基于Hopf振荡器的仿生机器魟鱼胸鳍波形控制算法
Waveform control algorithm for pectoral fin of robotic stingray based on Hopf oscillator
收稿日期: 2018-05-29
Received: 2018-05-29
作者简介 About authors
王扬威(1980—),男,博士,高工,从事仿生机器人、机电一体化技术及智能装备的研究.orcid.org/0000-0003-2947-7024.E-mail:
为了获得与生物魟鱼胸鳍相近的推进波形和游动性能,提出基于Hopf振荡器的仿生中枢模式发生器(CPG)胸鳍波形控制策略. 针对仿生机器魟鱼的结构与游动特征,利用20个Hopf振荡器耦合构建中心式CPG拓扑网络模型;通过输入参数幅值、频率和波数,控制该拓扑网络模型输出仿生机器魟鱼定常巡游、加速游动和机动转弯3种游动模式下胸鳍波形的动态位置信号. 通过仿真验证了该拓扑网络模型能够快速响应输入参数的变化,稳定输出平滑、连续的动态位置信号. 通过试验研究该拓扑网络模型控制仿生机器魟鱼胸鳍波动的可行性以及网络的输入参数对仿生机器魟鱼游动性能的影响. 试验结果表明,该模型能够稳定地输出耦合的波形信号,控制仿生机器魟鱼鳍面形成与生物鱼相似的推进波形,实现各游动模式以及各游动模式间灵活平滑地切换.
关键词:
A bionic central pattern generator pectoral-fin-waveform control strategy was proposed based on Hopf oscillators in order to obtain the propulsive waveform and the swimming performance like that of the pectoral fins of the stingray. A central pattern generator (CPG) topology network model was constructed by 20 coupled Hopf oscillators based on the structure and swimming characteristics of the robotic stingray. The topology network model can output the dynamic position signals of the pectoral-fin-waveform under three different swimming modes- parading, accelerating and turning through the given parameters-amplitude, frequency and wave number. The simulation results show that the topology network model can quickly respond to changes in input parameters and stably output the smooth and continuous dynamic position signal. Experiments were performed to analyze the feasibility of topological network model for controlling the pectoral fin fluctuation and the influence of network input parameters on the swimming performance. The experimental results show that the topological network model can control the fin-surface of the robotic stingray to form a waveform close to that of the fish by stably outputting the coupled waveform signal, which can control robotic stingray to realize various swimming modes and switch between the each swimming modes flexibly and smoothly.
Keywords:
本文引用格式
王扬威, 范增, 赵东标, 刘凯.
WANG Yang-wei, FAN Zeng, ZHAO Dong-biao, LIU Kai.
近些年,青睐于生物鱼类卓越的游动性能,国内外科研人员热衷于通过仿生学原理,模仿鱼类的形态结构和运动特征,设计出高游动性能的仿生机器鱼,改善传统水下推进器的推进性能[1-4]. 魟鱼属鳐科,环形胸鳍沿身体中线对称分布,游动时单侧胸鳍呈现1.0~1.5个行波;魟鱼的游动方式属于典型的中鳍-对鳍模式(median and/or paired fin,MPF),主要通过胸鳍波动形成沿鳍面向前/后传播的对称、非对称行波,实现向前/后巡游、加速机动以及机动转弯等游动模式 [5]. 研究表明,魟鱼胸鳍周期性波动的生物节律运动是由位于脊髓的中枢模式发生器(central pattern generator,CPG)神经元控制的,该类生物CPG神经元广泛存在于生物低级神经中枢中,能够在缺乏外部环境信息反馈和高级神经中枢参与的情况下自发地产生稳定的节律运动,如胃肠蠕动、呼吸运动、肢体运动等[6].
