发育机器人内在动机系统的研究

发布时间：2017-04-19 21:10

  本文关键词：发育机器人内在动机系统的研究，由笔耕文化传播整理发布。

【摘要】：生物的运动平衡控制技能源自于感觉运动神经系统的学习,而内在动机系统发挥了重要作用。探索感觉运动神经系统中的内在动机机理,将内在动机理论形式化,模拟和复制这种自组织控制机制的结构和功能,并应用于机器人系统,通过机器人的学习和训练,渐进获得类似人和动物的自主学习能力和运动平衡控制技能,是当前机器入学、认知科学、心理学、神经生理学及控制科学领域研究的主要课题。 本文结合认知科学、心理学以及神经生理学,从仿生的角度建立了不同网络结构的内在动机模型,探索了感觉运动神经系统的自主学习和控制机制,以两轮自平衡机器人为实验平台,研究了基于内在动机的仿生学习模型在机器人运动平衡控制过程中的自主发育和学习能力。论文取得的主要研究成果如下 1)基于操作条件反射的内在动机模型 本文提出了一种基于操作条件反射原理的内在动机仿生模型(OC-IM),该模型在操作条件反射的理论框架下,把生物感觉运动神经系统中自主发育和学习的内在驱动能力,以神经计算的数学模型形式体现出来,并应用在两轮机器人上,使机器人经过自主发育和学习,概率式地选择最优行为,从而保持两轮机器人的运动平衡状态。仿真结果表明,该内在动机仿生学习模型能够使两轮机器人通过自主学习和训练,成功获得自主平衡控制技能,表现出了良好的自主控制运动平衡的学习能力。 2)记忆可增长型内在动机仿生模型 本文提出一种记忆可增长型内在动机仿生模型(GCS-IM),该模型可以根据经验的积累和任务的需要,向网络的竞争层插入新的神经元,增加网络细胞个数,自主而动态地调整网络大小和结构。根据生物在认知发育过程中概率式选择动作的生理行为,进而采用Boltzmann机进行概率式优化动作选择方式,突出内在动机随机选择行为的自主过程,并将其应用于机器人的运动自平衡控制中,仿真实验说明该算法能达到预期的控制目标,学习速度和动态性能上都表现出了更好的控制性能,体现出类似人和动物内在动机的认知发育过程。 3)记忆可删减型内在动机仿生模型 由于不同任务的复杂程度不同,神经网络的结构很难确定,有时会过于复杂,导致较低的计算效率和泛化能力,易出现过拟合现象。本文设计了一种记忆可删减型内在动机模型(OBS-IM),包含评价神经网络和行动神经网络。该模型针对神经网络规模过大问题,通过改变Hessian矩阵的方法对网络的误差函数进行调整,可同时删除多个神经元权值,调整剩余神经元权值,获得较快的网络结构调整速度。将该模型应用在两轮机器人的运动平衡控制中,仿真实验结果表明,记忆可删减型内在动机模型(OBS-IM)有较快的学习速率和良好的动态性能,同时也体现了类似生物内在动机的认知和学习过程。 4)基于内在动机的发育机器人感觉运动系统 鉴于感觉运动系统的复杂性,本文在可增减型动态结构神经网络的框架下,提出了一种基于内在动机的感觉运动系统,并根据网络隐层神经节点敏感度值的大小,确定增加或删减神经元个数,改善网络学习速率、提高网络处理复杂问题的能力。该认知模型主要由三大模块组成：动作控制模块、预测模块以及缓冲模块。其中,动作控制模块可实现状态到行为的映射,预测模块是对动作实施概率式选择,而缓冲模块则是接收并发送有用信号给动作控制模块与预测模块,从而使感觉运动系统的生理功能得以实现。并将基于内在动机的感觉运动系统应用于两轮机器人运动平衡控制中,仿真实验结果表明,该认知模型可通过不断地自主学习和发育,完善其运动平衡控制技能,验证了该模型拥有较强的认知和发育能力。
【关键词】：操作条件反射 内在动机 动态结构神经网络 运动平衡控制 发育机器人
【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP242
【目录】：

