[发明专利]一种机器人控制器设计方法

说明书

本发明提供了一种机器人控制器设计方法，用于针对传感器数量会变化的形态可变机器人对应的神经网络控制器进行设计从而使得神经网络控制器控制形态可变机器人完成任务，其特征在于，包括如下步骤：步骤S1，形态可变机器人通过预定数量的传感器获取接收值；步骤S2，将接收值输入预定的最优神经网络控制器并将输出作为形态可变机器人的电机转速从而控制形态可变机器人完成任务。其中，最优神经网络控制器通过预定的编码方法得到。编码方法包括如下步骤：先对所有传感器编号，进而利用进化算法按照传感器编号依次对不同形态下的神经网络控制器的网络结构进行进化，最后得到最优神经网络控制器。

技术领域

本发明涉及自适应控制系统技术领域，具体涉及一种机器人控制器设计方法。

背景技术

机器人控制器的设计是机器人领域的核心问题之一，机器人需要感知周围环境从而产生合理的动作。现有的控制器设计都是在形态固定的情况下进行的，而机器人合理动作的产生不仅仅依赖于控制器，也依赖于机器人的形态，不同环境中的适用形态是不同的，例如模块化机器人在完成不同任务时的适用形态并不相同。

传统的机器人控制器设计是在机器人形态固定的情况下进行的，这使得机器人控制器局限于特定形态，同时影响了优化空间。理想情况下，机器人的形态可以随着环境的变化而改变，不断适应环境。这就要求在设计控制器的过程中，将机器人的形态变化也考虑进来，使得控制器具备形态自适应的能力，而不仅仅只是针对固定结构进行设计。

现有的形态可变机器人设计集中在模块机器人^[1]上，而没有拓展到其他常见的机器人形态，并且缺少相应的针对形态可变机器人的控制方法。

参考文献

[1]Weel B,D'Angelo M,Haasdijk E,et al.Online gait learning formodular robots with ar-bitrary shapes and sizes[J].Artificial life,2017,23(1):80-104.

发明内容

为解决上述问题，提供了一种使用进化算法来使得机器人中的神经网络控制器能够渐进式学习其不同形态从而考虑到了机器人的形态变化的控制器设计方法，本发明采用了如下技术方案：

本发明提供了一种机器人控制器设计方法，用于针对传感器数量会变化的形态可变机器人对应的神经网络控制器进行设计从而使得神经网络控制器控制形态可变机器人完成任务，其特征在于，包括如下步骤：步骤S1，形态可变机器人通过预定数量的传感器获取接收值；步骤S2，将接收值输入预定的最优神经网络控制器并将输出作为形态可变机器人的电机转速从而控制形态可变机器人完成任务，其中，最优神经网络控制器通过预定的直接编码得到，直接编码包括如下步骤：步骤T1，对形态可变机器人中所有传感器进行编号得到传感器编号；步骤T2，按照传感器编号令一个传感器暂停工作，并将剩下的传感器设定为工作传感器；步骤T3，根据工作传感器构建神经网络控制器；步骤T4，利用预定的第一进化算法对神经网络控制器的初始网络结构进行优化，直到达到预定的进化代数，并将最后一代得到的初始网络结构作为进化网络结构进行保存；步骤T5，判断传感器编号是否为最大值，判断为否时，将进化网络结构作为新的初始网络结构，并重复步骤T2至步骤T5进行进化；步骤T6，在步骤T5判断为是时，根据所有传感器构建新的神经网络控制器，并将进化网络结构作为新的神经网络控制器的网络结构；步骤T7，利用第一进化算法对网络结构进行优化，直到达到进化代数，并从该进化过程中生成的多个网络结构中找出最优的网络结构作为最优网络结构；步骤T8，根据最优网络结构确定对应的神经网络控制器，并作为最优神经网络控制器输出。

根据本发明提供的一种机器人控制器设计方法，还可以具有这样的技术特征，其中，第一进化算法为神经进化算法或EA算法簇中的任意一种。

根据本发明提供的一种机器人控制器设计方法，还可以具有这样的技术特征，其中，神经进化算法为NEAT。