CN105824251B - 一种基于神经网络的仿生趋温行为方法 - Google Patents

Abstract

本发明涉及人工神经网络控制与机器人导航领域，公开了一种基于神经网络的仿生趋温行为方法，包括：1)环境建模，将温度分布情况通过高斯函数进行建模；2)线虫肌肉结构建模，将线虫全身建模成多关节连杆结构；3)运动学建模，构建了线虫一次偏转运动过程；4)偏向角度建模，根据线虫头部结点前后两个时刻的温度差和该时刻与最适温度的差值，通过一个非线性函数求出下一时刻的偏转角度；5)人工神经网络建模，构建三层人工神经网络结构，对偏转运动过程中的非线性函数进行拟合。本方法对研究生物体趋温性行为的本质具有重要的理论意义。同时，对爬虫机器人的神经网络构建、步态控制、运动策略选择和偏转运动控制等方面的研究具有重要的指导意义。

Description

一种基于神经网络的仿生趋温行为方法

技术领域

本发明涉及人工神经网络控制与机器人导航领域，具体是一种基于神经网络的仿生趋温行为方法。

背景技术

仿生学是研究生物系统的结构、形状、原理、行为及其相互作用，从而为工程技术提供新的设计思想、工作原理和系统构成的技术科学，是一门生命科学、物质科学、数学与力学、信息科学、工程技术及其系统科学等学科的交叉学科。仿生机器人是模仿自然界中生物的外部形状、运动原理和行为方式的系统，能从事生物特点工作的机器人。根据各种生物的特点，研制出更多种能适应自然环境的特种仿生机器人，是未来仿生机器人一个重要的发展方向。

人工神经网络是对人脑进行简化、抽象和模拟，是人工构造的实现某种功能的网络系统。通过大量具有自适应能力的信息处理单元即人工神经元，按照大规模并行的方式，通过拓扑结构连接而成人工神经网络。

秀丽隐杆线虫是一种结构简单、全身透明、能够独立生存的线虫，其身体长约2mm，在20℃下平均生活3.5天。该线虫共有302个神经元，约8000个突触连接，其神经系统的连接组(connectome)已被神经科学家了解透彻，因此对其神经系统的仿真比哺乳动物更加现实。通过这些神经细胞，线虫可以获得趋温性、趋化性、机械感知、渗透性避免等行为。

发明内容

基于上述现状，本发明提供一种基于神经网络的仿生趋温行为方法，能够很好的模拟秀丽隐杆线虫的趋温性行为。

由于线虫的趋温性运动行为只由神经系统进行控制，因此本发明方法采用神经网络控制的方法实现其趋温性行为。基于神经网络较强的学习能力，只要所采用的神经网络能有效逼近所构造的非线性逻辑函数，该神经网络便能完成趋温性行为，进而扩展到神经网络控制的机器人导航系统。

为了实现上述目的本发明采用如下技术方案：一种基于神经网络的仿生趋温行为方法，包括如下步骤：

1)构建环境模型，建立一个用于模拟秀丽隐杆线虫所在温度环境的坐标系。

2)构建线虫肌肉结构模型，根据秀丽隐杆线虫的肌肉解剖结构，构建由多关节和连杆构成条状结构的线虫肌肉结构模型。

3)构建运动学模型，将步骤2)所述的线虫肌肉结构模型的一端作为头部节点，在头部节点设置温度传感器，作为感觉神经元感受外部温度的变化，然后通过中间神经元得到偏转角度，最后通过设置在关节上作为运动神经元的舵机根据偏转角度调整其偏转，实现偏转运动过程。

4)构建偏向角度模型，根据头部结点前后两个时刻的温度差和该时刻与最适温度的差值，通过一个非线性逻辑函数求出下一时刻的偏转角度。

5)构建人工神经网络模型，根据秀丽隐杆线虫的神经结构，构建三层结构的人工神经网络，模拟线虫神经系统中“感觉神经元-中间神经元-运动神经元”的信息传递过程，对偏转角度中的非线性逻辑函数进行拟合。

以下对上述各步骤进行进一步描述：

在步骤1)建立的坐标系中设定最适温度分布情况，并将坐标系中的温度分布情况通过高斯分布进行建模。

步骤2)所述多关节和连杆构成的条状结构，具体由13个关节点和12个连接杆构成。

步骤3)所述偏转运动是头部节点根据偏转角度绕该时间周期内头部节点之后一节点进行偏转。

步骤4)所述非线性逻辑函数为

式中，Φ(t)表示偏转角度值，m、c和d均为常数，ΔC表示t和t-1时刻的温度差；ΔCo表示t时刻的温度和最适温度Co的温度差。

所述偏向角度模型的具体处理为：1)当线虫肌肉结构模型所在区域温度小于最适温度时，如果线虫肌肉结构模型的运动偏离最适温度，则偏转；如果线虫肌肉结构模型的运动朝向最适温度，则基本不偏转。2)当线虫肌肉结构模型所在区域温度大于最适温度时，如果线虫肌肉结构模型朝向最适温度，则基本不偏转；如果线虫肌肉结构模型偏离最适温度，则偏转。3)当线虫肌肉结构模型所处温度是最适温度，此时基本不偏转。

