水下仿生機器人CPG控制方法研究現(xiàn)狀綜述

閆勇程，王揚威，蘭博文，趙東標

(南京航空航天大學(xué)，南京 210016)

0 引 言

進入21世紀以來，海洋資源的戰(zhàn)略地位越來越重要，人類也不斷加快了探索海洋的步伐，各類水下機器人應(yīng)運而生。傳統(tǒng)的基于螺旋槳推動的水下機器人應(yīng)用最為廣泛，但是在機動性、功重比、穩(wěn)定性等方面仍存在較大不足。而魚類經(jīng)過長期的遺傳進化、自然選擇，能夠適應(yīng)時刻變化的水下環(huán)境，具有優(yōu)異的水下運動能力進行各項生命活動。隨著人類在生物仿生學(xué)、流體力學(xué)、計算機軟件技術(shù)以及智能材料等方面取得的一系列進步，國內(nèi)外科研人員已成功研制出了多種水下仿生機器人[1]，在魚類的形體和結(jié)構(gòu)仿生方面已經(jīng)取得了一系列成果，而在運動控制方法上與生物的神經(jīng)系統(tǒng)控制還存在較大差距，已成為阻礙水下仿生機器人發(fā)展的主要問題。

目前水下仿生機器人常用的運動控制主要有基于模型的控制方法、正弦控制器和基于中樞模式發(fā)生器(以下簡稱CPG)的控制方法。

基于模型的控制方法[2-3]是建立在被控對象的運動學(xué)和水動力學(xué)模型基礎(chǔ)上的一種控制方法，能實現(xiàn)準確的運動控制。但由于水下推進裝置的精確建模十分困難，因此目前大都采用簡化的數(shù)學(xué)模型用于控制系統(tǒng)，使得控制系統(tǒng)的魯棒性不佳，機器人不能很好的適應(yīng)水下非結(jié)構(gòu)化的工作環(huán)境。正弦控制器[4-5]是水下仿生機器人運動控制方法中常用的一種控制方法。因為大多數(shù)魚類的身體或鰭的推進波形接近正弦運動，所以該方法將水下仿生機器人推進器中每個關(guān)節(jié)的運動規(guī)律設(shè)定為正弦周期運動，再通過改變不同關(guān)節(jié)之間運動的相位差來改變運動策略。這種控制方法能明確描述推進波的頻率、幅值和相位等參數(shù)的關(guān)系，且便于計算機編程。但是當控制參數(shù)(如頻率、幅值)突變時易導(dǎo)致關(guān)節(jié)角產(chǎn)生不連續(xù)的跳變，從而損害關(guān)節(jié)的驅(qū)動電機和傳動系統(tǒng)，雖然可以編寫專門的過渡函數(shù)來克服這種跳變，但是靈活性較差。再者，正弦控制器算法較難引入外部反饋信號，適應(yīng)性不足。基于CPG的控制方法[1]是通過模仿動物節(jié)律運動的生物學(xué)控制機理，以CPG神經(jīng)元網(wǎng)絡(luò)數(shù)學(xué)模型作為底層的運動控制器，產(chǎn)生連續(xù)協(xié)調(diào)的節(jié)律運動控制信號，運動控制的協(xié)調(diào)穩(wěn)定性和環(huán)境自適應(yīng)性較好。

本文介紹了廣泛用于水下仿生機器人的CPG控制方法的原理，結(jié)合具體實例分析了CPG控制的關(guān)鍵技術(shù)問題。

1 生物CPG控制原理

自然界中動物常見的運動方式是節(jié)律運動，如動物的行走、奔跑、跳躍、游泳、飛行以及動物的呼吸、心臟跳動等都是節(jié)律運動。在億萬年的自然選擇與遺傳進化中，動物的節(jié)律運動具有了高度的協(xié)調(diào)性與自適應(yīng)能力。

