CN101776863A - 一种胸鳍推进型机器鱼的运动控制方法 - Google Patents

Abstract

本发明为一种胸鳍推进型机器鱼的运动控制方法，利用多个中枢模式发生器组成机器鱼的运动控制网络，且每个中枢模式发生器由单个振荡神经元加上输入饱和函数和输出放大函数组成；将激励信号送入第一输入饱和函数和第二输入饱和函数，第一输入饱和函数对激励信号进行频率转换得到中枢模式发生器的固有频率；第二输入饱和函数对激励信号进行振幅转换得到固有振幅；对固有频率和固有振幅进行状态变量间的相互抑制以及振荡神经元间的耦合处理，生成膜电势信号，将膜电势信号送入输出放大函数，输出放大函数对膜电势信号进行比例放大和限幅处理，生成并将突触连接信号送入胸鳍的舵机上，从而使胸鳍驱动轴带动胸鳍在0-360度范围内作往复运动。

Description

一种胸鳍推进型机器鱼的运动控制方法

技术领域

本发明涉及仿生机器鱼采用中枢模式发生器模型协调左胸鳍、右胸鳍推进的水下运动控制方法，属于仿生学领域。

背景技术

中枢模式发生器(Central Pattern Generator，CPG)是一类存在于在无脊椎动物和脊椎动物的中枢神经系统中的神经元电路。它能在没有节律性的控制或反馈输入情况下产生有节奏的行为，例如行走、游泳、飞翔、呼吸和咀嚼等。传统的基于模型的机器人控制方法存在建模复杂、解不唯一、单周期规划等问题，特别是在需要多自由度协调控制的任务中，缺乏足够的实时性。由于中枢模式发生器在协调多自由度运动方面的优越性，中枢模式发生器仿生控制受到了越来越多的关注。

目前用于机器人控制的比较典型的中枢模式发生器模型大致可划分以下三类：递归神经网络、七腮鳗型相位振荡器和Van der Pol型神经元振荡器。国际上比较有代表性的H.Kimura用于四足机器人的中枢模式发生器模型属于第一类；A.J.Ijspeet为机器蝾螈建立的神经控制模型属于第二类；Van der Pol的神经元振荡器由著名的Van der Pol方程给出，应用于中枢模式发生器模型中时考虑了神经元相互之间的耦合关系。然而无论Kimura的中枢模式发生器模型还是Ijspeert的相位振荡器模型，其方程都具有非线性、强耦合和高维数等特点，特性复杂，没有明确的解析解，一般通过数值方法进行求解。方程中涉及的大量参数对运动模式、运动稳定性、适应性等会产生影响，这给系统运动特性分析及运动控制带来了困难。

发明内容

本发明的目的是提供一种基于中枢模式发生器模型的仿生机器鱼的运动控制方法，以解决具有胸鳍推进功能的仿生机器鱼的三维多模态运动控制问题。该方法提出了由输入饱和函数、振荡神经元和输出放大函数组成的中枢模式发生器通过相互耦合构成机器鱼的运动控制网络；并通过改变该运动控制网络的左胸鳍中枢模式发生器和右胸鳍中枢模式发生器的协调关系，从而控制仿生机器鱼实现多种模态运动。

为达到上述目的，本发明的技术解决方案是提供一种基于中枢模式发生器模型的仿生机器鱼的运动控制方法，该方法包括步骤如下：

步骤1：利用多个中枢模式发生器组成机器鱼的运动控制网络，且每个中枢模式发生器由单个振荡神经元加上输入饱和函数和输出放大函数组成；

步骤2：在每个中枢模式发生器中将激励信号d送入第一输入饱和函数f_i(d)，第一输入饱和函数f_i(d)对激励信号d进行频率转换，得到中枢模式发生器的固有频率ω_i；

步骤3：在每个中枢模式发生器中将激励信号d送入第二输入饱和函数g_i(d)，第二输入饱和函数g_i(d)对激励信号d进行振幅转换，得到固有振幅m_i；

步骤4：由每个中枢模式发生器中的振荡神经元对固有频率ω_i和固有振幅m_i进行状态变量间的相互抑制以及振荡神经元间的耦合处理，生成膜电势信号x_i，其中ω_i控制膜电势信号x_i的频率，m_i控制膜电势信号x_i的幅值；

