33、机器人神经控制与轨迹优化：从信号处理到运动规划

机器人神经控制与轨迹优化：从信号处理到运动规划

1. 神经网络信号处理

在机器人神经控制领域，神经网络信号处理是关键的一环。以腕带Myo的肌电信号为例，预处理后得到的两个四元数会被引入神经网络进行训练。这里采用的是前馈型神经网络，具有两层结构，输入层有两个神经元，输出层有一个神经元。

1.1 训练过程

• 误差生成 ：尖峰型四元数神经网络是有监督训练系统，训练需要误差来调整权重。因此，需要设定一个期望输出，并将其与网络生成的输出进行比较，从而产生误差。
• 输出设定 ：对于每次训练，输出设定为神经时间窗口的一半。

1.2 评估与控制

当神经网络训练完成，即权重通过训练算法收敛到一个区域后，它就能识别每个训练过的位置。此时进入评估与控制阶段：
- 输入处理 ：训练后的神经网络接收的输入要经过与训练阶段相同的变换。首先将八个输入信号分为两组，消除QSNN无法处理的频率，生成两个四元数作为输入。
- 输出评估 ：输出通过以下公式进行评估：
[Out(t_{QN}) = e^{-\frac{(t_{QN} - \frac{t_N}{2})^2}{\frac{t_N^2}{25}}}]
其中，(t_{QN})是神经输出，(t_N)是神经时间窗口的最终值。由于高斯函数未进行缩放，期望响应范围在[1]，每个训练位置都在该高斯方程中进行评估。

2. 手部假肢控制

为了实现手