CN102745320A - 一种仿鲹科机器鱼倒游运动的控制方法 - Google Patents

Abstract

本发明公开了一种仿鲹科机器鱼倒游运动的控制方法。该方法基于中枢模式发生器(Central Pattern Generator，CPG)控制机器鱼的游动。首先根据鱼类游动的特征，构建CPG链式网络拓扑结构，以减少CPG参数数量，降低模型复杂度。然后通过合理调整CPG模型的参数，使得CPG模型的输出信号满足：在机器鱼鱼头至鱼尾的方向上，机器鱼舵机的控制信号的相位依次滞后，幅值依次减小，从而产生后向推进力，实现机器鱼的倒游。本发明对深入理解鱼类的倒游运动机理具有促进作用，同时为丰富水下机器人的运动模态、提高其机动能力提供指导。

Description

一种仿鲹科机器鱼倒游运动的控制方法

技术领域

本发明属于仿生学领域，尤其是一种基于中枢模式发生器(CentralPattern Generator，CPG)的仿鲹科机器鱼倒游运动的控制方法。

背景技术

在长期的自然选择中，鱼类进化出非凡的游动能力。鱼类的游动不仅推进效率高、机动性好，而且环境适应能力强、隐蔽性好。这些优点是当前水下机器人所无法比拟的，因此，吸引了大量学者研究鱼类的游动机理，希望改善水下潜器的能力，提高效率及机动性，增强稳定性。目前，国内外研究人员已成功研制出众多仿生机器鱼样机，实现了直游、转向、上浮、下潜等动作。但是，针对机器鱼倒游的研究较少。在自然界中，鱼类依靠胸鳍的波动，能够实现身体缓慢后退，而鳗鱼及细长体鱼类可以改变鱼体波的传播方向实现倒游。瑞士洛桑理工大学(EPFL)研制的机器鱼BoxyBot在身体停振的条件下，通过胸鳍旋转180度、后向拍动来实现倒游。此类倒游方式对胸鳍的依赖性强，对机器鱼样机设计要求高。

通常，CPG是指一类存在于无脊椎动物和脊椎动物中枢神经***中的神经元电路。CPG通过神经元之间的相互抑制，实现自激振荡，产生稳定的节律信号。因此，CPG能够在无节律控制或者反馈输入的情况下，控制生物体的节律行为，例如游泳、呼吸、行走或者飞行等。由于CPG能够产生稳定的节律信号、鲁棒性强、实时性好以及易于调节信号幅值、频率等参量，因此，被广泛应用于机器人的运动控制中。中国科学院自动化研究所采用CPG控制模型实现了机器鱼的直游、转向、潜浮等。鉴于CPG控制方法在产生稳定游动运动方面的优势，本发明将其成功应用于机器鱼的倒游控制。

发明内容

本发明的目的是提供一种仿鲹科机器鱼倒游运动的控制方法，实现机器鱼的倒游运动。该方法基于CPG产生机器鱼舵机的控制信号，控制鱼体的波动。通过调整CPG的参数，实现控制信号满足：鱼头至鱼尾方向上，相位依次滞后，幅值依次减小。通过鱼体波动，产生后向推进力，实现仿生机器鱼的倒游运动。

本发明所提出的一种仿鲹科机器鱼倒游运动的控制方法，其特征在于，该方法通过离散化中枢模式发生器(CPG)模型来产生仿鲹科机器鱼鱼体及尾部相应的驱动舵机的控制信号，以使机器鱼鱼体从鱼头至鱼尾的方向上，鱼体及尾部驱动舵机控制信号的相位依次滞后，幅值依次减小，从而产生后向推进力，使机器鱼倒游；

所述离散化CPG模型为：

$\left\{\begin{array}{c}\frac{x_i(k+1)-x_i\left(k\right)}{\mathrm{\ΔT}}=-{\mathrm{\ω}}_i\·y_i\left(k\right)+x_i\left(k\right)\·(m_i{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+a_1{y}_{i-1}\left(k\right)+a_2{y}_{i+1}\left(k\right)\\ \frac{y_i(k+1)-y_i\left(k\right)}{\mathrm{\ΔT}}={\mathrm{\ω}}_i\·x_i\left(k\right)+y_i\left(k\right)\·(m_i-{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+b_1{x}_{i-1}\left(k\right)+b_2{x}_{i+1}\left(k\right)\\ z_i\left(k\right)=\left\{\begin{array}{c}{c}_{i}y\left(k\right)\mathrm{if}{z}_i\left(k\right)-z_i(k-1)\≤\mathrm{ST}\\ z_i(k-1)+\mathrm{STif}{z}_i\left(k\right)-z_i(k-1)>\mathrm{ST}\end{array}\right.\end{array}\right.,$

