经典条件反射认知模型及其在运动控制系统中的应用

摘要

自然生命或生物系统的诸多技能是生物个体在发育成长过程中渐进地形成和发展起来的。技能的形成和发展过程是生物系统的认知过程，是自然生命认知能力的体现。理解和模拟自然生命的认知行为，并将这种行为赋予人工生命或人工系统是认知科学、人工智能和机器人学的重要课题。 本文对经典条件反射认知模型及其在运动控制系统中的应用进行了研究，取得的主要成果有： 第一：基于尖峰神经元的条件反射模型。 本文建立了一种以尖峰神经元为基本元素的经典条件反射模型(ClassicalConditioningModelwithSpikingNeurons，CCMsn)。在CCMsn模型中，各神经元互联形成具有反射弧结构的神经网络。尖峰神经元用时间来计算和交流信息，这使CCMsn模型能充分表现经典条件反射对时间的依赖性。论文基于有衰减项的Hebb突触修饰规则和蜜蜂脑部认知结构设计了反映“刺激-响应-强化”特征的强化学习算法，使CCMsn模型具有经典条件反射行为和认知行为。论文应用CCMsn模型成功地模拟了习得、刺激间隔效应、遗忘、阻止和二阶条件反射等典型现象。 第二：基于CCMsn模型的运动控制技能认知算法。 本文研究了基于CCMsn模型的运动控制系统(MotorControlSystem，MCS)和运动控制技能认知算法(MotorSkillCognitiveAlgorithm，MSCA)。在运动控制技能的认知过程中，首先建立控制对象模型，用于CCMsn模型的训练和系统仿真试验；然后根据控制对象和控制目标的具体情况确定认知对象各状态的无条件刺激范围和条件刺激范围；最后进行经典条件反射训练。运动控制技能的形成和发展是生命个体学习和认知的过程，条件反射的形成是一个认知的过程，CCMsn模型的结构和算法具有神经生理学和认知科学依据，因此MSCA算法能使技能的获取表现出生物系统的发育和进化的自组织特征，使机器主体(RoboticAgent)自发地学会控制技能。 第三：基于CCMsn模型和MSCA算法的倒立摆控制 本文以倒立摆为具体控制对象，设计了基于CCMsn模型和MSCA算法的控制系统。根据倒立摆的具体情况，将CCMsn模型的反射机构分为正负两部分。根据控制目标，设计了认知评价函数，用于评价CCMsn模型的认知效果。在实验初期，CCMsn模型只对无条件刺激产生响应，即只在摆杆超过设定值时才对倒立摆施加控制力。通过对系统进行经典条件反射训练，CCMsn模型可以自发地学会运动平衡控制技能，实现对摆杆角度的控制。仿真实验表明，CCMsn模型可以应用于机器主体的运动平衡，并具有良好的鲁棒性。 本文的研究工作得到了国家自然科学基金的支持，相关研究成果已被中文核心期刊、EI刊源《系统仿真学报》和InternationalConferenceonIntelligemCompute正式录用。本文的研究工作对于促进生物认知模型在控制系统中的应用具有积极的意义，可广泛应用于机器学习、自动控制、机器人学等诸多领域。

目录

文摘

英文文摘

独创性声明关于论文使用授权的说明

第1章绪论

1.1课题来源及研究背景

1.1.1基于人工神经网络的自组织机器人主体

1.1.2基于神经生理学和认知科学的认知模型的研究

1.2经典条件反射及其模型的研究与发展

1.2.1反射与经典条件反射

1.2.2经典条件反射实验

1.2.3经典条件反射模型

1.3本文主要研究内容

1.4本文结构

第2章基于尖峰神经元的经典条件反射模型

2.1引言

2.2尖峰神经元模型

2.2.1尖峰神经元的构成

2.2.2尖峰响应模型

2.4反射机构

2.4.1反射弧的结构和功能

2.4.2反射机构的结构

2.5本章小结

3.1引言

3.2评价机构

3.2.1蜜蜂脑部的嗅觉评价机制

3.2.2评价机构的结构和算法

3.3学习机制

3.3.1 Hebb学习规则及其神经生理学依据

3.3.2学习机构的算法

3.4实验结果

3.4.1习得和刺激间隔效应

3.4.2遗忘和再习得

3.4.3阻止和二阶条件反射

3.5本章小结

第4章倒立摆与运动控制技能认知问题

4.1引言

4.2运动控制技能认知问题

4.2.1基于CCMsn模型的运动控制系统结构

4.2.2基于CCMsn模型的MSCA算法

4.3倒立摆控制系统

4.3.1倒立摆系统简介

4.3.2倒立摆控制系统

4.3.3倒立摆控制系统的反射机构

4.3.4倒立摆控制系统的认知评价函数

4.4本章小结

第5章基于CCMSN模型和MSCA算法的倒立摆控制

5.1引言

5.2直线一级倒立摆系统的数学模型

5.3倒立摆控制系统仿真试验

5.3.1无条件刺激范围和条件刺激范围的确定

5.3.3控制效果检验

5.4本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