自适应路径跟踪和蛇形机器人运动的优化控制的中枢模式发生器

文摘

这项工作调查运动效率优化和自适应路径跟踪的蛇形机器人在复杂环境中。优化运动效率,它考虑了能源消耗和前进速度对蛇形机器人的最优运动参数控制中枢模式发生器(CPG)控制器。一只布谷鸟搜索算法(CS)应用于优化机器人的运动参数分布的环境变量分数和障碍。提出了一种自适应路径跟踪方法引导蛇形机器人前进,沿着所需的路径。的效率和准确性提出了路径跟踪方法的研究。此外,一个控制框架,包括CPG网络、运动效率优化算法,设计了一种自适应路径跟踪方法控制蛇形机器人在不同环境中移动。给出了仿真和实验结果说明本文所提出的运动性能的优化方法和自适应路径跟踪控制器蛇形机器人在复杂地形。

1。介绍

灵感来自生物蛇,蛇形机器人来代替人类工作中引起相当大的关注在一些特殊情况如勘探、监视和侦察任务(1]。类似于生物蛇的稳定性和灵活性,蛇形机器人可以使用在具有挑战性的环境中(2]。

自1972年首次蛇形机器人是由Hirose,许多研究人员已经开发出许多蛇形机器人具有不同的机制。配置一些蛇形机器人与机器人等主动关节和被动轮(3,4]。一些蛇机器人通过关节弯曲,延长和缩短,如机器人(5,6]。一些蛇形机器人是由主动关节和主动车轮,如机器人(7,8]。一些蛇机器人是由主动轮和被动关节(9]。一些机器人结合关节和爬虫(10]。

一些机器人的控制方法与多自由度(自由度),如四足机器人和蛇形机器人,提出了在文献[11,12]。在过去的几年中,研究人员发现中枢模式发生器(CPG)脊髓内可能产生有节奏的运动没有感觉反馈和调节信号从大脑13]。松岗CPG研究的先驱,他在1987年提出了第一个实用的模型(14]。在过去的几年中,CPG被成功用于控制机器人,特别是控制仿生机器人,如蛇形机器人(15]。有节奏的运动,如横向波动和横向的,可以由CPG控制网络连接神经元振荡器(16,17]。在[18),一个双链霍普夫CPG网络是用来控制蛇形和横向的一条蛇机器人的步态。在[19),一个统一的神经元振荡器网络是研究控制三种不同类型的运动通过调整一些参数。平稳过渡和自主运动控制方法研究20.- - - - - -22]。然而,一些重要的表演如运动效率和路径跟踪的准确性蛇形机器人在这些研究不考虑。

有很多研究针对分析和优化蛇形机器人的运动效率。极其重要的问题,应该是解决机器人的运动效率。在[12),三种不同的蛇形机器人的步态分析根据其动态模型。运动速度和能源效率之间的权衡研究几个步态。在[23],步态参数之间的关系,能源消费,和前进速度不同的水下蛇机器人步态进行了研究,选择最有效的运动模式,根据模拟经验规则。

在[24),步态参数优化稳定关节和一个蛇形机器人的速度。然而,能源效率是不考虑。在[25),采用遗传算法来选择参数的蜿蜒的蛇机器人步态参数,但其他的表演并不认为除了机器人的速度。在[26),前进的速度两栖蛇形机器人由Powell优化的方法。然而,运动的频率不是考虑的优化算法(26]。一个框架研究优化水下机器蛇的运动和他们的能源效率研究27]。我们所知,没有常规优化框架,蛇形机器人在随机环境中有不同的分数和障碍。

实现蛇形机器人的实用性在各种任务,他们的路径跟踪研究未知的地形。在[28),提出了一种动态反馈控制器来控制方向的一条蛇机器人所需的角度。通过实验结果验证理论方法(29日]。在[30.),一个平面蛇形机器人可以前进和遍历参考路径所需的速度反馈控制的控制策略,实施虚拟约束。在[31日),蛇机器人的路径跟踪是研究利用近似动态规划和神经网络。