式中，i＝1，…，n，n表示振荡神经元的个数，所述振荡神经元对应于机器鱼鱼体及尾部的驱动舵机；x_i(k)表示振荡神经元的膜电势；y_i(k)表示振荡神经元的调节电势；x_i(k)和y_i(k)均为中间状态变量；k表示离散时间变量；ΔT表示时间增量；ω_i表示振荡神经元的固有频率；m_i表示振荡神经元的固有幅值；a₁，a₂，b₁，b₂表示振荡神经元间的耦合系数；c_i表示输出放大倍数；z_i(k)表示对相应的仿鲹科机器鱼鱼体尾部驱动舵机进行控制的输出信号；S表示机器鱼鱼体及尾部驱动舵机的最大角速度；T表示机器鱼鱼体及尾部驱动舵机的控制周期；ω_i、m_i、a₁、a₂、b₂、c_i、S、T均为已知变量。

本发明对深入理解鱼类的倒游运动机理具有促进作用，同时为丰富水下机器人的运动模态、提高其机动能力提供指导。

附图说明

图1是本发明基于CPG的仿鲹科机器鱼网络拓扑示意图；

图2是本发明仿鲹科机器鱼倒游运动的视频截图；

图3是本发明控制***硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明提出的所述仿鲹科机器鱼倒游运动的控制方法，是利用多个CPG振荡单元来组成机器鱼的运动控制网络。其中，CPG振荡单元基于Hopf振荡器构建而成，采用链式耦合网络结构。所述仿鲹科机器鱼倒游运动所采用的CPG模型表示如下：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_i=-{\mathrm{\ω}}_i{y}_i+x_i(m_i-x_i^2-y_i^2)+\underset{j=1,j\≠i}{\overset{n}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{y}_i\\ {\stackrel{\·}{y}}_i={\mathrm{\ω}}_i{x}_i+y_i(m_i-x_i^2-y_i^2)+\underset{k=1,k\≠i}{\overset{n}{\mathrm{\Σ}}}{b}_{\mathrm{ij}}{x}_k\\ z_i=c_i{y}_i\end{array}\right.,$

式中，代表x_i的一阶导数；

代表y_i的一阶导数，

和

均为中间状态变量；i＝1，…，n，n表示振荡神经元的个数；x_i表示振荡神经元的膜电势；y_i表示振荡神经元的调节电势；ω_i表示振荡神经元的固有频率；m_i表示振荡神经元的固有幅值；a_ij、b_ik表示振荡神经元间的耦合系数；c_i表示输出放大倍数；ω_i、m_i、a_ij、b_ik、c_i均为已知变量；z_i表示输出信号。

接下来，根据鱼类游动特征及机器鱼的鱼体结构，建立一个简化的CPG网络拓扑结构。该拓扑结构采用最近相邻耦合方式，即每个CPG单元仅与相邻CPG单元具有耦合关系，这样能够大幅减少模型参数数目，降低模型复杂度。图1是本发明基于CPG模型的仿鲹科机器鱼的网络拓扑图示意图，如图1所示，每个CPG单元(CPG1、CPG2、CPG3和CPG4)仅与前后相邻的两个CPG单元进行耦合，构成链式结构，以控制对应鱼体及尾部驱动舵机的转动。

在实际工程应用中，当CPG单元的频率或者幅值过高时，CPG两次输出信号间的差值必然受舵机角速度的限制。因此，必须对上述CPG模型的输出函数重新设计，并将其离散化。

本发明所建立的离散化倒游CPG模型表示如下：

$\left\{\begin{array}{c}\frac{x_i(k+1)-x_i\left(k\right)}{\mathrm{\ΔT}}=-{\mathrm{\ω}}_i\·y_i\left(k\right)+x_i\left(k\right)\·(m_i{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+a_1{y}_{i-1}\left(k\right)+a_2{y}_{i+1}\left(k\right)\\ \frac{y_i(k+1)-y_i\left(k\right)}{\mathrm{\ΔT}}={\mathrm{\ω}}_i\·x_i\left(k\right)+y_i\left(k\right)\·(m_i-{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+b_1{x}_{i-1}\left(k\right)+b_2{x}_{i+1}\left(k\right)\\ z_i\left(k\right)=\left\{\begin{array}{c}{c}_{i}y\left(k\right)\mathrm{if}{z}_i\left(k\right)-z_i(k-1)\≤\mathrm{ST}\\ z_i(k-1)+\mathrm{STif}{z}_i\left(k\right)-z_i(k-1)>\mathrm{ST}\end{array}\right.\end{array}\right.,$