步骤5：将膜电势信号x_i送入输出放大函数h_i(x_i)，输出放大函数h_i(x_i)对膜电势信号x_i进行比例放大和限幅处理，生成突触连接信号x′_i；

步骤6：将突触连接信号x′_i送入胸鳍的舵机上，驱动减速齿轮组，使胸鳍驱动轴的转速提高，使舵机摆动在0-360度范围进行扩大，从而使胸鳍驱动轴带动胸鳍在0-360度范围内作往复运动，从而控制仿生机器鱼实现运动模态。

本发明针对具有高频摆动的胸鳍推进型仿生机器鱼，提出了一种由输入饱和函数、振荡神经元和输出放大函数组成的中枢模式发生器通过相互耦合构成机器鱼的运动控制网络。输入饱和函数的形式直接决定输入激励对运动控制网络输出的影响，作用至关重要，饱和函数的形式使得各个中枢模式发生器能根据需要起振，从而决定是否参与网络控制；采用基于极限环的振荡神经元使得系统具有很强的适应性、鲁棒性和稳定性；输出放大函数带有限幅环节，限制了该运动控制网络对机械本体的冲击，起到了保护作用。运动控制网络中的中枢模式发生器输出的突触连接信号x′_i的频率由固有频率ω_i控制，其幅值由固有幅值m_i控制，参数意义明晰，调节方便。利用该运动控制网络，并结合仿生机器鱼的游动机理，实现了包括起动、停止、前进、后退、左转弯、右转弯、加速、减速、上升、下潜、后退中转弯等多种模态的运动控制。本发明将为胸鳍驱动的仿生机器鱼的理论设计提供参考，并实现灵活、机动的游动控制，可以实际应用于水下微小型机器人的设计、水下勘探、水下救捞、水下设施维护与巡检、水质检测及水域巡逻与警戒等方面。

附图说明

图1是仿生机器鱼的胸鳍推进机构示意图；

图2是基于中枢模式发生器的运动控制网络示意图；

图3a-图3g是胸鳍推进型仿生机器鱼三维多模态运动示意图；

图4是胸鳍推进型仿生机器鱼控制系统硬件结构示意图；

具体实施方式

下面结合附图对基于中枢模式发生器模型的胸鳍推进型仿生机器鱼的运动控制方法做出说明。

如图2示出本发明为一种胸鳍推进型机器鱼的运动控制方法，基于中枢模式发生器模型，提出了由输入饱和函数、振荡神经元和输出放大函数组成的中枢模式发生器通过相互耦合构成机器鱼的运动控制网络；并通过改变该运动控制网络的左胸鳍中枢模式发生器和右胸鳍中枢模式发生器的协调关系，从而控制仿生机器鱼实现多种模态运动。

中枢模式发生器

所述的仿生机器鱼的运动控制方法，利用多个中枢模式发生器组成机器鱼的运动控制网络，且每个中枢模式发生器由单个振荡神经元加上输入饱和函数和输出放大函数组成；其中输入饱和函数包括第一输入饱和函数f_i(d)和第二输入饱和函数g_i(d)。所述第一输入饱和函数f_i(d)，如下表示：

$f_i\left(d\right)={\mathrm{\&omega;}}_i=\left\{\begin{array}{cc}{\mathrm{\&omega;}}_{i\max }& d\&GreaterEqual;d_{i\max }\\ k_{\mathrm{\&omega;}}d+{\mathrm{\&omega;}}_{\mathrm{ib}}& d_{\mathrm{is}}\&le;d<d_{i\max }\\ {\mathrm{\&omega;}}_{\mathrm{is}}& 0\&le;d<d_{\mathrm{is}}\end{array}\right.,$

其中k_ω是频率系数；ω_ib是频率偏移值；ω_imax是频率最大值；ω_is是频率截止值；d_is是第i个振荡神经元的输入激励截止值，d_imax是第i个振荡神经元的输入激励最大允许值。

所述的第一输入饱和函数f_i(d)的处理过程如下：在每个中枢模式发生器中将激励信号d送入第一输入饱和函数f_i(d)，第一输入饱和函数f_i(d)对激励信号d进行频率转换，得到中枢模式发生器的固有频率ω_i；

