(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211238798.4 (22)申请日 2022.10.11 (71)申请人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 吴益飞　岳照坤　顾成　屠津璟　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 王安 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种复杂环境下的基于脉冲神经网络的四 足机器人运动控制方法 (57)摘要 本发明公开了一种复杂环境下的基于脉冲 神经网络的四足机器人运动控制方法， 首先构建 四足机器人单腿模型以及其腿部关节角状态和 足端位置坐标的转换模型， 随后构建混合神经网 络， 并对其进行训练； 使用基于训练好的混合神 经网络获得地形分类结果， 最后根据地形分类结 果完成四足机器人步态规划及足端轨迹规划， 由 足端目标位置输出腿部关节角度， 完成四足机器 人运动控制。 本发明的技术方案利用基于脉冲神 经网络的图像识别对机器人所处环 境进行分类， 识别准确度高， 对硬件要求低， 另外针对不同的 环境类型对四足机器人做出合适的步态规划及 运动控制决策， 使其对具有不同特点的复杂地形 具备更强的适应能力及通过能力， 具有一定的推 广价值。 权利要求书3页 说明书14页 附图4页 CN 115546547 A 2022.12.30 CN 115546547 A 1.一种复杂环境下的基于脉冲神经网络的四足机器人运动控制方法， 其特征在于， 包 括以下步骤： 步骤1、 基于DH参数法构建四足机器人 单腿模型； 步骤2、 基于逆运动学算法构建四足机器人腿部关节角状态和足端位置坐标的转换模 型； 步骤3、 构建CN N和SNN混合神经网络模型； 步骤4、 基于梯度下降法对步骤3构建的混合神经网络模型进行训练； 步骤5、 采集图像， 并将采集到的环境图像输入训练好的混合神经网络模型中， 进行环 境的特征提取和分类； 步骤6、 基于地形分类结果进行步态规划、 足端轨 迹规划； 步骤7、 完成四足机器人运动控制。 2.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述 步骤1中的构建四足机器人 单腿模型， 具体为： 其中， 其中P代表足端相对于侧摆关节坐标系的坐标， 即四足机器人单腿的正运动学求 解， θ1、 θ2、 θ3分别为侧摆关节、 髋关节、 膝关节转动角度。 3.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述 步骤2中的构建转换模型， 具体为： 四足机器人 单腿的逆运动学解如下： 其中， L1为侧摆关节坐标系沿x轴到髋关节坐标系的距离， L2为髋关节坐标系沿x轴到膝 关节坐标系的距离， L3为膝关节坐标系沿x轴到足端坐标系的距离； x、 y、 z为足端相对于侧 摆坐标系的坐标， θ1、 θ2、 θ3分别为侧摆关节、 髋关节、 膝关节转动角度。 4.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述 步骤3中的构建CN N和SNN混合神经网络模型， 具体为： 所述混合神经网络模型采用前馈网络结构， 包括卷积神经网络和脉冲神经网络， 其中 卷积神经网络的输出 经过转化成为脉冲序列输入脉冲神经网络中。 5.根据权利要求4所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述脉冲神经网络为单层结构， 网络节点由脉冲神经 元构成； 所述脉冲神经 元采用LIF神经元模型， 其膜电位变化方程 为：权　利　要　求　书 1/3 页 2 CN 115546547 A 2其中， τn＝RC是膜时间常数， urest表示神经元静息电位， RI(t)表示脉冲神经元等效膜电 阻上的电压， u(t)表示脉冲神经 元等效膜电容上的电压； 神经元的脉冲发放 通过阈值 控制： 其中， 当u(tf)增大到 时， 神经元发放一个脉冲， 随后电压重新设定为ureset， tf表示神 经元的脉冲发放时间， u(tf)表示脉冲神经 元膜电容的电压， 为设定的阈值； 所述卷积神经网络的输出数据利用泊松编码转化成脉冲序列输入脉冲神经网络 中， 泊 松编码过程 为： 其中， PT(n)表示产生单个神经元在一个设定时间周期T内发放n个脉冲序列的概率， n表 示神经元数目， r表示待编码的卷积神经网络 输出数据。 6.根据权利要求1所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述 步骤6中的基于地形分类结果进行步态规划、 足端轨 迹规划， 具体为： 步骤6‑1、 根据环境的地形分类结果进行步态规划； 步骤6‑2、 基于环境的地形分类结果进行足端轨 迹规划。 7.根据权利要求6所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述 步骤6‑1中的步态规划， 具体为： (1)当四足机器人处于地形崎岖环境时， 选择Walk步态， 四足机器人的支撑相占空系数 ρ ＝0.75， 四足之间的相位差 步态变化周期T随着路面崎岖程度增 加而增加； (2)当四足机器人处于地形平坦环境时， 选择Trot步态， 四足机器人的支撑相占空系数 ρ ＝0.5， 四足之间的相位差 步态变化周期T随着路面平坦 程度增加而减小。 8.根据权利要求6所述的复杂环境下的基于脉冲神经网络的四足机器人运动控制方 法， 其特征在于， 所述 步骤6‑2中的足端轨 迹规划， 具体为： 四足机器人的足端符合摆线轨 迹规划方程 为： (1)摆动相轨 迹： 前进方向： 竖直方向上升阶段： 竖直方向下降阶段：权　利　要　求　书 2/3 页 3 CN 115546547 A 3