[发明专利]基于群体编码脉冲神经网络的多机械臂协同运动规划方法

权利要求书

1.一种基于群体编码脉冲神经网络的多机械臂协同运动规划方法，其特征在于，包括以下步骤：

S1:从运动场景中任意时刻的任意一个机械臂arm_k获取其周边相关机械臂的状态数据；

S2:设计群体编码模块，将观测到的状态数据的每个维度编码为一个神经元群体得到脉冲信号；

S3:设计脉冲神经网络模块处理脉冲信号输出群体活动脉冲；

所述脉冲神经网络模块基于电路漏电-积分-放电工作原理设计脉冲神经元，具体包括：

首先确定任意一个脉冲神经元模电压的更新规则为：

其中，p是机械臂的编号，可从1取值到P，P为相关机械臂的个数；θ(·)是指示方程，对输入向量的每个元素进行处理，大于阈值V_th时，则对应元素取值1，否则取值0；V_th是脉冲神经元模电压阈值；l表示神经元所在的神经网络的层数；m表示该层第m个神经元；神经元初始模电压为0，即：

第l层第m个脉冲神经元的输入是:

其中,n表示第l-1层脉冲神经元的个数,第1层神经元的输入即为群体编码模块输出的脉冲信号,表示神经元的参数；

对于相关机械臂arm^(p)的状态数据，第l层第m个脉冲神经元的输出是：

S4:设计群体解码模块，将群体活动脉冲解码为机械臂每个关节在下一个时刻应该转动的角度，实现该机械臂的自主运动规划；

S5:基于深度强化学习框架优化群体编码模块、脉冲神经网络模块以及群体解码模块的参数，规划场景中多个机械臂协同运动。

2.根据权利要求1所述的基于群体编码脉冲神经网络的多机械臂协同运动规划方法，其特征在于，相关机械臂为所有基底与机械臂arm_k基底距离在1.0m范围内的机械臂，且包括机械臂本身；

任意一个相关机械臂的状态数据包括：相关机械臂的基底位姿、末端位姿、10个关节的位置、6个关节角度、目标末端位姿；

其中，所述位姿为欧式空间的位置和姿态，位置用3个维度数据来表征，姿态用四元数来表征，即4个维度，任意一个相关机械臂的状态数据表征为7+7+10*3+6+7＝57个维度。

3.根据权利要求1所述的基于群体编码脉冲神经网络的多机械臂协同运动规划方法，其特征在于，所述步骤S2中，还包括：针对任意机械臂arm_k，设计与其相关机械臂的编码顺序及编码准则。

4.根据权利要求3所述的基于群体编码脉冲神经网络的多机械臂协同运动规划方法，其特征在于，所述设计与其相关机械臂的编码顺序，包括：

基于相关机械臂的基底到机械臂基底的距离，由远及近排序相关机械臂，得到以arm_k为中心的机械臂的集合A：

其中，p是机械臂的编号，可从1取值到P，P为相关机械臂的个数，arm^(p)表示集合A中最后一个机械臂,即为机械臂arm_k本身。

5.根据权利要求3所述的基于群体编码脉冲神经网络的多机械臂协同运动规划方法，其特征在于，所述设计与其相关机械臂的编码准则，包括：

针对任意一个相关机械臂arm^(p)∈A在时刻t_i的状态中的任意一个维度j的数据

首先将转化为一个群体中L个神经元的刺激强度：

其中，都是可训练的参数；然后基于刺激强度生成脉冲信号生成规则如下：

其中，α是权重系数，取值0.99，θ(·)是指示方程，对输入向量的每个元素进行处理，大于阈值V_th时，则对应元素取值1，否则取值0，因此，经过θ(·)处理，可获取脉冲信号。

6.根据权利要求1所述的基于群体编码脉冲神经网络的多机械臂协同运动规划方法，其特征在于，所述脉冲神经网络模块由依次连接的3个脉冲神经层组成，脉冲神经层的脉冲神经元个数依次分别为256，128，10。