式中，i＝1，…，n，n表示振荡神经元的个数，即机器鱼鱼体尾部驱动舵机的个数，本发明中，n＝4；x_i(k)表示振荡神经元的膜电势；y_i(k)表示振荡神经元的调节电势；x_i(k)和y_i(k)均为中间状态变量；k表示离散时间变量；ΔT表示时间增量；ω_i表示振荡神经元的固有频率；m_i表示振荡神经元的固有幅值；a₁，a₂，b₁，b₂表示振荡神经元间的耦合系数；c_i表示输出放大倍数；z_i(k)表示输出信号，控制相应的仿鲹科机器鱼鱼体及尾部驱动舵机；S表示鱼体及尾部驱动舵机的最大角速度；T表示鱼体及尾部驱动舵机的控制周期，ω_i、m_i、a₁、a₂、b₁、b₂、c_i、S、T均为已知变量，在本发明的一个实施例中，ω_i＝20，m₁＝65，m₂＝40，m₃＝15，m₄＝3，a₁＝0，a₂＝0，b₁＝0，b₂＝0，c_i＝5.0，S＝0.06s/60°，T＝20ms。

生物学家研究发现：鲹科鱼类在游动时，身体的波动将会产生一个从鱼头传向鱼尾的行波。该行波的传播速度大于鱼类的游动速度，而且行波的幅度由鱼头至鱼尾逐渐增大。根据Lighthill等人多年的研究，Barrett等提出的鱼类游动的波动方程可写为：

y_body(x，t)＝(c₁x+c₂x²)sin(λx+ωt)，

式中 ，y_body表示鱼体的横向位移；x表示鱼体的纵向位移；t表示时间；λ表示波长倍数；c₁，c₂表示鱼体波包络线常数；ω表示鱼体波的频率。

对上述鱼体波动方程进行分析，可以发现：鱼类在游动时，鱼头至鱼尾方向，身体摆动幅值依次增大，而摆动时间(相位)依次超前。此方式的鱼体波动可以产生前向推进力，实现鱼类的直游。若逆转鱼体波，使鱼体的波动呈现鱼头至鱼尾方向，相位依次滞后，幅值依次减小，便可产生后向推进力，实现鱼类的倒游。

根据上述分析，本发明通过调节所述CPG模型的参数，以使所述CPG模型的输出信号满足鱼头至鱼尾方向上，相位依次滞后，幅值依次减小，从而逆转鱼体波的传播方向，实现机器鱼的倒游。最简单的参数设置方法为，将所述离散化CPG模型中的的耦合系数a₁，a₂，b₁，b₂设置为零，即仅设置x_i(k)，y_i(k)的初始值，以通过所述CPG模型来计算鱼体及尾部驱动舵机J1-J4的控制输出信号，从而保证鱼体及尾部驱动舵机J1-J4的控制输出信号间的相位滞后关系，使鱼体的波动呈现鱼头至鱼尾方向上相位依次滞后，幅值依次减小，产生后向推进力，实现鱼类的倒游；另外，所述CPG模型中，幅值m_i为所述控制输出信号z_i(k)的幅值。

本发明提出的仿鲹科机器鱼倒游运动控制方法在四关节仿鲹科机器鱼样机上得到验证，四关节仿鲹科机器鱼的倒游运动视频截图如图2所示。

图3是本发明控制***硬件结构示意图，如图3所示，本发明中，仿鲹科机器鱼倒游运动控制***包括：ATmega128核心控制板、无线通信模块WP300、机器鱼的4个驱动舵机(J1-J4)、机器鱼的两侧胸鳍(J5、J6)、电源模块等。在控制过程中，单片机ATmega128实时在线的运算离散化CPG模型，产生机器鱼鱼体及尾部驱动舵机(J1-J4)的控制信号，使鱼体的波动呈现鱼头至鱼尾方向上相位依次滞后，幅值依次减小，产生后向推进力，控制机器鱼的倒游。在机器鱼的游动过程中，仿生机器鱼两侧胸鳍(J5、J6)保持水平静止，仅起平衡作用，不提供任何推力。此外，机器鱼通过无线通信模块WP300与上位机进行通信，通过改变所述离散化CPG模型中振荡神经元的固有频率ω_i，并通过上位机发送命令，能够方便、灵活地改变机器鱼的倒游速度。所述电源模块用于为机器鱼的核心控制板及驱动舵机供电。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种仿鲹科机器鱼倒游运动的控制方法，其特征在于，该方法通过离散化中枢模式发生器(CPG)模型来产生仿鳍科机器鱼鱼体及尾部相应的驱动舵机的控制信号，以使机器鱼鱼体从鱼头至鱼尾的方向上，鱼体及尾部驱动舵机控制信号的相位依次滞后，幅值依次减小，从而产生后向推进力，使机器鱼倒游；