• 致谢5-6
• 摘要6-8
• Abstract8-14
• 1 引言14-39
• 1.1 课题背景及研究意义14-15
• 1.2 发育机器人国内外研究的现状15-23
• 1.2.1 国内研究现状16-19
• 1.2.2 国外研究现状19-23
• 1.3 操作条件反射23-27
• 1.3.1 经典条件反射24-25
• 1.3.2 操作条件反射25-26
• 1.3.3 经典条件反射与操作条件反射对比26-27
• 1.4 动态神经网络27-28
• 1.5 内在动机28-32
• 1.6 感觉运动系统32-37
• 1.6.1 感觉运动系统的结构32-34
• 1.6.2 感觉运动系统的发展34-37
• 1.7 论文的主要工作37
• 1.8 论文的创新点37-38
• 1.9 论文的组织结构38-39
• 2 两轮机器人的系统结构和数学模型39-48
• 2.1 引言39
• 2.2 两轮机器人系统结构39-40
• 2.3 数学模型的建立40-43
• 2.4 运动模式仿真实验和动力学特性分析43-46
• 2.5 本章小结46-48
• 3 机器人内在动机系统的设计48-67
• 3.1 引言48
• 3.2 内在动机的仿生机理48-52
• 3.2.1 人脑记忆系统的工作机理48-51
• 3.2.2 海马-脑前额回路结构的工作记忆系统模型51-52
• 3.3 基于操作条件反射的内在动机模型设计52-54
• 3.3.1 基于操作条件反射的内在动机的仿生机理52-54
• 3.3.2 模型设计54
• 3.4 基于操作条件反射的内在动机系统算法设计54-59
• 3.4.1 对于学习机制的设计55-57
• 3.4.2 内在动机取向机制的建立57-58
• 3.4.3 取向机制的收敛性证明58-59
• 3.4.4 算法流程59
• 3.5 仿真实验与结果分析59-65
• 3.5.1 实验设计59-60
• 3.5.2 实验结果与分析60-65
• 3.6 本章小结65-67
• 4 记忆可增长型内在动机的仿生算法设计67-82
• 4.1 引言67
• 4.2 神经元可增长型神经网络67-69
• 4.3 记忆可增长型发育机器人仿生学习算法设计69-76
• 4.3.1 记忆可增长型内在动机的控制器结构设计69-71
• 4.3.2 记忆可增长型内在动机学习算法分析与流程71-72
• 4.3.3 记忆可增长型内在动机的优化学习算法72-76
• 4.4 仿真实验与结果分析76-80
• 4.5 本章小结80-82
• 5 记忆可删减型内在动机的仿生算法设计82-96
• 5.1 引言82
• 5.2 可删减型神经网络82-84
• 5.3 记忆可删减型内在动机的仿生算法的设计84-90
• 5.3.1 记忆可删减型内在动机的控制器结构设计84
• 5.3.2 记忆可删减型内在动机算法分析84-87
• 5.3.3 Hessian矩阵87-88
• 5.3.4 记忆可删减型内在动机算法流程88-90
• 5.4 仿真实验与结果分析90-94
• 5.5 本章小结94-96
• 6 基于内在动机的发育机器人感觉运动系统的研究96-128
• 6.1 引言96
• 6.2 感觉运动系统的生理结构96-102
• 6.2.1 感觉运动系统的结构96-99
• 6.2.2 感觉运动系统的功能与联系99-100
• 6.2.3 感觉运动系统与机器人运动控制系统的对应关系100-102
• 6.3 基于内在动机的发育机器人感觉运动系统的设计102-120
• 6.3.1 基于内在动机的发育机器人感觉运动系统模型的设计103-105
• 6.3.2 基于内在动机的发育机器人感觉运动系统算法的设计105-120
• 6.4 仿真实验与结果分析120-126
• 6.4.1 实验设计120
• 6.4.2 实验结果与分析120-126
• 6.5 本章小结126-128
• 7 结论128-132
• 参考文献132-142
• 作者简历及在学研究成果142-146
• 学位论文数据集146

【参考文献】

中国期刊全文数据库 前3条

1 赵书尚,韩建海,李济顺,林青松,李航;平行双轮电动车及其控制系统的研究[J];机电工程;2005年01期

2 徐学东;;基于Q-learning算法的煤矿井下移动机器人路径规划[J];煤炭技术;2013年02期

3 王琴,杨汝清,张伟军;机器人接触状态下作业的技能获取及融合[J];上海交通大学学报;2004年01期

  本文关键词：发育机器人内在动机系统的研究，，由笔耕文化传播整理发布。

本文编号：317120