生物CPG的研究及發(fā)展經(jīng)歷了一個漫長的過程，在20世紀初，關(guān)于動物節(jié)律行為的產(chǎn)生主要有兩種觀點：一種觀點是以Sherrington為代表的認為感覺反饋發(fā)揮著重要作用，節(jié)律運動是反射行為在不同運動周期觸發(fā)連鎖反應(yīng)的結(jié)果；另外一種解釋則是以Brown[6]為代表的認為節(jié)律行為的產(chǎn)生不需要外部的信號輸入，如感覺反饋的輸入。1914年Brown[7]提出了一個半自主神經(jīng)振蕩模型，在兩個群之間加上相互抑制的耦合神經(jīng)元，并且加入神經(jīng)元的疲勞機制來產(chǎn)生交變節(jié)律性運動。到目前為止，已經(jīng)有充足的證據(jù)表明，節(jié)律運動產(chǎn)生是不需要感知系統(tǒng)的信息反饋的。很多相似的實驗表明，中央模式發(fā)生器是由很多耦合振蕩中心組成的分布式網(wǎng)絡(luò)。七鰓鰻的脊椎大概有100段，它們之中大概只有一到兩段能產(chǎn)生節(jié)律性的運動。在蠑螈中也可以觀察到同樣的結(jié)果[8]。1961，Wilson[9]發(fā)現(xiàn)了中樞模式神經(jīng)振蕩器發(fā)生網(wǎng)絡(luò)，生物CPG的研究取得了重要突破，其后在1980年，Delcomyn[10]又提出CPG是脊椎和無脊椎動物的很多節(jié)律性行為的神經(jīng)基礎(chǔ)。1985年，Grillner[11]提出CPG是以一對相互耦合的神經(jīng)元為基本單元，每一個運動關(guān)節(jié)或者說自由度至少有一個CPG基本單元。1998年，Cheng[12]等人通過實驗提出這些單元能被進一步的劃分為屈肌和伸肌的獨立振蕩中心。盡管感覺反饋對于節(jié)律運動的產(chǎn)生不是必要的，但是它卻對節(jié)律運動的調(diào)節(jié)有重要作用，對于身體運動的協(xié)調(diào)性方面有著重要影響。

總結(jié)來說，生物CPG的特點有以下3個：

1)在生物體的運動環(huán)控制中能夠減少時間延遲，因為基本節(jié)律運動的產(chǎn)生是通過脊椎的反饋環(huán)，而高層神經(jīng)中心，如運動皮質(zhì)、小腦與基底神經(jīng)節(jié)會根據(jù)環(huán)境的不同來調(diào)整協(xié)調(diào)CPG的輸出；

2)減少了下行控制信號的維度，因為控制信號不需要指定肌肉的具體活動，而只需要給CPG一個活動信號；

3)減少了高層調(diào)節(jié)中心與脊椎之間的所需帶寬。

2 水下仿生機器人CPG控制振蕩模型

目前常用的仿生CPG振蕩模型主要有3種：1)Kimura遞歸神經(jīng)振蕩器；2)Ijspeert七腮鰻型相位振蕩器；3)Hopf神經(jīng)振蕩器。

2.1 Kimura遞歸神經(jīng)振蕩器

1985年，日本九州工業(yè)大學(xué)的Matsuoka通過對生物神經(jīng)細胞生理活動的研究，提出Matsuoka神經(jīng)振蕩器模型[13]，該模型將模擬神經(jīng)元疲勞特性的適應(yīng)項加入到了漏極積分器的微分方程中。2000年，Kimura對Matsuoka提出的模型進行了改進，改變了其只能輸出正值信號的缺陷[14]。

Kimura遞歸神經(jīng)振蕩器是在Matsuoka振蕩器基礎(chǔ)上改進而來，該振蕩器是使用兩個基本的神經(jīng)元相互抑制形成一個振蕩器單元，兩個基本的神經(jīng)元分別對應(yīng)生物體內(nèi)屈肌與伸肌運動控制神經(jīng)元，由一組非線性微分方程描述，如下：

(1)

式中:ui是第i個神經(jīng)元的內(nèi)部狀態(tài)變量；vi是代表第i個神經(jīng)元的自抑制程度；yi是第i個神經(jīng)元的輸出；u0表示外部常數(shù)項輸入;表示神經(jīng)元穩(wěn)定后輸出的幅值；Fi表示外部環(huán)境反饋輸入；β表示自抑制對神經(jīng)元自身內(nèi)部狀態(tài)的影響程度；τ與τ′分別表示ui與vi的時間常數(shù)；wij表示神經(jīng)元i與j之間的耦合權(quán)重。