灵感来自船只在海上的路径跟踪控制(32,33),积分的视线(LOS)路径跟踪控制器是用来控制一个水下蛇形机器人沿着一条直线基于动态模型(34]。然而,它的一些关键参数任意选择。因此很难实现高效、准确的路径跟踪由于机制的复杂性和高度的自由蛇形机器人。

在这项工作中,双链霍普夫GPG用来代替正弦函数来生成联合参考函数来避免运动的突然转变。减少能源消耗和扩展独立工作小时的蛇形机器人,优化运动被认为是效率。考虑能源消耗和前进速度调查最优步态参数。探索运动效率的影响因素,我们进行了各种各样的模拟。仿真结果表明,相关的频率和振幅CPG控制器的效率。找到最有效的步态参数的组合霍普夫CPG, CS算法找到最优步态参数用于不同的环境。提出了一种自适应路径跟踪方法改善路径跟踪的准确性和效率。后的方法是用来控制一个蛇形机器人在狭小的空间曲线和直线与无序的障碍。位置、方向和前进速度、效率和误差积累的蛇形机器人路径跟踪控制的考虑。此外,一个控制框架包括霍普夫CPG网络,一个指数稳定的控制器,运动效率优化算法,自适应路径跟踪方法。 This work also includes more accurate and detailed simulation and experiment results about efficiency optimization and adaptive path following in complex environments.

本文组织如下。蛇形机器人的数学模型和CPG网络使用本文介绍的部分2。运动效率之间的关系,步态参数,研究环境因素和运动效率是CS算法优化的部分3。提出了一种自适应洛杉矶的路径跟踪控制器4。广泛的模拟进行验证的效率和准确性提出了路径跟踪方法部分5。最后,部分6总结了纸。

2。数学模型

蛇形机器人的数学模型(引起了人们广泛的关注34,36,37]。在本文中,我们简要介绍一个蛇形机器人的数学模型将用于效率优化和路径跟踪控制。我们的控制设计是基于提出的模型(36]。

2.1。蛇形机器人的数学模型

如图1蛇形机器人的连接链接。头的位置是 ,取向的链接是 ,和联合的俯仰运动是 。设置一个链接的质量和转动惯量的定义为链接 。为了简化计算,假设质心(CM)定位在其中心观点。其他符号和机器人的数学模型方程本文是相同的36]。

在这个动态模型中,假定粘滞摩擦行为只在CM的链接。摩擦的链接是计算 在哪里和链接和地面之间粘性比例系数的切向和正常的方向,分别。摘要蛇形机器人连接10链接,链接的长度 ,和链接的质量 。地面是平的,比例系数 和 。链接的旋转矩阵被定义为 模型可以用control-affine系统通过定义的标准形式 , , , ,和 。因此我们有 在哪里和通过计算 和矩阵和 定义在[36]。

联合的蛇形机器人的动力学 。新模型的控制输入是根据定义的指数稳定的关节控制器: 参考关节角关节被定义为 在哪里振幅,关节功能的频率参考,相位抵消影响一个蛇形机器人的形状改变的数量吗 - - - - - -形状。的形状和之间的关系可以给 在哪里的数量是 - - - - - -在水平面和形状是链接的数量。

然而,执行机构将损坏如果蛇形机器人控制(7)直接引用函数时突然凌日。为了避免抽筋的动作和作动器的物理损害,CPG控制器应用于生成参考关节的功能。

2.2。CPG网络的动态模型和拓扑结构

一些神经振荡器模型被用来控制蛇形机器人近年来,如Kuramoto振子模型(38],范德堡尔振荡器[16),和霍普夫振子模型39]。然而,Kuramoto模型需要巨大的计算和范德堡尔模型收敛缓慢。因此,霍普夫神经模型用于控制一个蛇形机器人由于其工作稳定性和快速收敛性。给出了霍普夫振荡器的动力学 在哪里 , 是一个极限环的半径,是收敛速度极限环,和决定霍普夫振荡器的极限环的中心,和在摆动和分别霍普夫分岔参数振荡器和吗 在这篇文章中,被接受为输出信号,信号的抵消吗决定了 。解决方案的和在稳态正弦。摘要符号和霍普夫振荡器的动力学参数的(35]。

