مدل‌سازي و شبيه‌سازي مولد مركزي الگو جهت توليد حركات منحني-خطي در ربات مار

Modeling and simulation of the central generator of the pattern to produce curved-linear motions in the snake robot

با پيشرفت علوم و صنايع و اهميت به كارگيري ربات‌ها، ضرورت استفاده از سيستم‌هاي خودكار امري ضروري به نظر مي‌رسد. از آنجا كه بيشتر كاربردهاي ربات‌هاي مار حركت در محيط‌هاي ناشناخته و بعضاً پيچيده است، لزوم ايجاد روش‌هاي كنترلي متفاوت براي آن‌ها احساس مي‌شود. ماحصل ادغام دو علم عصب شناسي و رباتيك، توليد كننده‌هاي عصبي حركتي هستند كه با نام مولدهاي مركزي الگو شناخته مي‌شوند كه مسئله توليد حركت در ربات مي‌باشد. در اين مقاله به بررسي كنترل حركت ربات مار مانند با مولد مركزي الگو (CPG) پرداخته شده كه قادر به توليد الگوهاي هماهنگ سيگنال‌هاي خروجي با فركانس‌هاي مختلف هستند، بدين منظور لازم است كه در ابتدا ربات مار مدل شود و پس از آن اعمال كنترلي اعمال شود. در اين مقاله بررسي كنترل حركت ربات در دو حالت حلقه باز و حلقه بسته براي شبكه CPG ارائه شده است. در عين حال اين پژوهش با شبيه‌سازي‌هاي انجام شده نشان مي‌دهد كه هر چه ميزان تحريك كمتر باشد و سطح آن پايين‌تر، منجر به توليد حركتي با فركانس پايين‌تر مي‌شود و بالعكس. سپس نحوه تاثير مدل‌هاي CPG كه به عنوان شبكه‌هاي عصبي استفاده مي‌شوند، در كنترل حركت شبيه‌سازي شده‌اند. در اين مقاله نكته قابل توجه در مقايسه با ساير كنترل كننده‌ها اين است كه در شبكه‌هاي عصبي مولد مركزي الگو سيگنال‌هاي ساده براي تحريك و القاي حركت ربات‌ها كافي مي‌باشد كه در شبيه‌سازي نشان داده شده است

With the advancement of science and technology and the importance of using robots, the need to use automated systems seems essential. Since most applications of snake robots move in unfamiliar and sometimes complex environments, there is a need to develop different control methods for them. The product of the integration of the two sciences of neuroscience and robotics, are motor neuron producers known as model central generators, which is the problem of producing motion in the robot. In this paper, we control the movement of a snake-like robot with a central pattern generator (CPG) that is able to produce coordinated patterns of output signals with different frequencies. For this purpose, it is necessary to model the snake robot first and then apply control Be. In this paper, the control of robot motion control in two modes of open loop and closed loop for CPG network is presented. At the same time, this study with simulations shows that the lower the level of stimulation and the lower its level, the lower the frequency of motion production and vice versa. Then, the effect of CPG models, which are used as neural networks, is simulated in motion control. In this paper, the remarkable point in comparison with other controllers is that in the central generating neural networks, the pattern of simple signals is sufficient to stimulate and induce the movement of robots, which is shown in the simulation.