伸肌神經(jīng)元的輸出與屈肌神經(jīng)元的輸出相減，如圖1所示，差值作為神經(jīng)振蕩器的輸出，通過這種方法克服了Matsuoka振蕩器模型只輸出正值信號的不足，如式(1)所示。

圖1 Kimura遞歸神經(jīng)振蕩器

Kimura遞歸神經(jīng)振蕩器的優(yōu)點在于：1)用簡單的數(shù)學(xué)表達式將運動神經(jīng)元的生物學(xué)特性表示出來；2)引入外部環(huán)境反饋項可以改善機器人的運動協(xié)調(diào)穩(wěn)定性與環(huán)境自適應(yīng)能力；3)CPG控制模型具有一定的通用性，可以產(chǎn)生不同的節(jié)律性控制信號，即不同的運動步態(tài)，用于不同類型的機器人。

水下仿生機器人的每個關(guān)節(jié)的輸出可以由一個Kimura遞歸神經(jīng)振蕩器進行控制，振蕩器的輸出作為機器人關(guān)節(jié)的目標角度，通過設(shè)計合理的振蕩器網(wǎng)絡(luò)拓撲結(jié)構(gòu)及合理的耦合關(guān)系和連接權(quán)重，可協(xié)調(diào)機器人各個關(guān)節(jié)的運動，產(chǎn)生不同的游動步態(tài)。

王龍[15]等人采用4個Kimura振蕩器構(gòu)建了CPG網(wǎng)絡(luò)模型，用來控制仿生機器魚的具有兩個自由度的胸鰭及尾鰭，如圖2所示，并且引入了頭尾軸與水平面的夾角以及偏航角作為反饋信息控制機器魚的游動姿態(tài)，對胸鰭的運動控制做了深入探討，在Walker的擺動胸鰭模型基礎(chǔ)之上制定了基本的游動策略。仿真實驗結(jié)果表明，此CPG模型能實現(xiàn)機器魚的俯仰與轉(zhuǎn)彎運動，并能根據(jù)反饋的信息快速調(diào)節(jié)CPG網(wǎng)絡(luò)的輸出。

圖2 CPG網(wǎng)絡(luò)拓撲結(jié)構(gòu)與機器魚樣機[15]

Tangorra[16]等人以藍鰓太陽魚為仿生對象，設(shè)計了如圖3所示的多鰭機器魚。該機器魚的推進機構(gòu)由7個可變形的仿生鰭構(gòu)成，仿生鰭上及魚體兩側(cè)含有分布式壓力傳感器，可用來感知水動力流場，并且含有模仿魚類前庭系統(tǒng)的姿態(tài)傳感器。所構(gòu)建的CPG網(wǎng)絡(luò)由4個神經(jīng)元構(gòu)成，能夠有效實現(xiàn)仿生機器魚的低速下穩(wěn)定游動，并且通過試驗分析了鰭面上所承受的水動壓力與拍動頻率的關(guān)系，為進一步更精確的利用分布式反饋感知系統(tǒng)結(jié)合CPG控制方法做了初步探索。

圖3 仿太陽魚水下機器人[16]

Jeong[17]等人提出了基于粒子群算法(PSO)的CPG控制系統(tǒng)，用于Fibo水下機器人上，如圖4所示。一般CPG的參數(shù)都是人工根據(jù)經(jīng)驗結(jié)合計算機數(shù)值仿真確定CPG網(wǎng)絡(luò)中各參數(shù)，該方法在人為給定機器魚的行波參數(shù)后，根據(jù)Lighthill魚體波方程，通過PSO算法選取最優(yōu)的CPG連接權(quán)重、自抑制系數(shù)及時間常數(shù)等共19個參數(shù)，仿真及實驗展示了此方法的有效性。

圖4 Fibo水下機器人[17]