所述的第二输入饱和函数g_i(d)，如下表示：

$g_i\left(d\right)=m_i=\left\{\begin{array}{cc}{m}_{i\max }& d\&GreaterEqual;d_{i\max }\\ k_m\sqrt{d}+m_{\mathrm{ib}}& d_{\mathrm{is}}\&le;d<d_{i\max }\\ m_{\mathrm{is}}& 0\&le;d<d_{\mathrm{is}}\end{array}\right.,$

其中k_m是幅值系数；m_ib是幅值偏移值；m_imax是幅值最大值；m_is是幅值截止值。

所述的第二输入饱和函数g_i(d)的处理过程如下：在每个中枢模式发生器中将激励信号d送入第二输入饱和函数g_i(d)，第二输入饱和函数g_i(d)对激励信号d进行振幅转换，得到固有振幅m_i；

所述的振荡神经元包括：多只左胸鳍振荡神经元、多只右胸鳍振荡神经元，所述的任意一个振荡神经元是基于极限环的振荡神经元，如下表示为：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_i=-{\mathrm{\&omega;}}_i{y}_i-x_i(m_i-x_i^2-y_i^2)+\underset{j=1,j\&NotEqual;i}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j{y}_j\\ {\stackrel{\&CenterDot;}{y}}_i={\mathrm{\&omega;}}_i{x}_i-y_i(m_i-x_i^2-y_i^2)+\underset{k=1,k\&NotEqual;i}{\overset{n}{\mathrm{\&Sigma;}}}{b}_x{x}_k\end{array}\right.,$

式中i＝1，…，n，n表示振荡神经元的个数，x_i表示振荡神经元的膜电势，y_i表示振荡神经元的调节电势；ω_i表示振荡神经元的固有频率，m_i表示振荡神经元的固有幅值；a_j、b_k表示振荡神经元间的耦合系数；

所述的振荡神经元的处理过程如下：由每个中枢模式发生器中的振荡神经元对固有频率ω_i和固有振幅m_i进行状态变量间的相互抑制以及振荡神经元间的耦合处理，生成膜电势信号x_i，其中ω_i控制膜电势信号x_i的频率，m_i控制膜电势信号x_i的幅值；

所述的输出放大函数h_i(x_i)，如下表示：

$h_i\left(x_i\right)=x_i^{\&prime;}=\left\{\begin{array}{cc}{k}_i{x}_{i\max }+x_{\mathrm{ib}}& x_i\&GreaterEqual;x_{i\max }\\ k_i{x}_i+x_{\mathrm{ib}}& 0<x_i<x_{i\max }\\ 0& x_i=0\end{array}\right.,$

其中x_ib为输出偏移量，k_i为输出比例系数，x_imax为输出最大允许值。

所述的输出放大函数h_i(x_i)处理过程如下：将膜电势信号x_i送入输出放大函数h_i(x_i)，输出放大函数h_i(x_i)对膜电势信号x_i进行比例放大和限幅处理，生成突触连接信号x′_i。

中枢模式发生器间的相互耦合与协调

在自然界，鱼类的胸鳍通常只起身体平衡，辅助加、减速以及协调运动方向的作用，很少当作游动的主要控制面。但胸鳍推进型仿生机器鱼中的胸鳍是作为主要推进装置的，其推进过程中左、右胸鳍的协调关系也会随着运动模态而变化，比如在向前游动和转弯过程中，左、右胸鳍产生的推进力是不一样的。因此，左、右胸鳍具体的协调关系视运动模态而定。

所述的仿生机器鱼的运动控制方法，中枢模式发生器间相互耦合，其耦合由中枢模式发生器里的振荡神经元间耦合来完成，耦合关系分别由

和

表示。当时，其它中枢模式发生器将增强第i个中枢模式发生器的突触连接信号x′_i；当

时，其它中枢模式发生器将抑制第i个中枢模式发生器的突触连接信号x′_i；当

时，其它中枢模式发生器将对第i个中枢模式发生器的突触连接信号x′_i无影响。

中枢模式发生器间相互协调，协调关系反应在输出偏移量x_ib和输出比例系数k_i上。改变了第i个中枢模式发生器的输出偏移量x_ib和输出比例系数k_i，也就改变了第i个中枢模式发生器与其它中枢模式发生器的关系，从而会改变它们所作用的相应胸鳍往复摆动的中心位置和摆幅大小。

