基于神经元群的网络遥操作机器人控制研究

遥操作技术是机器人学中的一个重要研究方向，互联网的出现和快速发展为本地机器人系统和远端操作者之间提供了新的交互媒介。通过网络将操作者智能与机器人局部自主相结合，充分利用操作者与机器人系统间的交互能力，实现远距离、动态非线性环境下的复杂任务操作，极大地拓展了遥操作机器人系统的应用范围，具有广阔的应用前景。但由于网络传输特性产生的随机时延和多通道问题会严重降低遥操作系统的稳定性；环境的复杂性和动态性也会影响系统的操作性能，使得操作者与机器人之间难以实现良好的交互和控制，甚至威胁到机器人自身的安全。针对这一问题，本文在分析了现有的遥操作理论和方法的基础上，采用事件驱动和动态神经元群控制相结合的方法，研究网络遥操作机器人系统的建模和控制问题。通过提高遥操作机器人的局部自主能力，结合学习能力、短期记忆结构和内部表达方式的建立，增强遥操作机器人的环境适应能力。论文的主要研究内容可分为如下三个方面：基于事件和神经元群方法的控制系统整体设计；具有局部自主的神经元群控制器分析与实现；将多层延迟结构引入神经元群模型，给出了动态神经元群控制器设计。具体研究内容概括如下： 1. 论文对遥操作机器人系统发展历程、研究现状，以及在网络遥操作机器人系统研究中所涉及的一些主要方法，存在的问题和已有的解决方案进行了归纳总结和较为全面系统的分析，然后给出本文研究的主要内容和研究所需的一些准备知识。 2. 论述了涵盖三个大脑信息处理特性：选择性、适应性及协同性的神经元群选择理论，详细分析了选择性神经元群网络的结构、功能和算法。建立了基于选择性神经元群网络的遥操作机器人控制模型。在此基础上进行的仿真对比实验，验证了其在学习能力和收敛精度方面，比传统的人工神经网络方法更具优势。 3. 针对网络遥操作机器人系统中存在的随机时延和模型所具有的未知、不确定和非线性特性，造成系统不稳定和操作性能下降等问题，提出采用基于事件和神经元群控制相结合的方式建立系统控制模型。综合考虑两种控制策略的特点，分别设计两端控制器。通过神经元群模型提高本地机器人的局部自主能力，实时跟踪远端的位置和速度信息；结合基于事件控制方法实现切换控制，降低网络随机时延的影响，保证系统稳定性，提高系统操作性能。在此基础上，结合轮式移动足球机器人模型、网络通讯协议和时延数据的分析，进行仿真实验，结果验证了所提控制方法的有效性。 4. 将神经动力学概念引入到网络遥操作系统中，建立一种新的具有分层延迟结构的动态神经元群模型。引入时延单元增加记忆功能，由此导出的模型更适合应用于处理序列数据。动态神经元群模型将事件序列的时变量转化为空间向量表示，进而转化为多维曲线的分类问题。利用这个模型，实现对遥操作机器人系统动态特性参数的辨识和远端操作者意图的分析预测，并进行了全局渐近稳定性和同步状态分析。通过这种方式克服网络随机时延的影响，保证系统的稳定性和操作性能。针对轮式移动足球机器人进行了仿真实验研究。最后，本文分别利用了基于MATLAB和MSVisual C++开发的仿真平台，验证了以上方法的有效性和控制器的性能。本文所作的理论分析工作及仿真实验，验证了基于事件和神经元群方法实现对网络遥操作机器人控制的有效性。