Ikeda[18]等人采用此振蕩器構(gòu)成的CPG控制網(wǎng)絡(luò)用于多關(guān)節(jié)仿蝠鲼機器人的控制，如圖5所示，該機器人主要有12根鰭條致動單元，與仿生鰭膜構(gòu)成雙側(cè)波動推進機構(gòu)，CPG控制網(wǎng)絡(luò)可以產(chǎn)生節(jié)律關(guān)節(jié)角控制信號，并能實現(xiàn)機器人的偏航機動動作，仿真試驗證明了控制系統(tǒng)的可行性與有效性。

圖5 仿蝠鲼機器人[18]

2.2 Ijspeert七腮鰻型相位振蕩器

Ijspeert七腮鰻型相位振蕩器由瑞士洛桑聯(lián)邦理工學(xué)院科學(xué)家Ijspeert提出[19]。根據(jù)蠑螈前進中身體行波的特性，提出了比Cohen相位振蕩器更簡單易用的振蕩器模型，如下:

(2)

式中：θi,ri表示第i個振蕩器的輸出相位與幅值的狀態(tài)變量；vi第i個振蕩器的固有頻率；Ri表示固有幅值，即最終ri的收斂值；αi表示幅值ri收斂于Ri的速度；wij表示振蕩器i,j之間的耦合權(quán)重，反映了振蕩子j對i的影響大小；φij表示振蕩器i,j之間的相位關(guān)系；xi表示第i個振蕩器的最終輸出。該振蕩器能清楚地表達用于控制對象的振幅、頻率和相位滯后等參數(shù)，具有顯式的輸出函數(shù)，數(shù)學(xué)結(jié)構(gòu)簡單，狀態(tài)變量少，易于微控制器編程實現(xiàn)。Ijspeert[19]等人成功將此應(yīng)用于仿蠑螈兩棲機器人，該機器人采用20個振蕩子，采用如圖6所示的拓撲結(jié)構(gòu)，整個控制系統(tǒng)只有一個輸入?yún)?shù)d，通過改變輸入?yún)?shù)d的大小，能改變機器人在水中的游速及方向，以及切換運動模式，在陸地上也能實現(xiàn)爬行。

圖6 仿蠑螈兩棲機器人[19]

Crespi[20]等人又成功利用相同的振蕩器，采用3個振蕩子相鄰耦合的拓撲結(jié)構(gòu)，如圖7所示。控制機器魚Boxybot的一對胸鰭關(guān)節(jié)及尾鰭關(guān)節(jié)，通過胸鰭關(guān)節(jié)配合尾鰭關(guān)節(jié)的運動，可以實現(xiàn)機器人水下多樣的游動步態(tài)，實驗結(jié)果表明這種控制方法能夠?qū)崿F(xiàn)Boxybot水下機器人的趨光性穩(wěn)定游動。

圖7 Boxybot水下機器人[20]

Cao[21]等人利用此振蕩器構(gòu)成的CPG網(wǎng)絡(luò)用于仿牛鼻鲼水下機器人Robo-Ray的機動控制，如圖8所示。根據(jù)仿生原型牛鼻鲼的形態(tài)學(xué)與運動學(xué)特征，該機器人的機動執(zhí)行機構(gòu)主要由對稱胸鰭及尾鰭構(gòu)成，對稱胸鰭通過拍動方式提供推力，尾鰭用于俯仰控制，實驗證明了此CPG控制模型可以實現(xiàn)多關(guān)節(jié)牛鼻鲼的直線巡游、偏航、俯仰及速度控制，而且不同游動步態(tài)之間切換較平滑。

圖8 牛鼻鲼水下仿生機器人Robo-Ray[21]

Yu[22]等人在建立了仿鲹科多關(guān)節(jié)尾鰭機器魚的拉格朗日動力學(xué)模型基礎(chǔ)之上，構(gòu)建了CPG控制模型，被控對象帶有一對仿生胸鰭及一個多關(guān)節(jié)尾鰭，如圖9所示。數(shù)值仿真及樣機實驗結(jié)果表明了所構(gòu)建的控制模型的有效性與可行性，并對推進力及游動軌跡進行了理論與試驗對比分析。此外還實現(xiàn)了仿生機器魚的倒游，為鲹科模式推進的機器魚提供了一種可行的控制方案。