摘要霍普夫CPG网络连接由两个系列的霍普夫振荡器。如图2(蓝色),左列和右列(红色)振荡器控制水平和垂直运动蛇形机器人,分别。参数 , , ,和如图2(一个)邻近的振子之间的连接权重,在图2 (b)是两个相邻的振荡器之间的相位差。水平和垂直振荡器之间的相位差是设置为 。霍普夫CPG网络的动力学给出 在哪里 和 分别是水平和垂直振荡器的输出。和控制的频率和振幅极限环。的旋转矩阵是计算 在哪里和参考的价值观是偏航驱动器和沥青联合执行机构 。本文参考角度联合通过计算

从以前的文献已知,CPG信号改变参数时突然间断地突然改变。导致不稳定的运动和关节损坏马达。因此,我们使用光滑的步态运输方法在我们以前的工作(35),以避免突然的转变。顺利进入函数被定义为 在振幅和偏移量被计算为 在哪里和predifined和期望的值是什么 , ,和的开始和结束时间参数发生变化。

3所示。蛇形机器人在不同环境的优化效率

众所周知从以前的文献16- - - - - -19霍普夫CPG),网络能够控制蛇形机器人的有节奏的运动。自然蛇总是可以调整自己的体型将有效地在不同的地形。为了提高蛇形机器人对复杂环境的适应性,外侧波动运动与几个CPG的组合参数,并讨论了分数。,8代表环境调查获取有效的运动。蛇形机器人由不同的CPG控制参数模拟找出CPG参数和机器人运动效率之间的关系。

3.1。运动效率步态参数

蛇形机器人的运动效率进行评估时,我们考虑他们的速度和能源消耗。为了简化优化目标,我们计算运动效率如下: 在哪里是联合执行机构的扭矩和蛇形机器人移动的距离在一个周期。是任意的时间和 ,在哪里是一段时间的运动。是所有关节力矩的平方和的来 。它是一个周期的能量消耗。

摘要不同的步态是由霍普夫CPG控制控制器。控制器结合效率评论家函数(20.)可以生成统一的输出与预期的振幅和相位差异没有额外的调整。

探索运动效率和参数之间的关系,由不同的步态运动控制参数与切向分数相同的平地 和正常的分数 是模拟的。我们模拟12的组合频率成比例和振幅 ,和其他参数是常数。从模拟的结果表1,运动效率影响和中央人民政府的网络。因此,相关的振幅和频率可以调整,以获得有效的运动。

3.2。蛇形机器人的运动效率在不同的环境中

摩擦在正常和切向方向的横向波动是重要的蛇形机器人。发现摩擦之间的关系和运动效率,我们八个不同的模拟情况相同的运动参数。八的情况下,分数在切向和正常的方向 设置为(0.1,0.3),(0.1,0.4),(0.1,0.5),(0.1,1),(1、3),(4),(1、5),和(10)。前四个情况下设置相同的切线方向的摩擦系数和摩擦系数增加正常的方向发展。最后四情况设置与摩擦系数的前四十倍情况下切线和正常的方向。

如表所示2在八的情况下,运动效率是不同的。它可以发现效率分数比率成正比 。运动效率类似于相同的分数 。

除了分数,一个蛇形机器人演示不同的在不同的环境中表现不同的污水和通行的宽度。如图3,一个蛇形机器人应该交通体型和运动灵活地穿过杂乱的环境障碍覆盖着。优化效率运动参数选择计算大量的运动参数的组合。然而,优化速度较慢,并且计算太复杂。它是必要的和重要的利用智能优化算法优化参数快速当我们面对一个复杂的环境。

3.3。使用CS算法参数优化

传统的参数选择方法选择所需的参数通过比较振幅的所有组合和频率在允许范围内。快速、有效地优化运动参数,CS算法(40- - - - - -42)是用于探索合适的最佳的振幅和频率在蛇形机器人正朝着一个新的环境。本研究中使用的优化算法是专性育寄生行为的启发,一些杜鹃物种结合航班有些果蝇的行为。优化异议是最大化的运动效率在(20.),由于这些参数的范围。

