[發明專利]一種機器人控制器設計方法

有效

• 申請號: 202011483935.1
• 申請日: 2020-12-16
• 公開（公告）號: CN112596379B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 李偉;孫福磊;甘中學;魏秉晟;畢一飛
• 申請（專利權）人: 復旦大學
• 主分類號: G05B13/02
• 分類號: G05B13/02;G05B13/04
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 郁旦蓉

1.一種機器人控制器設計方法，用于針對傳感器數量會變化的形態可變機器人對應的神經網絡控制器進行設計，其特征在于，包括如下步驟：

步驟S1，所述形態可變機器人通過預定數量的所述傳感器獲取接收值；

步驟S2，將所述接收值輸入預定的最優神經網絡控制器并將輸出作為所述形態可變機器人的電機轉速從而控制所述形態可變機器人完成任務，

其中，所述最優神經網絡控制器通過預定的直接編碼得到，

所述直接編碼包括如下步驟：

步驟T1，對所述形態可變機器人中所有所述傳感器進行編號得到傳感器編號；

步驟T2，按照所述傳感器編號令一個所述傳感器暫停工作，并將剩下的所述傳感器設定為工作傳感器；

步驟T3，根據所述工作傳感器構建所述神經網絡控制器；

步驟T4，利用預定的神經進化算法對所述神經網絡控制器的初始網絡結構進行優化，直到達到預定的進化代數，并將最后一代得到的所述初始網絡結構作為進化網絡結構進行保存；

步驟T5，判斷所述傳感器編號是否為最大值，判斷為否時，將所述進化網絡結構作為新的初始網絡結構，并重復所述步驟T2至所述步驟T5進行進化；

步驟T6，在所述步驟T5判斷為是時，根據所有所述傳感器構建新的神經網絡控制器，并將所述進化網絡結構作為所述新的神經網絡控制器的網絡結構；

步驟T7，利用所述神經進化算法對所述網絡結構進行優化，直到達到所述進化代數，并從該進化過程中生成的多個所述網絡結構中找出最優的網絡結構作為最優網絡結構；

步驟T8，根據所述最優網絡結構確定對應的所述神經網絡控制器，并作為所述最優神經網絡控制器輸出。

2.根據權利要求1所述的機器人控制器設計方法，其特征在于：

其中，所述神經進化算法為NEAT算法、蟻群算法以及蜂群算法中的任意一種。

3.一種機器人控制器設計方法，用于針對傳感器數量會變化的形態可變機器人對應的神經網絡控制器進行設計，其特征在于，包括如下步驟：

步驟S1，所述形態可變機器人通過預定數量的所述傳感器獲取接收值；

步驟S2，將所述接收值輸入預定的最優神經網絡控制器并將輸出作為所述形態可變機器人的電機轉速從而控制所述形態可變機器人完成任務，

其中，所述最優神經網絡控制器通過預定的間接編碼得到，

所述間接編碼包括如下步驟：

步驟E1，對所述形態可變機器人中所有所述傳感器進行編號得到傳感器編號；

步驟E2，按照所述傳感器編號令一個所述傳感器暫停工作，并將剩下的所述傳感器設定為工作傳感器，將該工作傳感器在所述形態可變機器人中的位置作為工作傳感器位置進行記錄；

步驟E3，將所述工作傳感器位置以及所述形態可變機器人中的電機位置作為基底；

步驟E4，根據所述基底構建復合模式生成網絡；

步驟E5，利用HyperNEAT算法對所述復合模式生成網絡中的初始網絡結構進行進化，直到達到預定的進化代數，并將最后一代得到的多個所述初始網絡結構作為進化網絡結構進行保存；

步驟E6，判斷所述傳感器編號是否為最大值，判斷為否時，將所述進化網絡結構作為新的初始網絡結構，并重復所述步驟E2至所述步驟E6進行進化；

步驟E7，在所述步驟E6判斷為是時，根據所有所述工作傳感器位置對應的所述基底構建新的復合模式生成網絡，并將所述進化網絡結構作為該新的復合模式生成網絡的網絡結構；

步驟E8，利用所述HyperNEAT算法對所述網絡結構進行優化，直到達到所述進化代數，并在該過程中找出最優的網絡結構作為最優網絡結構；

步驟E9，根據所述最優網絡結構確定復合模式生成網絡的網絡結構，并作為最優復合模式生成網絡輸出；

步驟E10，將使用狀態下所述形態可變機器人對應的基底輸入所述最優復合模式生成網絡生成所述最優神經網絡控制器。