圖9 仿生多關(guān)節(jié)機器魚[22]

2.3 Hopf神經(jīng)振蕩器

Hopf神經(jīng)振蕩器是指在具有穩(wěn)定極限環(huán)的非線性Hopf振蕩方程基礎(chǔ)上改變發(fā)展而來，無論初始狀態(tài)如何，振蕩器最終會趨于穩(wěn)定狀態(tài)。Hopf振蕩方程定義如下：

(3)

式中:x與y為狀態(tài)變量；μ為振蕩的幅值；w為振蕩的頻率；α為正常數(shù)，決定收斂到極限環(huán)的速度。狀態(tài)變量x,y最終會收斂于以μ為半徑的穩(wěn)定極限環(huán)。

汪明[23]等基于Hopf振蕩器提出一種CPG振蕩模型，并分析了其數(shù)學(xué)特性，通過最近相鄰耦合的方法，對n個這樣的神經(jīng)元振蕩子進行耦合，構(gòu)建了仿生機器魚的CPG拓撲網(wǎng)絡(luò)控制結(jié)構(gòu)，如圖10所示，并在建立了胸鰭推進的動力學(xué)模型基礎(chǔ)之上將其用于機器魚的控制。導(dǎo)出了機器人直游、倒游、胸鰭-尾鰭協(xié)調(diào)運動等多種控制策略，還分析了直游、倒游的游速與頻率的關(guān)系，還探討了身體-尾鰭推進與身體-尾鰭-胸鰭聯(lián)合協(xié)調(diào)推進速度與頻率的關(guān)系。實驗結(jié)果驗證了此CPG模型的可行性與靈活性，還可用于其他多相似的多關(guān)節(jié)自由度機器人的控制上。

圖10 胸鰭驅(qū)動型機器魚[23]

Wu[24]等人以白斑狗魚為仿生原型設(shè)計了經(jīng)過優(yōu)化改進的多關(guān)節(jié)仿生機器魚，如圖11所示。該機器魚具有流線型的身體,可以實現(xiàn)偏航操作的頭部、一對共有4個自由度的胸鰭以及性能更高的處理器和更高力矩的伺服舵機。該機器魚的控制系統(tǒng)由8個Hopf振蕩器構(gòu)成，整個CPG振蕩器按功能可分為3類，即胸鰭CPG、身體CPG及尾鰭CPG，分別控制機器魚的胸鰭、身體及尾鰭。此CPG拓撲網(wǎng)絡(luò)能夠?qū)崿F(xiàn)多種游動模式，如直線前向游動、向后游動、轉(zhuǎn)彎、潛水及上浮，其中直線前游與后游均能通過BCF及MPF模式實現(xiàn)。樣機試驗表明機器魚的直線前向游速隨著身體波動頻率增大而呈近似線性增大，隨著相鄰關(guān)節(jié)相位差的增大而減小。

圖11 仿白斑狗魚機器人[24]

Zhou[25]等人設(shè)計了含有8個運動鰭條的仿魔鬼刀魚長鰭波動推進器，并對其進行了CPG控制系統(tǒng)的建模，同傳統(tǒng)的正弦發(fā)生器控制方法進行了比較。CPG控制方法能較好地克服后者所呈現(xiàn)出來的不足，而且對于波動推進器來說，CPG控制系統(tǒng)產(chǎn)生的波形可以是非諧波波形。后來又通過將遺傳算法在線應(yīng)用于CPG控制模型的9個輸入?yún)?shù)的優(yōu)化選取中，同時引入速度與能量效率反饋，構(gòu)成了實時閉環(huán)控制系統(tǒng)，使得整個控制系統(tǒng)更加智能，成功實現(xiàn)了機器人的高效率鰻狀游動，整個控制系統(tǒng)如圖12所示。

圖12 NKF-III水下機器人[26]