如图3蛇形机器人的整体形状的宽度应小于通行道路的宽度。整体形状的振幅是由道路的宽度决定,和是相关的在(7)。的范围根据通行的道路的宽度应该得到保证蛇形机器人跨越通行路径没有碰撞障碍物两侧的后者。

为了保证搜索的收敛性,最优个体保留方法接受CS算法。我们感兴趣的新的价值观使用CS算法作为参数进行搜索 在哪里 和是步长,相关优化问题的规模,应该大于零。

在这篇文章中,将根据振幅的规模为了减少计算复杂性的值和是近似的。是计算 。该产品意味着入口明智的两个向量的乘法。勒的步长计算y飞行勒y的分布: 而勒y的分布与无限无限变化的意思。

4所示。自适应洛杉矶的路径跟踪控制

优化路径跟踪的准确性和效率的蛇形机器人执行特殊任务在狭窄的空间中,我们提出一种自适应路径跟踪控制方案。如图4,一个自适应控制框架是由CPG运动生成器,一个方向控制器基于自适应制导律,运动,和一个能效评论家组件。闭环控制方案基于《法律和效率评论家元素总结了蛇形机器人的运动来调整自适应地根据能源效率在不同的地形。控制方案、信息环境包括分数和污水由传感器测量,包括和适当的运动参数和选择使用CS算法根据效率。选定的运动参数被运送到了CPG网络生成参考摆动角度的关节,和扭矩机器人的执行机构计算的指数稳定控制器(6)。上面的模块并给出了控制方案的部分。

4.1。洛杉矶制导律

本文应用洛制导律的曲线路径跟踪一个蛇形机器人。如图5参考路径点的切线 这是最近的点的CM蛇形机器人所需的路径。机器人的厘米的距离 被定义为 ,对应于交叉跟踪误差,由蛇形机器人的方向角吗 。

路径跟踪控制目标是控制一个蛇形机器人收敛到一个参考路径,随后沿着路径在非零速度向前发展。路径跟踪的目标可以形式化 在哪里是一个解析函数的参考路径。蛇形机器人不能跟踪参考路径完美由于振荡步态模式。我们控制目标意味着CM蛇形机器人可以有稳态振荡的参考路径。

在本节中,我们研究洛路径跟踪控制蛇形机器人,如图5。他们的参考方向计算使用《制导律 在哪里有预见性的距离是影响收敛速度所需的路径, 是机器人的厘米的位置,然后呢 最近的点的参考路径CM的机器人。众所周知的部分2,可以控制机器人的方向相抵消 。因此,我们可以引导方向根据《角(26),关节角偏移量计算 在控制器增益 和方向

4.2。根据洛杉矶自适应路径跟踪

先前的研究在蛇形机器人路径跟踪关注与常数波动运动步态参数在一个稳定的环境中,并获得在(29日)和look-head距离在(26)是固定的。误差积累和路径跟踪的能源效率是不被考虑。尽管蛇形机器人可以按照参考路径在一个稳定的环境中,很难保证他们的路径跟踪性能在复杂环境中尤其是当他们面临一些不确定因素,如分数和分布的障碍。

适应复杂的环境,这项工作提出了一种自适应蛇形机器人路径跟踪方法。在这个路径跟踪的方法,获得和有预见性的距离调整自适应地根据自己的位置和方向之间的关系。有效和准确的控制它们遵循所需的路径在不同的情况下,我们分析他们的特点,当他们在八的情况下移动。采取以下参考路径的一个例子 ,它可以分为八个典型的不同情况下据CM的相对位置参考路径和价值之间的差异和如图6。

分析这些情况后,我们发现有几个因素影响的值和包括一个机器人厘米之间的差异和参考路径和区别和 。考虑到这些影响因素,自适应参数和通过计算 在哪里和的初始值和和和是常数影响振荡的振幅蛇形机器人的参考路径。这些参数可以调整根据宽度和跟随精度的要求。在本文中,参数设置为 , , , , , , , , , ,和 。