仿生机器鱼的胸鳍推进机构及控制

所述的仿生机器鱼的运动控制方法，图1给出了采用本发明方法的一实施例使用的仿生机器鱼的胸鳍机构示意图，包括：一对在仿生机器鱼头部左右两侧对称安装的胸鳍机构，其往复摆动可驱动仿生机器鱼进行三维多模态运动；所述的胸鳍机构，是由左胸鳍7、右胸鳍1通过左齿轮组6和右齿轮组2与相应的驱动轴3和驱动轴5相连；齿轮组的使用相当重要，它将胸鳍的往复摆动速度降低下来，但力矩提升上去了，而且扩大了胸鳍的摆动角度范围，使得胸鳍可以在0-360度的范围内摆动，这为倒退运动奠定了机构基础。左胸鳍、右胸鳍分别采用高速舵机9和高速舵机10驱动，独立驱动使得转弯更容易实现。为了使胸鳍对称的安装在仿生机器鱼的两侧，驱动轴3和5必须同心。整个机构都固定在固定架4上。为了防水，设计了轴密封装置8和轴密封装置13，里面装有润滑机油。高速舵机的速度达0.06s/60°。

所述的仿生机器鱼的运动控制方法，将中枢模式发生器输出的突触连接信号x′_i送入胸鳍的舵机上，驱动减速齿轮组，使胸鳍驱动轴的转速提高，使舵机摆动在0-360度范围进行扩大，从而使胸鳍驱动轴带动胸鳍在0-360度范围内作往复运动，从而控制仿生机器鱼实现运动模态。

基于中枢模式发生器模型的控制系统硬件及软件实现

基于中枢模式发生器模型的控制系统其关键点在于中枢模式发生器的在线计算，由于本发明所采用的中枢模式发生器模型，利用一类能产生稳定极限环的简单非线性微分方程组来表示其振荡神经元，这大大简化了中枢模式发生器的参数量及在线计算量。此外，中枢模式发生器模型的输出的突触连接信号x′_i，参数意义明晰，调节方便简单，这给程序编写和计算带来了方便。一种比较简便的实现方法就是采用简单叠加法，方法如下：

将公式(1-1)离散化，得如下公式：

$\left\{\begin{array}{c}\frac{x_i(k+1)-x_i\left(k\right)}{\mathrm{\&Delta;T}}=-{\mathrm{\&omega;}}_i\&CenterDot;y_i\left(k\right)-x_i\left(k\right)\&CenterDot;(m_i-{\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+\underset{j=1,j\&NotEqual;i}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j\&CenterDot;y_i\left(k\right)\\ \frac{y_i(k+1)-y_i\left(k\right)}{\mathrm{\&Delta;T}}={\mathrm{\&omega;}}_i\&CenterDot;x_i\left(k\right)-y_i\left(k\right)\&CenterDot;({m_i-\left(x_i\left(k\right)\right)}^2-{\left(y_i\left(k\right)\right)}^2)+\underset{k=1,k\&NotEqual;i}{\overset{n}{\mathrm{\&Sigma;}}}{b}_k\&CenterDot;x_k\left(k\right)\end{array}\right.,$

由上式计算可得x_i(k+1)。再将输出放大函数离散化计算出突触连接信号x′_i(k+1)，即可控制左胸鳍舵机和右胸鳍舵机。该方法控制舵机，计算耗时短，内存小，控制响应及时，输出平滑。

胸鳍推进型仿生机器鱼控制系统的软件包含主程序、中断处理子程序、模拟量输入处理子程序、中枢模式发生器在线计算子程序、无线收发子程序等部分。其中主程序负责芯片及外围设备的初始化、开中断；中断处理子程序处理PWM波形产生；模拟量输入处理子程序负责深度信息的接收与处理；中枢模式发生器在线计算子程序负责中枢模式发生器的在线产生；无线收发子程序则负责数据收发，联系上位控制器。

