一个神经网络模型,用于山羊的步态
1Department of Mathematics, Northeast Forestry University, Harbin 150040, China.
Mathematical biosciences and engineering : MBE
|November 1, 2024
概括
本研究探讨了四足动物运动的中央模式生成器 (CPG) 神经网络模型,分析步态动态并创建不同地形上的山羊步态模型.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算神经科学是一种神经科学.
- 生物力学 生物力学
背景情况:
- 中央模式生成器 (CPG) 对于运动等节奏性运动行为至关重要.
- 了解四足动物中的CPG是开发先进机器人系统的关键.
- 神经网络中的时间延迟可以显著影响步行的稳定性和生成.
研究的目的:
- 为了研究一个中央模式生成器 (CPG) 神经网络模型用于四足行走,结合时间延迟.
- 分析CPG模型的稳定性和分叉周期性解决方案.
- 用计算方法在不同地形上开发四足行走的参考模型.
主要方法:
- 在中心分散体上进行正常形式计算,以分析模型动态.
- 两叉分析以确定周期溶液的稳定性条件.
- 对步态生成的CPG模型应用的信任区域反转算法.
- 数字模拟用于验证理论发现.
主要成果:
- 该研究成功计算了CPG模型的正常形状,分叉方向和稳定性条件.
- 获得了山羊在平坦地面上对角行走的参考模型.
- 在18度的斜坡上成功生成了山羊行走步态的参考模型.
- 数字模拟证实了CPG模型的理论分析.
结论:
- 研究的CPG神经网络模型具有时间延迟,可以有效地模拟四足步行.
- 应用的方法为分析和生成类似动物的运动提供了一个强大的框架.
- 这项研究有助于开发能够在复杂地形上导航的生物灵感机器人.