能源效率和误差积累考虑到旁边的控制目标(26)- (28)。蛇形机器人的振动也被认为是在参考路径。误差积累可以计算为

5。评价

测试性能的运动效率优化方法提出了部分3和自适应洛杉矶的路径跟踪控制方案中描述的部分4,我们进行了大量的模拟。的动态模型和参数设置一个蛇形机器人的运动控制器部分2,活动关节的参考角度产生的CPG网络节中描述3。

5.1。在复杂的环境中运动效率优化

在这种模拟,一个蛇形机器人的运动参数在一个复杂的环境优化的CS算法。机器人的参数和控制参数是相同的。当机器人在一个新的环境,地面测量分数和振幅的尺度和频率推导出根据空间宽度。然后,最优的组合和选择通过CS算法。步长是 和 在CS算法。如表所示3机器人的步态参数优化的CS算法在八的情况下有不同的分数。如图7,机器人的步态参数选择的方法,选择组合 振幅的组合和频率在随机的, 和 。与随机组合方法相比,CS算法提高了准确性和参数优化的速度。

5.2。自适应路径跟踪的蛇形机器人

计算机仿真是实现Matlab R2016b运行Windows 10。动力学模型计算的数值解算器相对和绝对错误的宽容 。模型模拟的控制器(6),控制器增益 和 。参考计算关节的角度(7)和步态参数设置 , ,和 。

使用该路径跟踪方法4,一个蛇形机器人控制的参考路径包括水平直线和正弦曲线。如图8蛇形机器人控制我们的方法更准确地往前发展,随着水平线相比,使用《路径跟踪方法。图中所示8 (b)减少,误差累积与自适应路径跟踪方法。如图8 (c),机器人控制的效率提出了较传统方法主要洛杉矶路径跟踪方法。如图9蛇形机器人,由我们的方法控制前进和随正弦曲线路径相比更准确地使用经典的洛杉矶的路径跟踪方法。图中所示9 (b)减少,误差累积与自适应路径跟踪方法。如图9 (c),机器人控制的效率提出了较传统方法主要洛杉矶路径跟踪方法。提出了仿真结果显示机器人的位置很好地收敛到参考水平直线和正弦曲线路径。

为了验证该方法,模拟器实现在虚拟机器人实验平台(V-REP EDU版),如图10。在仿真中,我们修改的结构和基于模型的控制方法Castilla la Mancha大学。我们装备两个被动轮为每个链接实现各向异性机器人与地面之间的摩擦。执行机构安装在水平和垂直关节模仿自然蛇从一边到另一边摇摆。V-REP内部,我们选择子弹物理引擎和设置时间步在50微秒。运动参数优化和自适应路径跟踪方法用于模拟。正弦转换方法用于避免突然变化而运动参数调整。如图10在环境中,有一些不规则的障碍和机器人通过不同宽度的路径自适应地调整运动参数。如图10 ()通行的道路是狭窄的,机器人的振幅小。机器人的振幅会发生自适应地根据道路的宽度,如图10 (b)和10 (c)。

广泛的原型实验证明我们的方法可以调整进行运动参数自适应和引导一个蛇形机器人以及所需的路径。我们的蛇形机器人连接五节模块和偏航模块。每个模块都配备了舵机(SC5115)。舵机可以旋转 和转向角的齿轮可以读取的电位器。通过RS485总线模块相互通信。蛇形机器人增加表面摩擦,我们的塑料薄膜覆盖着。如图11蛇形机器人自适应调整体型,穿越狭窄的道路两边有一些不规则的障碍。如图(11日),前面的路径机器人复杂和分布式和一些不规则的障碍,和宽度的路径是不同的。如图11 (b)道路狭窄和机器人朝着小振幅。如图11 (c)、路径和调整幅度根据机器人路径并选择相应的频率优化能源效率。如图11 (d),道路变得狭窄和机器人可以减少振幅和选择有效的频率。在这个实验中,机器人可以控制往以及所需的水平线在路的中间,保持高效的运动使用CS算法根据路径和优化的参数。