Hu[27]等人設(shè)計了一種模仿鮪行式魚類的高機動性機器魚，如圖13所示。該機器魚帶有胸鰭、背鰭、腹鰭及半月形的尾鰭，并且尾鰭由一個平行四連桿機構(gòu)進行傳動控制，身體為魚雷形剛性體，而不是柔性體，使得整個魚體耐水壓能力更強。整個控制系統(tǒng)由兩個單向耦合的Hopf振蕩器構(gòu)成，實驗顯示當尾鰭擺動頻率達到2.8 Hz時，直線游動速度可達2.0 m/s，而且機動性較好，很容易進行機動轉(zhuǎn)彎控制。

圖13 鮪行式仿生機器魚[27]

3 水下仿生機器人CPG控制關(guān)鍵技術(shù)

水下仿生機器人的仿中樞神經(jīng)元網(wǎng)絡(luò)控制方法，是為了實際工程上應(yīng)用而采取的對生物體內(nèi)動物節(jié)律運動控制區(qū)——中樞模式發(fā)生器(CPG)的工程近似模擬，形成一種控制更加直觀、靈活并且易于計算機編程實現(xiàn)的控制方法，實現(xiàn)機器人的節(jié)律性運動，提高機器人在各種實際非結(jié)構(gòu)化的工作環(huán)境中的工作性能。

總的來說，CPG模型主要有以下優(yōu)點：

1)CPG模型具有很強的魯棒性，能夠在狀態(tài)變量短暫的擾動下迅速回到正常節(jié)律狀態(tài)，這對于水下仿生機器人來說具有重要意義。尤其當機器人實現(xiàn)類似于仿生原型的機動性規(guī)避動作時，需要快速恢復(fù)到定常周期性游動，這一點通過CPG模型很容易實現(xiàn)；

2)CPG模型很容易用來構(gòu)建分布式網(wǎng)絡(luò)，因此在模塊化機器人和可重構(gòu)機器人中被大量使用，而且CPG很容易協(xié)調(diào)機器人的多自由度運動，因此很容易用于多鰭、多關(guān)節(jié)的機器魚的運動控制上；

3)CPG模型只需要少量的控制參數(shù)就能控制復(fù)雜的節(jié)律運動，很容易對速度、方向以及運動步態(tài)等進行調(diào)節(jié)，而且當控制參數(shù)突變時，CPG生成的過渡軌跡也相當平滑，對于水下機器人而言，可以使機體在不同游動模式切換時實現(xiàn)柔性的過渡；

4)通過振蕩子之間的相位差鎖定，可以產(chǎn)生多種穩(wěn)定的相位差關(guān)系，實現(xiàn)機器人多樣的運動步態(tài)，因此很容易用CPG模型構(gòu)建蛇形機器人的控制系統(tǒng)；

5)CPG模型很容易和感覺反饋信號整合在一起，可以將感覺反饋信息作為CPG模型的微分方程的耦合項；即使在沒有感覺反饋信號和中央控制輸入的情況下，也能產(chǎn)生不同模式的節(jié)律輸出，結(jié)合水下機器人所能感知的水流流場信息，可使機器人游動更加穩(wěn)定；

6)CPG模型可以和學(xué)習(xí)算法及優(yōu)化算法結(jié)合在一起用于機器人中[28]。

但是基于CPG的方法也有兩個主要方面的不足：缺少一個成熟的針對指定運動設(shè)計CPG模型的理論；描述CPG模型的理論基礎(chǔ)仍不完善，現(xiàn)有的CPG模型較不統(tǒng)一，而且一般都包含較為復(fù)雜的非線性環(huán)節(jié)，有時很難證明一個完全基于CPG模型的機器人的穩(wěn)定性。

當對一個具體應(yīng)用對象構(gòu)建一個CPG仿生模型時，主要確定以下5個方面：CPG模型的架構(gòu)(主要包括CPG模型的類型和神經(jīng)元的數(shù)量)；神經(jīng)元連接的類型和拓撲結(jié)構(gòu)(這會影響最終生成步態(tài)的同步性)；波形(這會影響最終由每個關(guān)節(jié)角生成的最終軌跡)；輸入信號的影響(如輸入信號是如何影響輸出信號頻率、幅值與相位或者波形的)；反饋信號的影響(如環(huán)境中的信息反饋是如何影響CPG的節(jié)律活動的)。