步骤5)所述人工神经网络模型的输入层节点为t和t-1时刻的温度差ΔC；t时刻的温度和最适温度Co的温度差ΔCo；输出层节点为偏转角度值Φ(t)；及3个隐含层节点。

本发明从生物体本质出发，突破了传统爬虫机器人的理论局限性，利用人工神经网络强大的学习和预测能力，将头部传感器采集到的外部温度信息，进行处理并预测下一时刻的步态，从而实现爬虫机器人的趋温性运动能力。对提高未来爬虫机器人的运动控制方式、自主控制能力，复杂环境适应能力等提供了很好的参考。

本发明方法建立爬虫机器人的可应用在以下4个领域或其它可应用的领域：1)在地震、火灾等复杂危险环境下，营救遇难者；2)工业设备管道的检查、维修；3)军事领域中复杂环境的侦查；4)医学中检查人体胃、肠等器官。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于神经网络的仿生趋温智能爬虫机器人搭建流程图；

图2为本发明实施例提供的温度环境模型；

图3为本发明实施例提供的肌肉结构模型；

图4为本发明实施例提供的一次偏转运动过程示意图；

图5为本发明实施例提供的偏转运动过程中的非线性函数模型；

图6为本发明实施例提供的BP神经网络预测误差图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本发明实施例提供一种基于神经网络的仿生趋温智能机器人搭建的流程图，具体包括：

S101：环境建模：建立一个坐标系去模拟线虫所在的温度环境，然后将温度分布情况通过高斯分布进行建模，模型如图2所示，公式如下：

其中：(a,b)是高斯分布的中心点，本模型中取坐标值(80,80)；C_max是最值，表示在该环境模型中的最高温度,本模型中取100℃；S是分布的方差；C(x,y)代表坐标为(x,y)处的温度值。

S102：线虫肌肉结构建模：分析秀丽隐杆线虫的肌肉解剖结构，将线虫身体部分的肌肉分为12段，每段肌肉的中心作为一个关节点。最终线虫全身被建模为由13个关节点和12个连接杆构成的多关节连杆结构。如图3所示，构造的肌肉模型长度为3/2个运动周期。

S103：运动学建模：偏转角度是根据头部结点不同时刻的温度情况求出，偏转运动是通过头部结点根据偏转角度绕该时间周期内最后一个结点进行偏转获得的。如图4所示，线虫头部节点在t-1时刻的坐标为A(x_a,y_a)，如果线虫不发生偏转，那么t时刻头部节点的坐标为C(x,y)，并且满足公式(2)(3)；如果偏转Ф角度，那么t时刻头部节点的坐标B(x_b,y_b)是通过点C(x,y)绕点A(x_a,y_a)顺时针旋转Ф角度得到的。

x＝ωt (2)

y＝A*sin(ωt+B) (3)

公式(2)(3)是t时刻线虫的运动方程，其中，ω为运动角速度，t为单位时间，A为运动波形的振幅，B为初相。

已知在直角坐标系内一点M(x₁,y₁)绕另一点O(x₀,y₀)顺时针旋转已知角度后得到点N(x₂,y₂)，其中x₂和y₂可由式(4)(5)求得。

x₂＝(y₁-y₀)sinθ+(x₁-x₀)cosθ+x₀ (4)

y₂＝(y₁-y₀)cosθ-(x₁-x₀)sinθ+y₀ (5)

结合公式(2)-(5)可求出t时刻线虫头部结点的坐标关系，如公式(6)，至此完成了一次偏转运动过程。

S104：当线虫头部节点经过当前时间周期内的第一个点和最后一个点的时间分别是t-1和t，其对应坐标分别是(x(t-1)，y(t-1))和(x(t)，y(t))。那么线虫下一个时间周期的偏转角度由头部节点在t-1时刻与t时刻的温度差和t时刻与最适温度的差值进行确定。根据头部节点t-1和t时刻的坐标值，可以求出相应的温度值，因此关于偏向角度的模型如公式(7-10)。

C(t)＝C(x(t),y(t)) (7)

C(t-1)＝C(x(t-1),y(t-1)) (8)

△C＝C(t)-C(t-1) (9)

△Co＝C(t)-Co (10)

其中：C(t-1)和C(t)分别代表头部节点t-1和t时刻的温度；ΔC代表t和t-1时刻的温度差；ΔCo代表t时刻的温度和最适温度Co的温度差。线虫的运动情况可归纳为下面三类：

1)当ΔCo<0，即线虫所在区域的温度小于最适温度时，如果ΔC<0，则说明线虫的运动偏离最适温度，线虫应该偏转；如果ΔC>0，则说明线虫的运动朝向最适温度，线虫基本不偏转；

2)当ΔCo>0，即线虫所在区域的温度大于最适温度时，如果ΔC<0，则说明线虫的运动朝向最适温度，线虫基本不偏转；如果ΔC>0，则说明线虫的运动偏离最适温度，线虫应该偏转；