6。结论和未来的工作

摘要霍普夫CPG网络是用来取代蛇形函数来生成参考蛇形机器人的关节功能改善控制信号的平滑程度。提高能源效率的机器人在不同环境下,CS算法用于优化霍普夫CPG网络的运动参数。一个基于改进的自适应路径跟踪控制器洛杉矶制导律设计来提高机器人的适应性与变量分数和复杂的环境中路径宽度。自适应洛杉矶的路径跟踪法是结合运动效率优化系统和CPG控制器来控制机器人有效和准确的参考路径。仿真和实验结果表明,该方法优化机器人运动效率和引导机器人沿着期望的路径包括直线和曲线路径。

对于未来的工作,我们会提供更多的蛇形机器人上的传感器和打算学习自适应控制和多目标运动机器人的优化对于更复杂的环境。特别是,提出自适应效率优化和路径跟踪控制方法将用于其他3 d蛇形机器人的步态。

数据可用性

的一些关键代码和日期我的论文可以被访问https://github.com/zhang3dong/Adaptive-path-following-of-snake-like-robots。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(批准号。51575034,51575034,91848103),国家重点实验室的机器人(2018 - o15)和数字制造设备和技术国家重点实验室(DMETKF2018021)。

补充材料

补充视频包括仿真和样机实验的蛇形机器人在复杂环境中移动提出了控制方法。(补充材料)