所述离散化CPG模型为：

$\left\{\begin{array}{c}\frac{x_i(k+1)-x_i\left(k\right)}{\mathrm{\ΔT}}=-{\mathrm{\ω}}_i\·y_i\left(k\right)+x_i\left(k\right)\·(m_i{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+a_1{y}_{i-1}\left(k\right)+a_2{y}_{i+1}\left(k\right)\\ \frac{y_i(k+1)-y_i\left(k\right)}{\mathrm{\ΔT}}={\mathrm{\ω}}_i\·x_i\left(k\right)+y_i\left(k\right)\·(m_i-{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+b_1{x}_{i-1}\left(k\right)+b_2{x}_{i+1}\left(k\right)\\ z_i\left(k\right)=\left\{\begin{array}{c}{c}_{i}y\left(k\right)\mathrm{if}{z}_i\left(k\right)-z_i(k-1)\≤\mathrm{ST}\\ z_i(k-1)+\mathrm{STif}{z}_i\left(k\right)-z_i(k-1)>\mathrm{ST}\end{array}\right.\end{array}\right.,$

式中，i＝1，...，n，n表示振荡神经元的个数，所述振荡神经元对应于机器鱼鱼体及尾部的驱动舵机；x_i(k)表示振荡神经元的膜电势；y_i(k)表示振荡神经元的调节电势；x_i(k)和y_i(k)均为中间状态变量；k表示离散时间变量；ΔT表示时间增量；ω_i表示振荡神经元的固有频率；m_i表示振荡神经元的固有幅值；a₁，a₂，b₁，b₂表示振荡神经元间的耦合系数；c_i表示输出放大倍数；z_i(k)表示对相应的仿鲹科机器鱼鱼体尾部驱动舵机进行控制的输出信号；S表示机器鱼鱼体及尾部驱动舵机的最大角速度；T表示机器鱼鱼体及尾部驱动舵机的控制周期；ω_i、m_i、a₁、a₂、b₁、b₂、c_i、S、T均为已知变量。

2.根据权利要求1所述的方法，其特征在于，所述机器鱼鱼体及尾部驱动舵机之间的耦合关系为链式耦合关系。

3.根据权利要求2所述的方法，其特征在于，所述机器鱼鱼体及尾部的每个驱动舵机仅与其相邻的驱动舵机具有耦合关系。

4.根据权利要求1所述的方法，其特征在于，所述鱼类的游动满足波动方程：

y_body(x，t)＝(c₁x+c₂x²)sin(kx+ωt)，

式中，y_body表示鱼体的横向位移；x表示鱼体的纵向位移；t表示时间；k表示波长倍数；c₁，c₂表示鱼体波包络线常数；ω表示鱼体波的频率。

5.根据权利要求1所述的方法，其特征在于，所述振荡神经元间的耦合系数a₁,a₂，b₁,b₂取值为零。

6.根据权利要求1所述的方法，其特征在于，所述固有幅值mi为所述输出信号z_i(k)的幅值。

7.根据权利要求1所述的方法，其特征在于，用于对仿鲹科机器鱼倒游运动进行控制的控制***包括：ATmega128核心控制板、无线通信模块WP300、机器鱼的4个驱动舵机、机器鱼的两侧胸鳍、以及电源模块。

8.根据权利要求7所述的方法，其特征在于，在机器鱼的游动过程中，所述机器鱼的两侧胸鳍保持水平静止，仅起平衡作用，不提供任何推力。

9.根据权利要求1所述的方法，其特征在于，所述ATmega128核心控制板根据离散CPG模型实时在线地产生机器鱼鱼体及尾部驱动舵机的控制信号；所述电源模块用于为机器鱼的核心控制板及驱动舵机供电。

10.根据权利要求1所述的方法，其特征在于，机器鱼通过所述无线通信模块WP300与上位机进行通信，以通过改变所述离散化CPG模型中的参数ω_i，来改变机器鱼的倒游速度。

Images