三维多模态运动控制

所述的仿生机器鱼的运动控制方法，应用于仿生机器鱼，进行水下游动实验，可实现包括起动、停止、前进、后退、左转弯、右转弯、加速、减速、上升、下潜、后退中转弯等多种运动模态，其具体实施例如下：

向前游动

图3a-图3g给出了胸鳍推进型仿生机器鱼的水下游动控制示意图。在仿生机器鱼的胸鳍所在位置建立如图3a所示的坐标系，其中x轴沿水平方向由鱼头指向鱼尾，y轴与之垂直成90°。

如图3b所示，左胸鳍中枢模式发生器和右胸鳍中枢模式发生器相互耦合，当左胸鳍中枢模式发生器、右胸鳍中枢模式发生器在x_1b＝x_2b＝0即中间位置在水平x轴上且ω₁＝ω₂、m₁＝m₂、k₁＝k₂、x_1max＝x_2max时进行振荡输出，此时仿生机器鱼左胸鳍、右胸鳍将产生水平向前的推进合力，推动仿生机器鱼向前游动。

在上述前进情况下，若ω₁≠ω₂或m₁≠m₂且差异足够大时，左胸鳍、右胸鳍产生的推进力的大小不等，会产生一个转弯力矩，导致仿生机器鱼的游动不平衡，从而产生前进转弯行为。

左转弯及右转弯

所述的胸鳍推进型机器鱼的运动控制方法，第一种转弯机制：

当左胸鳍位置偏移角为零且右胸鳍位置偏移角为π时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生向右转弯的合力矩，推动仿生机器鱼右转弯；当左胸鳍位置偏移角为π且右胸鳍位置偏移角为零时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生向左转弯的合力矩，推动仿生机器鱼左转弯。

所述的胸鳍推进型机器鱼的运动控制方法，第二种转弯机制：

当左胸鳍位置偏移角和右胸鳍位置偏移角均为零时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位且不同频率或不同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生转弯的合力矩，推动仿生机器鱼转弯。当左胸鳍振荡的频率或幅值大于右胸鳍振荡的频率或幅值时，此时仿生机器鱼左胸鳍和右胸鳍将产生向右转弯的合力矩，推动仿生机器鱼右转弯；当左胸鳍振荡的频率或幅值小于右胸鳍振荡的频率或幅值时，此时仿生机器鱼左胸鳍和右胸鳍将产生向左转弯的合力矩，推动仿生机器鱼左转弯。

下潜运动及上升运动

所述的胸鳍推进型机器鱼的运动控制方法，当左胸鳍位置偏移角和右胸鳍位置偏移角均在内且大小相等时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出，此时仿生机器鱼左胸鳍和右胸鳍将产生一个方向垂直向下的推进分力，推动仿生机器鱼下潜运动；当左胸鳍位置偏移角和右胸鳍位置偏移角均在

内且大小相等时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出，此时仿生机器鱼左胸鳍和右胸鳍将产生一个方向垂直向上的推进分力，推动仿生机器鱼上升运动。

如图3c所示，当左、右胸鳍中枢模式发生器在

即胸鳍中间位置在

且ω₁＝ω₂、m₁＝m₂、k₁＝k₂、x_1max＝x_2max时进行振荡输出，此时仿生机器鱼左胸鳍、右胸鳍将产生一垂直向下的推进分力，推动仿生机器鱼下潜运动；

如图3d所示，当左、右胸鳍中枢模式发生器在

即胸鳍中间位置在

且ω₁＝ω₂、m₁＝m₂、k₁＝k₂、x_1max＝x_2max时进行振荡输出，此时仿生机器鱼左胸鳍、右胸鳍将产生一垂直向上的推进分力，推动仿生机器鱼上升运动。

倒退游动

所述的胸鳍推进型机器鱼的运动控制方法，当左胸鳍位置偏移角和右胸鳍位置偏移角均为π时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生水平向后的推进合力，推动仿生机器鱼倒退游动。

如图3e所示，当x_1b＝x_2b＝π、ω₁＝ω₂、m₁＝m₂、k₁＝k₂、x_1max＝x_2max时进行振荡输出，此时仿生机器鱼左胸鳍、右胸鳍将产生一个向后的合力，推动仿生机器鱼倒退游动；