基于生物低级神经中枢的模式发生器原理,衍生出仿生CPG控制策略,利用多个仿生神经元构建CPG网络模型;模型根据简单的输入参数,耦合输出稳定的节律信号控制机器人运动,即使在缺乏外部反馈信号时,也能够自发地产生稳定的节律运动和平滑的轨迹过渡,鲁棒性强[7]. Ijspeert[8]根据CPG控制信号产生的机理不同,将CPG模型分为生物神经元物理模型、非线性振荡器模型、简化的神经元联结模型和神经元机制模型. 其中基于Hopf的非线性振荡器模型具有如下优点:稳定的极限环,输出信号波形稳定,且波形对内部网络的参数变化不敏感;输出信号的幅值、相位和频率相互独立、可以单独控制;单个周期内波形的上升段/下降段可调等[9]. 另外,Hopf的非线性振荡器模型具有结构简单的特点,便于在微控制器上实现,因而应用广泛.
Zhou等[10-11]利用8个Hopf振荡器构成链状CPG控制系统,成功控制仿生鳗状波动推进器“NKF-II”产生沿推进器弦展方向传播的波形,实现推进器的前游与倒退,并将遗传算法应用于CPG网络的参数自整定. Yu等[12]采用5个Hopf振荡器构成仿生海豚机器鱼的链式CPG控制系统,每个振荡器输出节律信号控制一个关节,成功实现了仿生海豚在3维空间内的前游、倒退、转弯、上浮和下潜5种游动模式. Ma等[13]利用4个Hopf振荡器构建4关节仿生机器鱼的CPG模型,通过该模型控制仿生机器鱼在易变的水下环境保持平滑的波动波形,通过仿真验证了该CPG模型的可行性. 高琴等[14-15]通过4个Hopf振荡器构成链式CPG网络控制系统,控制4关节蛇形机器人运动,并通过仿真和试验验证了该CPG控制网络的有效性,成功驱动蛇形机器人实现蜿蜒运动和侧向运动2种步态. Hu等[16]利用2个无耦合Hopf振荡器控制身体-尾鳍模式仿生机器鱼尾鳍运动,实现尾鳍周期性摆动向前推进,试验显示最大推进速度达到1.69 BL/s;通过分析两振荡器之间的滞后相位与其2个状态变量之间的内在联系,指导模型内部参数的整定,为身体-尾鳍模式机器鱼尾鳍运动控制提供了一种可行的控制方案.
本文根据生物魟鱼的形态结构与运动特征,在Hopf振荡器基础上引入幅值映射项,设计中心式CPG网络拓扑运动控制模型,用于控制仿生机器魟鱼20个仿生鳍条耦合运动,形成平滑稳定的胸鳍波形模仿生物魟鱼游动;通过仿真分析该模型输出信号控制仿生机器魟鱼胸鳍波动的有效性. 通过仿生机器魟鱼样机游动试验,分析运动控制参数对游动性能的影响.
1. 基于Hopf振荡器构建中心式CPG拓扑网络模型
1.1. Hopf振荡器的动态特性
Hopf振荡器非线性系统存在一个稳定的极限环,系统稳定后振荡器内状态变量以固定相位差在极限环内随时间产生自激偏振现象,输出不受外界扰动影响的正弦信号,鲁棒性强. Hopf振荡器动态特性的数学描述[17]为
式中:
取
图 1
1.2. 构建中心式CPG控制模型
图 2
图 3
根据仿生机器魟鱼的结构与运动特征,在传统Hopf振荡器中增加幅值映射项,将振荡器的输出信号连续、稳定地映射为魟鱼对应游动模式下的胸鳍波形,确保输出信号准确吻合机器魟鱼在各种游动模式下的胸鳍波形,解决了传统Hopf振荡器因固定的极限环吸引率而导致幅值改变时产生输出信号不连续的现象. 采用20个该新型Hopf振荡器构建中心式CPG网络拓扑模型,控制仿生机器魟鱼鳍条运动,更完美地模拟生物魟鱼的胸鳍波动波形,改善仿生机器魟鱼的游动性能. 中心式CPG网络中各振荡器节点输出的控制信号与鳍条关节角处舵机编号一一对应,中心振荡器节点控制仿生机器魟鱼胸鳍波动起点处的鳍条关节角舵机运动,决定仿生机器魟鱼的游动方向.