引用

1. j·k·霍普金斯和s . k . Gupta,”新驱动系统设计和建模和夸大rectilinear-gait snake-inspired机器人,”机制和机器人技术杂志》上》第六卷,没有。2,p。021001年,2014年。视图:谷歌学术搜索
2. s . Hirose生物启发的机器人:蛇形运动和操纵者,牛津。英国伦敦大学出版,1993年。
3. m·森和美国Hirose三维蛇形运动和横向滚动的活跃ACM-R3绳机制,”学报2002年IEEE / RSJ智能机器人和系统国际会议瑞士,页829 - 834,2002年10月。视图:谷歌学术搜索
4. a . Crespi, a . Badertscher a Guignard, a . j . Ijspeert“AmphiBot我:一艘两栖蛇形机器人,”机器人和自治系统,50卷,不。4、163 - 175年,2005页。视图:出版商的网站|谷歌学术搜索
5. h . Ohno和美国Hirose苗条的黏液机器人的设计和它的运动步态,”学报2001年IEEE / RSJ智能机器人和系统国际会议,页707 - 715,美国,2001年11月。视图:谷歌学术搜索
6. 杉,k . Ogami m . Guarnieri et al .,”一个研究机制和运动策略新蛇形机器人活动绳机制黏液模型1 ACM-S1,”《机器人技术机电一体化,20卷,不。2、302 - 310年,2008页。视图:出版商的网站|谷歌学术搜索
7. h·山田和s . Hirose”发展的实际三维活跃ACM-R4绳机制,“《机器人及机电一体化,18卷,不。3、305 - 311年,2006页。视图:出版商的网站|谷歌学术搜索
8. h·山田,s . Chigisaki m . Mori et al .,“ACM-R5两栖蛇形机器人的发展,”美国在机器人技术国际研讨会,第624 - 617页,2005年。视图:谷歌学术搜索
9. h .木村和s . Hirose”发展Genbu:主动轮被动关节的移动机器人,”学报2002年IEEE / RSJ智能机器人和系统国际会议瑞士,页823 - 828,2002年10月。视图:谷歌学术搜索
10. m . Arai y田中,s . Hirose h . Kuwahara和s . Tsukui”发展Souryu-IV Souryu-V:串行连接履带车辆在废墟中搜索操作,“《机器人技术领域,25卷,不。1 - 2,页31 - 65,2008。视图:出版商的网站|谷歌学术搜索
11. 赵,d .锣,p . Wang l . Du和y段,“仿生四足机器人动态步态控制策略基于20自由度,”IEEE / CAA自动化杂志》上,5卷,不。1,第388 - 382页,2018。视图:出版商的网站|谷歌学术搜索|MathSciNet
12. r . Ariizumi和f . Matsuno动态分析的三个蛇机器人步态,”IEEE机器人,33卷,不。5,1075 - 1087年,2017页。视图:出版商的网站|谷歌学术搜索
13. s . Grillner t . Deliagina a . El Manira et al .,”神经网络在七鳃鳗协调运动和身体的方向,“神经科学的趋势,18卷,不。6,270 - 279年,1995页。视图:出版商的网站|谷歌学术搜索
14. k .松岗”机制的频率和模式控制神经节奏发电机,”生物控制论卷,56号5 - 6,345 - 353年,1987页。视图:出版商的网站|谷歌学术搜索
15. g·l·温t . Wang, j .梁和c .王”新方法有效的建模和控制研究为机器鱼游泳,”IEEE工业电子产品卷,59号8,3176 - 3188年,2012页。视图:出版商的网站|谷歌学术搜索
16. w·h·Yu郭,j .邓·m·李和h . Cai”CPG-based运动为昆虫机器人控制体系结构,”学报2013年26日IEEE / RSJ智能机器人和系统国际会议:新视野——2013日本,页5615 - 5621年,2013年11月。视图:谷歌学术搜索
17. n·m·马和美国,“CPG-based体型控制平稳过渡的蛇形机器人,”生物灵感和仿生学,9卷,不。1,p。016003年,2014。视图:谷歌学术搜索
18. z l . Wang和问:高CPG-inspired运动控制蛇机器人基于非线性振子,“智能机器人系统杂志》上,卷85,不。2 - 2016页。视图:谷歌学术搜索
19. 崔Manzoor和y”统一神经振荡器模型对蛇形机器人的各种有节奏的运动,”Neurocomputing卷,173年,第1123 - 1112页,2016年。视图:出版商的网站|谷歌学术搜索
20. z Bing, l . Cheng g . Chen f . Rohrbein k .黄和a·诺尔”对自治运动:CPG-based光滑3 d滑行步态控制过渡的蛇形机器人,”生物灵感和仿生学,12卷,不。3,p。035001年,2017年。视图:谷歌学术搜索
21. z Bing, l . Cheng k .黄m .周和a·诺尔”CPG-based控制体型的平稳过渡和运动速度的蛇形机器人,”《2017年IEEE机器人与自动化国际会议上,ICRA 2017新加坡,页4146 - 4153年,2017年6月。视图:谷歌学术搜索
22. g . Chen z s Bing f . Roehrbein et al .,“高效brain-inspired学习神经形态蛇形机器人和neurorobotic平台”IEEE认知发展系统卷,99年,页1 - 1,2017。视图:谷歌学术搜索
