本文深入分析了HOPF振荡器在CPG控制中的动态特性，包括α、μ和ω参数的影响。α值决定了振荡器收敛速度，μ值影响信号幅值，而ω值则控制着周期。不同参数设置会产生不同波形，适配执行器特性和机器人运动需求。
系列文章目录
概述
众所周知，动物最常见的运动方式是节律运动，即按照一定的节奏、有力度地重复、协调、持续进行的动作，是低级神经中枢的自激行为。生物学上，动物的节律运动控制区被认为是分层并且模块化的，其控制以中枢模式发生器为中心，既可以接受来自高层的高级神经中枢的主观控制，也可以响应来自躯体各种感受器官的反射，这就是CPG控制机理。
前人已经按照CPG控制机理建立了不同形式的数学模型，它们能够产生的周期振荡的信号，使其能够满足节律运动的特点。
CPG模型分类
目前比较经典的CPG模型可划分为以下两大类：
-
①基于神经元的模型：Matsuoka神经元震荡模型、Kimura模型等，该类模型生物学意义明确，但参数较多，动态特性分析比较复杂。
-
②基于非线性振荡器的模型：Kuramoto相位振荡器、Hopf谐波振荡器等，该类模型参数较少，模型比较成熟。
在保证能够输出稳定的周期性震荡信号的前提下，那些形式简单、参数较少、计算量小、便于分析、易于实现的CPG模型是更好的选择。根据这一个原则，我们选取了HOPF振荡器作为CPG控制的核心。
一、HOPF振荡器
HOPF振荡器在状态空间中存在一个稳定的极限环，即对于任意非零初始值，均能使得振荡器产生相同形状的周期性振荡信号，其数学模型如下：
d x d t = α ( μ − r 2 ) x − ω y \frac{dx}{dt} = \alpha(\mu - r^2)x - \omega y dtdx=α(μ−r2)x−ωy
d y d t = α ( μ − r 2 ) y + ω x \frac {dy}{dt} = \alpha(\mu-r^2)y+\omega x dtdy=
最低0.47元/天 解锁文章
2694
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