相对于传统链式CPG控制网络,中心式CPG网络拓扑模型的内部振荡器节点间耦合度低,如图4(a)所示,网络模型中各振荡器节点只存在与中心振荡器节点之间的单向耦合连接,其余振荡器节点之间不存在直接耦合,而是间接通过中心振荡器节点与相邻振荡器节点建立稳定的锁存相位差,降低了网络的计算复杂度;当仿生机器魟鱼的运动模式切换时,中心振荡器节点随着游动模式的切换而改变,网络快速在线重建,灵活性强,并且重建过程的计算量小,便于在微控制器上实现.
图 4
中心式CPG网络的内部耦合连接结构如图4(b)所示,期望锁存相位差以扰动项的形式通过中心振荡器节点正向传输至其余振荡器节点的内部状态变量
基于改进后的Hopf振荡器,建立中心式CPG网络拓扑模型的数学描述方程:
式中:
其中,
为了验证本文设计的中心式CPG控制网络的有效性,利用Matlab/Simulink进行仿真. 取网络中的所有振荡器节点的状态变量初值均为0.1,仿生机器魟鱼的运动模式为等幅波动,即
图 5
图 5 参数变化时中心式CPG网络的输出信号波形图
Fig.5 Signal waveform of central CPG network when parameters change
2. 仿生机器魟鱼波形控制仿真及试验
利用基于Hopf振荡器构建的中心式CPG控制网络,控制仿生机器魟鱼20个仿生鳍条运动,驱动环形胸鳍模拟生物魟鱼胸鳍波动,实现仿生机器魟直线定常巡游、加速巡游和机动转弯3种游动模式.
2.1. 直线定常巡游模式
直线定常巡游是MPF模式鱼类最常见的一种游动模式. 生物魟鱼在该游动模式下处于低速、稳定的游动状态,以降低自身能量消耗,漫游觅食. 根据对生物魟鱼的游动观测可知,仿生机器魟鱼可以通过胸鳍的等幅值波动和幅值递增波动2种波动方式以及2种模式灵活切换,模拟生物魟鱼定常游动,胸鳍波动包络线函数可以拟合为
式中:
图 6
图 6 仿生机器魟鱼直线定常游动示意图
Fig.6 Sketch of bionic robotic fish in linear steady swimming mode
初始化CPG网络参数
图 7
图 7 直线定常游动时CPG网络输出的信号波形
Fig.7 Output signal waveform of CPG network during linear steady swimming
2.2. 加速巡游模式
加速巡游模式是生物魟鱼捕食、躲避天敌和洄游等基本生命活动的重要游动策略,通过连续增加胸鳍波动的频率和幅值,获得所需的加速度[20-21]. 对于仿生机器魟鱼,可以通过增大关节角舵机的摆动频率与幅度来获得所需的加速度,得到较大的游动速度,模拟生物魟鱼的加速游动模式. 通过CPG控制网络输入随时间连续变化的幅值和频率,模拟生物魟鱼的加速游动;初始化CPG网络参数
图 8
图 8 直线加速模式下CPG网络输出信号波形图
Fig.8 Output signal waveform of CPG network during acceleration swimming mode
如图9所示为CPG网络参数
图 9
图 9 加速模式下仿生机器魟鱼胸鳍波形变化序列图
Fig.9 Snapshot sequence of bionic robotic fish pectoral fin waveform transformation in acceleration mode
图 10
图 10
游动速度与幅值
Fig.10
Relationship between swimming speed and amplitude
2.3. 机动转弯模式
生物魟鱼利用左、右胸鳍非对称波动方式获得转弯所需要的偏转力矩,在狭小的空间内原地转弯,展现出优越的转弯性能. 本文结合生物魟鱼机动转弯的运动特征与仿生机器魟鱼机械结构中心对称特征,提出2种仿生机器魟鱼机动转弯方式:胸鳍非对称波动方式和波动起点突变方式. 通过设计的中心式CPG网络输出连续稳定的2种机动转弯的控制信号,控制仿生机器魟鱼胸鳍鳍面波形实现转弯游动. 如图11(a)所示,通过配置中心式CPG网络的输入参数,使左侧振荡器CPG1~CPG11输出的信号幅值大于右侧振荡器CPG20~CPG12,控制仿生机器魟鱼鳍面形成非对称的正弦波,获得绕
图 11
初始化CPG网络参数为:
图 12
图 12 机动转弯模式下CPG网络输出信号波形
Fig.12 Output signal waveform of CPG network during turning mode
如图13所示为中心式CPG网络参数
图 13
图 13 非对称方式转弯游动序列图
Fig.13 Snapshot sequence of turning by asymmetrical amplitude
通过试验研究仿生机器魟鱼样机的转弯速度与左、右胸鳍幅值差的关系. 选定幅值差
图 14
图 14 非对称方式转弯速度与幅值差的关系
Fig.14 The relationship between turning speed and amplitude difference
3. 结 语