23. 吴x和美国马”,自适应缓慢运动的CPG-controlled蛇形机器人对环境的变化,“自主机器人,28卷,不。3、283 - 294年,2010页。视图:出版商的网站|谷歌学术搜索
24. m .唐普德j·施耐德,h . Choset“昂贵的多目标优化和验证机器人应用程序,”神经信息处理系统的程序:车间在贝叶斯优化决策,2012年,页1 - 5。视图:谷歌学术搜索
25. Hasanzadeh和a . a . Tootoonchi”地适应和优化运动的蛇机器人移动小说步态,”自主机器人,28卷,不。4、457 - 470年,2010页。视图:出版商的网站|谷歌学术搜索
26. a . Crespi和a·j·Ijspeert“在线优化游泳和在一艘两栖爬行的蛇机器人,”IEEE机器人,24卷,不。1,第87 - 75页,2008。视图:出版商的网站|谷歌学术搜索
27. e . Kelasidi m . Jesmani刘贤佩特森工作室内由手工制作完成,和j·t·Gravdahl“多目标优化的高效的水下机器蛇的运动,”人工生命和机器人,21卷,不。4、1 - 12,2016页。视图:出版商的网站|谷歌学术搜索
28. e . Rezapour刘贤佩特森工作室内由手工制作完成,p . Liljeback和j·t·Gravdahl”路径跟踪控制平面蛇机器人使用虚拟完整约束”学报2013年IEEE机器人仿生学,国际会议上ROBIO 201312月,页530 - 537,中国,2013。视图:谷歌学术搜索
29. e . Rezapour刘贤佩特森工作室内由手工制作完成,p . Liljeback j . t . Gravdahl和e . Kelasidi”路径跟踪控制平面蛇机器人使用虚拟完整约束:理论和实验,”《IEEE机器人和仿生学国际会议上。在机器人技术和仿生学施普林格,纽约,纽约,美国,2014年。视图:出版商的网站|谷歌学术搜索
30. a·穆罕默e . Rezapour m .马焦雷刘贤美佩特森工作室内由手工制作完成,“机动控制平面蛇机器人使用虚拟完整约束,“IEEE控制系统技术,24卷,不。3、884 - 899年,2016页。视图:出版商的网站|谷歌学术搜索
31. z曹,问:小,黄r . m .周“健壮neuro-optimal重播的欠驱动蛇形机器人控制经验,“IEEE神经网络和学习系统卷,29号1,第217 - 208页,2018。视图:出版商的网站|谷歌学术搜索|MathSciNet
32. e . Borhaug a .巴甫洛夫和k·佩特森工作室内由手工制作完成,”洛杉矶积分路径跟踪控制的驱动海洋水面舰艇的存在恒定的洋流,”《IEEE会议上决定和控制,第4991 - 4984页,2008年。视图:谷歌学术搜索
33. w·Caharija刘贤佩特森工作室内由手工制作完成,a . j . Sørensen m . Candeloro和j·t·Gravdahl”相对速度控制和积分路径跟踪的视线自治水面舰艇:合并直觉理论,“美国机械工程师学会学报》上,M:《海洋环境的工程,卷228,不。2、180 - 191年,2014页。视图:出版商的网站|谷歌学术搜索
34. e . Kelasidi p . Liljeback刘贤佩特森工作室内由手工制作完成,和j·t·Gravdahl”积分视线指导水下蛇机器人的路径跟踪控制:理论和实验,”IEEE机器人,33卷,不。3、610 - 628年,2017页。视图:出版商的网站|谷歌学术搜索
35. d .张问:小z,曹,r·黄和y傅,“平稳过渡CPG-based控制器的蛇形机器人,”学报2017年IEEE机器人和仿生学(ROBIO)国际会议上澳门,页2716 - 2721年,2017年12月。视图:出版商的网站|谷歌学术搜索
36. T Gravdahl刘贤美和j·佩特森工作室内由手工制作完成,“可控性分析平面蛇机器人受到粘性摩擦地面,”《IEEE国际会议上智能机器人和系统,第3622 - 3615页,2009年。视图:谷歌学术搜索
37. p . LiljebackØ刘贤美佩特森工作室内由手工制作完成。Stavdahl, j . t . Gravdahl“平面蛇机器人运动的简化模型,”学报2010年第23届IEEE / RSJ智能机器人和系统,国际会议——2010年10月,页2868 - 2875年,台湾,2010。视图:谷歌学术搜索
38. a . j . Ijspeert”中枢模式发生器在动物和机器人运动控制:复习一下,”神经网络,21卷,不。4、642 - 653年,2008页。视图:出版商的网站|谷歌学术搜索
39. k . Seo S.-J。钟,j j。e . Slotine“CPG-based turtle-like水下车辆的控制,”自主机器人,28卷,不。3、247 - 269年,2010页。视图:出版商的网站|谷歌学术搜索
40. x杨和s . Deb,通过征收布谷鸟搜索航班,“数学,第214 - 210页,2010年。视图:谷歌学术搜索
41. m . j .赵s . Liu,郭x,和l .气”一种改进的二进制布谷鸟搜索算法求解单位承诺问题:方法论的描述,“IEEE访问》第六卷,第43545 - 43535页,2018年。视图:出版商的网站|谷歌学术搜索
42. m . j .赵s . Liu,郭x,和l .气”修改布谷鸟搜索算法解决经济力量调度优化问题,“IEEE / CAA自动化杂志》上,5卷,不。4、794 - 806年,2018页。视图:出版商的网站|谷歌学术搜索|MathSciNet

版权

版权©2019停车棚、曹等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。