設(shè)計一個CPG模型的主要問題就在于以上5個方面是緊密相互聯(lián)系的。

目前廣泛應(yīng)用的設(shè)計CPG模型的方法主要有以下幾種：1)利用動力學(xué)系統(tǒng)理論[29]。動力學(xué)系統(tǒng)理論能夠確定什么時候耦合振子發(fā)生共振，以及能夠確定什么相位差是穩(wěn)定的與不穩(wěn)定的。2)利用學(xué)習(xí)與優(yōu)化算法[30]。這類算法主要分為兩類，有人監(jiān)督學(xué)習(xí)與無人監(jiān)督學(xué)習(xí)。在CPG的步態(tài)知道的情況下一般采用有人監(jiān)督學(xué)習(xí)，而在CPG的產(chǎn)生的步態(tài)不明確的情況下一般采用無人監(jiān)督學(xué)習(xí)。

以上方法，一般主要用于工程目的，也能用來驗證生物CPG模型理論。

4 總結(jié)與展望

從數(shù)學(xué)建模的思想上來看，CPG模型可分為兩類，一類為仿生物神經(jīng)元模型，另一類為非線性振蕩子模型。仿神經(jīng)元模型由生物學(xué)上神經(jīng)沖動傳導(dǎo)的過程建模而來，有明確的生物學(xué)意義，但在實際的物理系統(tǒng)中使用難度較大，且有太多耦合參數(shù)，參數(shù)之間的耦合關(guān)系較難確定，并且難以整定參數(shù)。Kimura遞歸神經(jīng)振蕩器就屬于仿神經(jīng)元模型。而非線性振蕩子模型是在數(shù)學(xué)上對生物節(jié)律性行為的近似，參數(shù)較少，易于實際的工程使用。Ijspeert七腮鰻型相位振蕩器與Hopf神經(jīng)振蕩器屬于此類模型。

隨著CPG理論研究的深入，以及計算機仿真技術(shù)的發(fā)展，CPG控制將具有更好的環(huán)境適應(yīng)性，運動模式更加豐富，并且CPG參數(shù)的整定將更加簡單與智能化，為水下仿生機器人從形似發(fā)展到神似提供控制理論基礎(chǔ)。

[1] IJSPEERT A J.Central pattern generators for locomotion control in animals and robots:A review[J].Neural Networks,2008,21(4):642-653.

[2] 童秉綱，莊禮賢.描述魚類波狀游動的流體力學(xué)模型及其應(yīng)用[J].自然雜志,1998,20(1):1-7.

[3] LIGHTHILL M J.Aquatic animal propulsion of high hydromechanical efficiency[J].Journal of Fluid Mechanics,1970,44(11):265-301.

[4] SPINA G L,SFAKIOTAKIS M,TSAKIRIS D P,et al.Polychaete-like undulatory robotic locomotion in unstructured substrates[J].IEEE Transactions on Robotics,2007,23(6):1200-1212.

[5] LOW K H.Mechatronics and buoyancy implementation of robotic fish swimming with modular fin mechanisms[J].Proceedings of the Institution of Mechanical Engineers,2007,221(3):295-309.

[6] BROWN T G.The intrinsic factors in the act of progression in the mammal[J].Proceedings of the Royal Society of London B:Biological Sciences,1911,84(572):308-319.

[7] BROWN T G.On the nature of the fundamental activity of the nervous centres; together with an analysis of the conditioning of rhythmic activity in progression,and a theory of the evolution of function in the nervous system[J].The Journal of Physiology,1914,48(1):18-46.

[8] DELVOLVE I,BRANCHEREAU P,DUBUC R,et al.Fictive rhythmic motor patterns induced by NMDA in an in vitro brain stem-spinal cord preparation from an adult urodele[J].Journal of Neurophysiology,1999,82(2):1074-1077.

[9] WILSON D M.The central nervous control of flight in a locust[J].Journal of Experimental Biology,1961,38(2):471-479.