本文在传统Hopf振荡器的基础上,加入幅值过渡项,将振荡器的状态变量连续、平滑地映射为仿生机器魟鱼鳍条关节角的位置信号;基于仿生学原理,利用20个该振荡器,构建耦合简单的中心式CPG网络拓扑结构,设计仿生机器魟鱼胸鳍波动的幅值、频率和波数为网络的输入控制参数. 调整网络的控制参数,利用该网络输出仿生机器魟鱼定常游动、加速游动和机动转弯3种游动模式的胸鳍鳍条位置控制信号;通过仿真和试验,验证了基于该CPG拓扑网络的仿生控制策略的有效性,为未来研究高性能水下仿生机器人提供了一种可能的控制方法. 考虑设计分层控制系统,将该CPG控制网络作为底层控制,利用传感器将机器鱼游动周围环境信息,如外部流场、机器魟鱼游动速度以及周围是否有障碍物等,反馈到顶层控制系统;通过顶层控制系统,根据外部反馈决策CPG拓扑网络的控制参数,提高仿生机器魟鱼的灵活性与自主性.
参考文献
An efficient swimming machine
[J].DOI:10.1038/scientificamerican0395-64 [本文引用: 1]
Drag reduction in fish-like locomotion
[J].
Design and kinetic analysis of a biomimetic underwater vehicle with two undulating long-fins
[J].DOI:10.1016/S1874-1029(13)60049-X
Locomotion learning for an anguilliform robotic fish using central pattern generator approach
[J].DOI:10.1109/TIE.2013.2288193 [本文引用: 1]
Review of fish swimming modes for aquatic locomotion
[J].DOI:10.1109/48.757275 [本文引用: 1]
基于CPG原理的机器人运动控制方法
[J].DOI:10.3321/j.issn:1002-0470.2003.07.014 [本文引用: 1]
CPG-based methods for motion control of robot
[J].DOI:10.3321/j.issn:1002-0470.2003.07.014 [本文引用: 1]
Optogenetic dissection of a behavioral module in the vertebrate spinal cord
[J].DOI:10.1038/nature08323 [本文引用: 1]
Central pattern generators for locomotion control in animals and robots: a review
[J].DOI:10.1016/j.neunet.2008.03.014 [本文引用: 1]
Central pattern generator based reflexive control of quadruped walking robots using a recurrent neural network
[J].DOI:10.1016/j.robot.2014.05.011 [本文引用: 1]
Three-dimensional swimming
[J].DOI:10.1109/MRA.2011.942998 [本文引用: 1]
A bio-inspired strategy for robotic fish swimming in unsteday flows
[J].DOI:10.4028/www.scientific.net/AMM.341-342 [本文引用: 1]
基于Hopf振荡器实现的蛇形机器人的步态控制
[J].
Gait control for a snake robot based on Hopf oscillator model
[J].
基于振荡器模型的蛇形机器人的步态仿真
[J].
Gait simulation of snake robot based on CPG method
[J].
Central pattern generator and feedforward neural network-based self-adaptive gait control for a crab-like robot locomoting on complex terrain under two reflex mechanisms
[J].
Experimental investigation to the kinematics of a blue spotted ray like underwater propulsor
[J].DOI:10.19026/rjaset.6.3788 [本文引用: 1]
Kinematics modeling and experiments of pectoral oscillation propulsion robotic fish
[J].DOI:10.1016/S1672-6529(08)60114-6 [本文引用: 1]
/
〈 |
|
〉 |
