1.4Модель Ижикевича
Данная модель основывается на квадратном полиноме в правой части уравнения для мембранного потенциала, также является двусегментной и содержит дополнительное условие для сброса [1]:
если
,
то:
,
где переменная v отражает потенциал мембраны нейрона, а переменная u отражает переменную восстановления мембраны, которая отвечает за активацию калиевого насоса и дезактивацию натриевого насоса, и обеспечивает обратную связь к v. I - переменная, отражающая синаптические (инъецируемые) токи.
Параметр a описывает временной масштаб переменной восстановления u, чем меньше значение, тем медленнее восстановление. Типовое значения параметра: a=0.02.
Параметр b описывает чувствительность переменной восстановления u к предпороговым колебаниям мембранного потенциала v. Типовое значение b=0.2.
Параметр c описывает значение, до которого сбрасывается мембранный потенциал v после генерации спайка. Типовое значение c=-65mV.
Параметр d описывает сброс переменной восстановления u после генерации спайка. Типовое значение d=2.
В работе [1] показано, что данная модель способна воспроизводить все двадцать типов активности реальных биологических нейронов (по классификации Ижикевича) в зависимости от значений четырех параметров модели.
1.5Перспективный план исследований
Как было сказано в работе [2] в разработке интеллектуальных систем управления, на базе бионического подхода принципиально важным представляется комплексный подход к решению задачи, т.е. во-первых реализация решения всего спектра задач функционирования робототехнической системы в среде, а не только отдельных частных проблем поддержания устойчивости/хождения/распознавания образов и т.п. И во-вторых на всех уровнях обработки информации от сенсоров к эффекторам робота не допускать сужения контекста. Поскольку представляется затруднительным решение сколь-нибудь сложной задачи полностью, следует попытаться разбить решение полной задачи на этапы таким образом, чтобы на каждом этапе решать упрощенную полную задачу.
Тогда можно выделить следующие этапы в построении системы управления движением робота:
Моделирование функционирования отдельных нейронов как простейших СУ, получающих сенсорную информацию и выдающих сигнал управления. Здесь в первую очередь следует провести отработку универсальных алгоритмов настройки нейронов на требуемое поведение (алгоритмы обучения).
Моделирование функционирования простейших систем регулирования, обеспечивающих стабилизацию положения объекта с одной кинематической степенью свободы. Позволит провести отработку системы поддержания положения отдельных элементов робота.
Моделирование систем регулирования, осуществляющих поддержание положения объекта с одной кинематической степенью свободы по данным, получаемым с гироскопа.
Моделирование системы связанного управления пары звеньев манипулятора (смена и удержание положения).
Моделирование системы координированного управления несколькими многозвенниками (поддержание устойчивости).
Разработка системы управления движением со множеством многозвенников (шагание).
Настоящий отчет посвящен реализации в первую очередь п.3. Пункты 1 и 2 были реализованы ранее.