[10] DELCOMYN F.Neural basis of rhythmic behavior in animals[J].Science,1980,210(4469):492-498.

[11] GRILLNER S.Neural control of vertebrate locomotion-central mechanisms and reflex interaction with special reference to the cat[M].Berlin:Springer Netherlands,1985.

[12] CHENG J,STEIN R B,JOVANOVIC K,et al.Identification,localization,and modulation of neural networks for walking in the mudpuppy (Necturus maculatus) spinal cord[J].Journal of Neuroscience,1998,18(11):4295-4304.

[13] MATSUOKA K.Sustained oscillations generated by mutually inhibiting neurons with adaptation[J].Biological cybernetics,1985,52(6):367-76.

[14] KIMURA H,FUKUOKA Y,NAKA MURAH.Biologically inspired adaptive dynamic walking of the quadruped on irregular terrain[J].Robotics Research,2000:329-336.

[15] 王龍,譚民,曹志強,等.基于CPG模型的仿生機器魚運動控制[J].控制理論與應(yīng)用,2007(5):749-755.

[16] TANGORRA J L,MIGNANO A P,CARRYON G N,et al.Biologically derived models of the sunfish for experimental investigations of multi-fin swimming[C]//2011 IEEE/RSJ International Conference on Intelligent Robots and Systems,2011:580-587.

[17] JEONG I-B,PARK C-S,NA K-I,et al.Particle swarm optimization-based central patter generator for robotic fish locomotion[C]//2011 IEEE Congress of Evolutionary Computation,2011:152-157.

[18] IKEDA M,HIKASA S,WATANABE K,et al.A CPG design of considering the attitude for the propulsion control of a Manta robot[C]//39th Annual Conference of the IEEE Industrial Electronics Society,2013:6354-6358.

[19] IJSPEERT A J,CRESPI A,RYZKO D,et al.From swimming to walking with a salamander robot driven by a spinal cord model[J].Science,2007,315(5817):1416-20.

[20] CRESPI A,LACHAT D,PASQUIER A,et al.Controlling swimming and crawling in a fish robot using a central pattern generator[J].Autonomous Robots,2007,25(1-2):3-13.

[21] CAO Y,BI S,CAI Y,et al.Applying central pattern generators to control the robofish with oscillating pectoral fins[J].Industrial Robot,2015,42(5):392-405.

[22] YU J,WANG M,SU Z,et al.Dynamic modeling of a CPG-governed multijoint robotic fish[J].Advanced Robotics,2013,27(4):275-285.

[23] 汪明,喻俊志,譚民.胸鰭推進型機器魚的CPG控制及實現(xiàn)[J].機器人,2010,32(2):248-255.

[24] WU Z,YU J,SU Z,et al.An improved multimodal robotic fish modelled after Esox lucius[C]//2013 IEEE International Conference on Robotics and Biomimetics,2013:516-521.

[25] ZHOU C,LOW K H.Kinematic modeling framework for biomimetic undulatory fin motion based on coupled nonlinear oscillators[C]//23rd IEEE/RSJ 2010 International Conference on Intelligent Robots and Systems,2010:934-939.

[26] ZHOU C,LOW K H.Optimization of swimming locomotion for fish robots with multi-actuation[C]//2011 IEEE International Conference on Robotics and Biomimetics,2011:2120-2125.

[27] HU Y,ZHANG S,LIANG J,et al.Development and CPG-based control of a biomimetic robotic fish with advanced underwater mobility[C]//2014 IEEE International Conference on Robotics and Automation,2014:813-818.

[28] CRESPI A,IJSPEERT A J.Online optimization of swimming and crawling in an amphibious snake robot[J].IEEE Transactions on Robotics,2008,24(1):75-87.

[29] COHEN A H,HOLMES P J,RAND R H.The nature of the coupling between segmental oscillators of the lamprey spinal generator for locomotion:A mathematical model[J].Journal of Mathematical Biology,1982,13(3):345-369.

[30] PEARLMUTTER B A.Gradient calculations for dynamic recurrent neural networks:A survey[J].IEEE Transactions on Neural Networks,1995,6(5):1212-1228.