[发明专利]脑控机器人系统的模糊离散事件共享控制方法

说明书

技术领域

本发明属于脑-机接口领域，涉及一种将脑电控制与自动控制技术相结合的机器人共享控制方法，特别涉及一种对驱动脑-机接口系统状态演变的离散事件进行模糊化处理的控制方法。

背景技术

脑-机接口（Brain-Computer Interface ,BCI）是在人脑和计算机或其他电子设备之间建立的一种不依赖于常规大脑输出通道（外周神经和肌肉组织）的直接信息交流和控制通道。BCI研究的初衷是为那些由于疾病使得部分或全部失去自主肌肉控制的人们提供一种与外界的交互方式，但随着BCI技术的发展与成熟，BCI的应用也逐渐广泛起来，脑控机器人就是其中的研究热点之一。脑控机器人技术将BCI和机器人控制技术相结合，通过对脑电信号的识别来达到对机器人的行为控制。对于一个实用的BCI系统来说，需要连续地在线分析脑电信号而不需要预先定义时间段，也就是所谓的异步BCI系统，它不仅能较准确地检测出意识控制状态(intentional-control, IC), 还能发现无控制状态(no-control, NC), 也就是空闲状态。但目前基于脑电信号的BCI系统的指令识别准确率还不高，对于快速和复杂序列的机器人运动而言控制速度太慢，指令延迟程度严重，交互性能较差。近些年，对于BCI系统实现机器人控制的研究主要集中于对于脑电信号的识别算法，例如Graz 科技大学的BCI-lab利用一类运动想象电位进行了虚拟场景中的轮椅前进控制实验，提出了一种logarithmic band power (BP) 特征提取算法对IC 和NC状态进行分类识别；Mason 等研究利用运动想象和自发运动相关电位提取实验，提出了空闲状态无加据活动的假设，在特定的频带范围内比较归一化能量，给出了低频异步开关设计实现IC和NC两种状态检测的方法；Tran等人发现在运动想象电位某些特定的频段，IC状态的EEG信号的复杂性低于NC状态，因此提出一种基于选择性子带熵的状态检测方法等。虽然以上方法对识别准确率有了一定提高，但对于一个具有连续动力学特性的机器人系统而言，其控制信号的实时性难以保证，而且机器人的大小、机械特性各异，其所处的环境也是各不相同，甚至在相同的环境里，机器人每时每刻所处的传感器能探测的范围的环境也是不同的，这就造成了控制命令直接控制机器人难以达到预想控制效果的问题。瑞士的Millan团队首次将脑控命令与自动控制技术相结合，采用共享控制方法使机器人的控制权在直接脑控和局部自主控制之间进行共享和交互，修正机器人系统运动轨迹偏差，其方法证明了利用异步操作模式连续控制复杂机器人系统的可行性，但目前的控制方法并没有对系统的时滞和自适应性做深入的研究分析，仍然存在着信息传输速率低、时延等问题。因此需要在人脑和机器人之间建立一种辅助的共享控制方法，以弥补信息传输速率低、系统时延等问题带来的影响。

发明内容

为了克服现有技术中存在的不足，本发明目的是提供一种脑控机器人系

统的模糊离散事件共享控制方法。本发明利用模糊离散事件共享控制方法实现利用脑电信号对机器人的稳定控制，它与传统的基于时间的控制方法不同，基于事件的控制方法与时间无关，能够有效改善脑机交互过程中的时延问题，而模糊理论的引入则能够有效的分析事件的不确定因素，从而弥补因脑控命令少而难以实现机器人的连续命令控制的不足。

为了实现上述发明目的,解决现有技术中所存在的问题，本发明采取的技

术方案是：一种脑控机器人系统的模糊离散事件共享控制方法，包括以下步骤：

（1）、利用脑电采集设备采集运动想象任务下的脑电信号作为训练数据，进行特征提取，计算分类器参数从而构建分类器模型，然后对实时采集的运动想象脑电信号进行特征提取与分类，分类结果作为对机器人施加的前进、左转以及右转的脑控命令；

（2）、对步骤（1）中检测的脑控命令进行离散事件控制，结合机器人系统的模糊离散事件自主控制实现人机共享控制，具体步骤如下：

（A）、建立脑控命令离散事件集，采用有限状态自动机                                                对脑控命令离散事件进行状态转移建模，表示为：

                                               

其中，代表机器人前进、左转、右转运动状态的集合，是脑控命令事件的总集合，表示是转移函数，是机器人系统的初始运动状态；将脑控命令作为优先级最高的控制命令，通过TCP/IP协议传送至机器人，并以运动想象的持续时间作为机器人运动的控制变量，表示为：