在上述倒退情况下，若ω₁≠ω₂或m₁≠m₂且差异足够大时，左胸鳍、右胸鳍产生的推进力的大小不等，会产生一个转弯力矩，导致仿生机器鱼的游动不平衡，从而产生后退转弯行为。

图3f和图3g所示的是后退游动过程中的上升和下潜运动，此时胸鳍摆动的中间位置不在水平x轴上；图3f的胸鳍摆动的中间位置在x轴上方，会产生向下的推进力，因而会推动仿生机器鱼倒退中下潜运动；图3g的胸鳍摆动的中间位置在x轴下方，会产生向上的推进力，因而会推动仿生机器鱼倒退中上升运动；

如上所述，本发明所提出的基于中枢模式发生器模型的仿生机器鱼的运动控制方法对具有胸鳍结构的仿生机器鱼有良好的适用性，可实现仿生机器鱼的三维多模态运动。

下面是利用本发明的方法，实现如图4示出的胸鳍推进型仿生机器鱼控制系统，该系统的硬件结构图4示意，其硬件结构包含以下部分：电池及电源模块、左红外传感器、右红外传感器、前红外传感器、深度传感器、无线收发模块、ATMega128核心PCB、左胸鳍舵机、右胸鳍舵机等。电池采用7.4V锂聚合物电池，通过电源模块进行处理后变成5V后为左红外传感器、右红外传感器、前红外传感器、深度传感器、无线收发模块、ATMega128核心PCB等提供电源。左红外传感器、右红外传感器、前红外传感器分别采集障鱼体左、右、前三方碍物信息变成电信号送给ATMega128核心PCB。深度传感器采集仿生机器鱼的在水中的深度信息，以模拟量传输给ATMega128核心PCB。ATMega128核心PCB接收了左红外传感器、右红外传感器、前红外传感器和深度传感器等信息后，进行滤波处理及标度转换，同时在线计算中枢模式发生器的突触连接信号x′_i(k+1)，然后产生脉宽调制信号控制左胸鳍舵机和右胸鳍舵机；同时ATMega128核心PCB与无线收发模块交换数据，通过无线收发模块与上位控制器之间的无线收发数据，完成上位控制器传来的命令，从而控制仿生机器鱼游动。

尽管对本发明的原理结合实施例进行了展示和描述，但本领域技术人员将会理解在不偏离本发明的原理和实质的情况下，对这些实施例进行改变，如胸鳍的形状、主控制器CPU的型号等，其范围也落入本发明的权利要求及其等同物所限定的范围内。

Claims (8)

1.一种胸鳍推进型机器鱼的运动控制方法，其特征在于，该方法包括步骤如下：

步骤1：利用多个中枢模式发生器组成机器鱼的运动控制网络，且每个中枢模式发生器由单个振荡神经元加上输入饱和函数和输出放大函数组成；

步骤2：在每个中枢模式发生器中将激励信号d送入第一输入饱和函数f_i(d)，第一输入饱和函数f_i(d)对激励信号d进行频率转换，得到中枢模式发生器的固有频率ω_i；

步骤3：在每个中枢模式发生器中将激励信号d送入第二输入饱和函数g_i(d)，第二输入饱和函数g_i(d)对激励信号d进行振幅转换，得到固有振幅m_i；

步骤4：由每个中枢模式发生器中的振荡神经元对固有频率ω_i和固有振幅m_i进行状态变量间的相互抑制以及振荡神经元间的耦合处理，生成膜电势信号x_i，其中ω_i控制膜电势信号x_i的频率，m_i控制膜电势信号x_i的幅值；

步骤5：将膜电势信号x_i送入输出放大函数h_i(x_i)，输出放大函数h_i(x_i)对膜电势信号x_i进行比例放大和限幅处理，生成突触连接信号x′_i；

步骤6：将突触连接信号x′_i送入胸鳍的舵机上，驱动减速齿轮组，使胸鳍驱动轴的转速提高，使舵机摆动在0-360度范围进行扩大，从而使胸鳍驱动轴带动胸鳍在0-360度范围内作往复运动，从而控制仿生机器鱼实现运动模态。

2.根据权利要求1所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，所述振荡神经元包括：多只左胸鳍振荡神经元、多只右胸鳍振荡神经元，所述的任意一个振荡神经元是基于极限环的振荡神经元，如下表示为：

