小腦內(nèi)部預測模型與機器主體的運動平衡控制.pdf

1、認知在運動神經(jīng)技能(包括運動神經(jīng)控制和運動神經(jīng)學習)中扮演著重要角色。理解和模擬生物系統(tǒng)運動技能認知行為，并將這種行為賦予機器人主體，是課題的基本出發(fā)點。運動控制中的人體姿態(tài)平衡問題是自主移動式機器主體的一個首要問題。小腦模型的研究對于機器主體模擬自然生命體的運動平衡控制意義重大。 針對機器主體的運動平衡控制問題，本文提出小腦內(nèi)部預測模型(IPM)。IPM在文中的兩種表現(xiàn)形式：依照運動神經(jīng)生物學中的卡爾曼濾波理論，創(chuàng)建基于卡爾曼

2、濾波器的小腦內(nèi)模；依據(jù)運動神經(jīng)中的史密斯預估理論，提出基于史密斯預估器的小腦內(nèi)模。取得的主要研究成果有： 1)人體姿態(tài)平衡動力學模型本文從人體姿態(tài)平衡問題出發(fā)，進行模型力學分析將其簡化抽象為倒立擺模型。針對控制倒立擺問題，通過分別采用比例積分(PD)和神經(jīng)網(wǎng)絡比例積分(NNPD)進行對比仿真實驗，認為在實現(xiàn)運動控制的運動學習中，設計一種自適應小腦內(nèi)部預測模型，幫助機器主體獲得運動平衡技能是有意義的。 2)基于Kalman

3、預估器的小腦模型本文在建立的IPM概念上提出一種基于Kalman預估器的小腦模型，當它用于解決肢體平衡問題時可以保證系統(tǒng)的在運動控制過程中的精確性和穩(wěn)定性。這種前饋模型由神經(jīng)網(wǎng)絡構(gòu)成，訓練信號由預估器和反饋控制器的輸出提供，同時反饋控制器采用PD控制器以確保全局穩(wěn)定性。通過對倒立擺的仿真實驗驗證了這一模型對機器主體運動平衡控制的有效性。 3)基于Smith預估器的小腦模型本文提出另一種IPM，即一種基于Smith預估器的小腦模型

4、，目的是解決生理學上反饋控制系統(tǒng)的高增益長延遲引起的問題。有效的控制效果可以通過提高機械和神經(jīng)反饋的增益實現(xiàn)。同時，源于生物過程的傳輸延遲是不能忽略的。所以，提出的新模型在概念上是合理的。這一機制中的兩個前向模型可以通過神經(jīng)網(wǎng)絡的運動神經(jīng)學習得到。受近期小腦研究啟發(fā)的訓練信號用于學習動態(tài)模型，倒立擺實驗證明這一思想在機器主體的運動平衡控制上是有效的。由于本模型中的預測模型要求是被控對象的動態(tài)模型和延遲模型的精確表達，對參數(shù)十分敏感，而倒

5、立擺系統(tǒng)又是典型的非線性不穩(wěn)定系統(tǒng)，因此在這一模型的應用上作了探索性研究。 論文中的仿真實驗結(jié)果表明：內(nèi)部預測模型可用于機器主體的運動平衡控制。也說明：本文提出的模型從功能上可以用真實的神經(jīng)生物系統(tǒng)被理解和解釋。 本課題得到了國家自然科學基金(60375017)、北京市人才強教計劃項目、高等學校博士學科點專項科研基金(20050005002)的支持。相關研究成果已被國際刊物Lecture Notes in Compute

6、r Science(SCI檢索)，國際會議論文集the Proceeding of 6<'th> World Congress on Intelligent Control and Automation(EI檢索)，以及國內(nèi)核心期刊《清華大學學報(自然科學版)》(EI刊源)錄用。研究生期間，本人代表課題組參加ISNN2006國際會議并做口頭報告。本文的研究工作對于促進運動學習在控制系統(tǒng)中的應用有積極的意義，可以廣泛應用于機器學習、自動控