3)当线虫所处温度是最适温度，此时线虫基本不偏转。

根据线虫的偏向性转弯的特征，本模型假定线虫偏向性喜好为右转。通过对线虫上述运动情况的分析，构造的非线性函数模型如图5所示，其具体数学模型如下：

其中：m、c和d均为常数，在本实施例中取值为m＝-0.5、c＝-0.5、d＝-5Φ(t)为偏转角度值。通过该非线性函数可求出对应的偏转角度。

S105：人工神经网络建模：人工神经网络采用BP神经网络模拟线虫神经系统中“感觉神经元-中间神经元-运动神经元”的信息传递过程，总共三层神经元结构，其中，输入层有2个节点(分别为ΔC和ΔCo)、隐含层有3个节点、输出层有1个节点(为Φ(t))。在ΔC、ΔCo的取值范围内对ΔC、ΔCo进行50等分，取出其中的等分点，并结合公式(11)求出对应的Φ(t)，从而构造出2500组输入输出数据集。从中随机选择2000组数据作为训练数据，其余500组数据作为测试数据。并且在预测前对数据集进行数据归一化处理。利用得到的训练数据通过对应的构造函数和训练函数进行BP神经网络的构造和训练，利用得到的测试数据通过对应的预测函数进行BP神经网络的预测。为了更接近于生物体本质，隐藏层神经元节点个数不宜太多，因此从个数为2开始试探性增加中间神经元个数，通过实验最终确定为3个便能达到满意的实验效果。预测误差图如图6所示，此时，BP神经网络预测误差的数量级较小，误差率较低。可以预知使用BP神经网络可以得到较好的建模效果。

S106：智能爬虫机器人的搭建：1)将舵机支架与舵机依次组装成连杆结构；2)将单片机与头部第一个舵机连接起来；3)将温度传感器接到单片机上，固定到第一个舵机上边；4)将电池与单片机连接，固定到单片机的下边。最终组装成一个智能爬虫机器人，然后，将S105中构造好的BP神经网络烧录进智能爬虫机器人的单片机中，实现智能爬虫机器人仿生趋温的功能。至此，基于神经网络的仿生趋温智能爬虫机器人已全部搭建完成。

Claims (7)

1.一种基于神经网络的仿生趋温行为方法，其特征在于包括如下步骤：

1)构建环境模型，建立一个用于模拟秀丽隐杆线虫所在温度环境的坐标系；

2)构建线虫肌肉结构模型，根据秀丽隐杆线虫的肌肉解剖结构，构建由多关节和连杆构成条状结构的线虫肌肉结构模型；

3)构建运动学模型，将步骤2)所述的线虫肌肉结构模型的一端作为头部节点，在头部节点设置温度传感器，作为感觉神经元感受外部温度的变化，然后通过中间神经元得到偏转角度，最后通过设置在关节上作为运动神经元的舵机根据偏转角度调整其偏转，实现偏转运动过程；

4)构建偏转角度模型，根据头部结点当前时刻与前一时刻的温度差和当前时刻的温度与最适温度的差值，通过一个非线性逻辑函数求出下一时刻的偏转角度；

5)构建人工神经网络模型，根据秀丽隐杆线虫的神经结构，构建三层结构的人工神经网络，模拟线虫神经系统中“感觉神经元-中间神经元-运动神经元”的信息传递过程，对偏转角度中的非线性逻辑函数进行拟合。

2.根据权利要求1所述一种基于神经网络的仿生趋温行为方法，其特征在于：在步骤1)建立的坐标系中设定最适温度分布情况，并将坐标系中的温度分布情况通过高斯分布进行建模。

3.根据权利要求1所述一种基于神经网络的仿生趋温行为方法，其特征在于：所述多关节和连杆构成的条状结构，具体由13个关节点和12个连接杆构成。

4.根据权利要求1所述一种基于神经网络的仿生趋温行为方法，其特征在于：所述偏转运动是头部节点根据偏转角度绕当前时间周期内头部节点之后一节点进行偏转。

5.根据权利要求1所述一种基于神经网络的仿生趋温行为方法，其特征在于：所述非线性逻辑函数为

式中，Φ(t)表示偏转角度值，m、c和d均为常数，ΔC表示t和t-1时刻的温度差；ΔCo表示t时刻的温度和最适温度Co的温度差。

6.根据权利要求1或5所述一种基于神经网络的仿生趋温行为方法，其特征在于：所述偏转角度模型的具体处理为：

1)当线虫肌肉结构模型所在区域温度小于最适温度时，如果线虫肌肉结构模型的运动偏离最适温度，则偏转；如果线虫肌肉结构模型的运动朝向最适温度，则不偏转；

2)当线虫肌肉结构模型所在区域温度大于最适温度时，如果线虫肌肉结构模型朝向最适温度，则不偏转；如果线虫肌肉结构模型偏离最适温度，则偏转；

3)当线虫肌肉结构模型所处温度是最适温度，此时不偏转。

7.根据权利要求1所述一种基于神经网络的仿生趋温行为方法，其特征在于：所述人工神经网络模型的输入层节点为t和t-1时刻的温度差ΔC；t时刻的温度和最适温度Co的温度差ΔCo；输出层节点为偏转角度值Φ(t)；及3个隐含层节点。