$\left\{\begin{array}{c}{\stackrel{.}{x}}_i=-{\mathrm{\&omega;}}_i{y}_i-x_i(m_i-x_i^2-y_i^2)+\underset{j=1,j\&NotEqual;i}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j{y}_j\\ {\stackrel{.}{y}}_i={\mathrm{\&omega;}}_i{x}_i-y_i(m_i-x_i^2-y_i^2)+\underset{k=1,k\&NotEqual;i}{\overset{n}{\mathrm{\&Sigma;}}}+b_k{x}_k\end{array}\right.,$

式中i＝1，…，n，n表示振荡神经元的个数，x_i表示振荡神经元的膜电势，y_i表示振荡神经元的调节电势；ω_i表示振荡神经元的固有频率，m_i表示振荡神经元的固有幅值；a_j、b_k表示振荡神经元间的耦合系数。

3.根据权利要求1所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，所述第一输入饱和函数f_i(d)，如下表示：

$f_i\left(d\right)={\mathrm{\&omega;}}_i=\left\{\begin{array}{cc}{\mathrm{\&omega;}}_{i\max }& d\&GreaterEqual;d_{i\max }\\ k_{\mathrm{\&omega;}}d+{\mathrm{\&omega;}}_{\mathrm{ib}}& d_{\mathrm{is}}\&le;d<d_{i\max }\\ {\mathrm{\&omega;}}_{\mathrm{is}}& 0\&le;d<d_{\mathrm{is}}\end{array}\right.,$

其中k_ω是频率系数；ω_ib是频率偏移值；ω_imax是频率最大值；ω_is是频率截止值；d_is是第i个振荡神经元的输入激励截止值，d_imax是第i个振荡神经元的输入激励最大允许值。

4.根据权利要求1所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，所述第二输入饱和函数g_i(d)，如下表示：

$g_i\left(d\right)=m_i=\left\{\begin{array}{cc}{m}_{i\max }& d\&GreaterEqual;d_{i\max }\\ k_m\sqrt{d}+m_{\mathrm{ib}}& d_{\mathrm{is}}\&le;d<d_{i\max }\\ m_{\mathrm{is}}& 0\&le;d<d_{\mathrm{is}}\end{array}\right.,$

其中k_m是幅值系数；m_ib是幅值偏移值；m_imax是幅值最大值；m_is是幅值截止值。

5.根据权利要求1所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，输出放大函数h_i(x_i)，如下表示：

$h_i\left(x_i\right)=x_i^{\&prime;}=\left\{\begin{array}{cc}{k}_i{x}_{i\max }+x_{\mathrm{ib}}& x_i\&GreaterEqual;x_{i\max }\\ k_i{x}_i+x_{\mathrm{ib}}& 0<x_i<x_{i\max }\\ 0& x_i=0\end{array}\right.,$

其中x_ib为输出偏移量，k_i为输出比例系数，x_imax为输出最大允许值。

6.根据权利要求2所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，当左胸鳍位置偏移角为零且右胸鳍位置偏移角为π时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生向右转弯的合力矩，推动仿生机器鱼右转弯；当左胸鳍位置偏移角为π且右胸鳍位置偏移角为零时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生向左转弯的合力矩，推动仿生机器鱼左转弯。

7.根据权利要求2所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，当左胸鳍位置偏移角和右胸鳍位置偏移角均为π时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出膜电势信号x_i，此时仿生机器鱼左胸鳍和右胸鳍将产生水平向后的推进合力，推动仿生机器鱼倒退游动。

8.根据权利要求2所述的胸鳍推进型机器鱼的运动控制方法，其特征在于，当左胸鳍位置偏移角和右胸鳍位置偏移角均在

内且大小相等时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出，此时仿生机器鱼左胸鳍和右胸鳍将产生一个方向垂直向下的推进分力，推动仿生机器鱼下潜运动；当左胸鳍位置偏移角和右胸鳍位置偏移角均在

内且大小相等时，左胸鳍振荡神经元和右胸鳍振荡神经元以相同相位、相同频率、相同幅值进行振荡输出，此时仿生机器鱼左胸鳍和右胸鳍将产生一个方向垂直向上的推进分力，推动仿生机器鱼上升运动。

Images