互连接，IO接受来自外部的误差信号，通过突触可塑性根据外部输入改变核团之间的连接权重。近年来，神经科学家已经对小脑的运动控制机理进行了广泛和深入的研究，其可以对运动进行生物独有且快速平稳的自适应控制，并在此基础上建立了数学模型，为实现基于小脑的运动控制提供了可能。小脑网络规模大，结构复杂，计算机对于大型神经网络的模拟耗时长，限制多，能耗高，不能满足运动控制对于实时性的要求，故在FPGA上实现小脑神经网络，搭建机械臂小脑控制仿真平台对于模拟小脑的控制功能以及对运动控制过程中小脑网络内部生理机理的探究都有重要意义。

现场可编程门阵列(Field Programmable Gate Array，FPGA)技术在PAL、GAL、CPLD等可编程器件的基础上发展起来的，是专用集成电路(ASIC)领域中的一种半定制的电路技术，可以完美解决定制电路的不足和可编程器件门电路有限的问题。FPGA具有并行计算结构，可以完成与生物特性相同的并行运算，而且其资源丰富，体积小、开发周期短，运行速度快，能耗低，与其他仿真平台相比在所能实现的网络规模、计算速度和灵活性上都有着很明显的优势。在神经科学工程领域，越来越多的神经科学家选择使用FPGA进行仿真。由于FPGA能够对神经网络进行实时仿真，其在真实时间尺度下的生理特性研究和实际应用方面都有着非常重要的价值。

目前此技术还处于基础阶段，因此存在以下缺点：尚无基于FPGA的功能完善的机械臂小脑控制仿真平台；运用FPGA实现的小脑神经网络模型结构简单，功能单一，不能满足研究需要；人机交互界面尚有待完善，各核团之间耦合强度无法实时调整，控制操作和数据分析无法实时进行，因此应用FPGA实现小脑模型仿真，并进行机械臂控制难以实现

发明内容

有鉴于此，本发明的目的在于提供一种基于FPGA的机械臂控制方法，以实现对FPGA机械臂小脑控制的操作分析。

第一方面，本发明实施例提供了一种基于FPGA的机械臂控制方法，包括：

构建小脑神经网络模型，所述小脑神经网络模型包括：IO神经核团LIF模型、GR神经核团LIF模型、GO神经核团LIF模型、PKJ神经核团LIF模型、DCN神经核团LIF模型以及MF神经核团LIF模型；

所述小脑神经网络模型获取机械臂角度误差信号，所述机械臂角度误差信号输入至所述小脑网络模型，对机械臂进行控制。

优选的，所述小脑神经网络模型获取机械臂角度误差信号，所述机械臂角度误差信号输入至所述小脑网络模型，对机械臂进行控制包括：