论文部分内容阅读
脑机接口(Brain-Computer Interface,BCI)是一种新的人机交互方式,能够不借助语言和肢体动作直接通过大脑控制外部设备。脑控机器人是BCI的一个重要研究方向,脑控机器人系统把BCI系统和机器人系统相结合,通过采集用户的脑电信号对机器人进行实时控制,使其能够安全高效地执行用户预期的任务。目前,脑控机器人主要有直接控制和共享控制两种控制方法。直接脑控存在控制效率低、容易使用户疲劳等缺点。共享控制方法可以有效地提高脑控机器人的控制效率并减轻用户的思维负担,因此,共享控制方法正在成为脑控机器人的主要控制手段。本文所提出的基于Petri网的脑机协同控制方法是一种人机共享控制方法。论文的研究重点将按照以下方式展开:1.建立了一个脑控机器人系统,该系统由BCI系统和机器人系统组成。BCI系统通过脑电放大器采集用户的19导脑电(Electroencephalogram,EEG)信号,再对采集到的脑电信号进行预处理、特征提取和分类操作,根据运动想象EEG信号二级分类原理可以得到直行、左转和右转的脑电控制命令,然后设计AmigoBot移动机器人系统执行以上控制命令。该脑控机器人系统可实现对机器人的直接脑控,为脑机协同控制方法的研究提供实验平台。2.针对BCI中的共享控制问题,采用Petri网方法进行建模。将共享控制策略与BCI系统的内外部信息相结合,构建脑控机器人系统的Petri网模型,描述系统的运行状态,便于分析和改进共享控制策略。在Petri网建模中,加入控制库所来描述系统的外部输入,并通过合成Petri网的方法简化Petri网的建模过程。在完成脑控机器人系统的Petri网建模过程中,提出了一种Petri网模型转换算法,可以简单、安全地实现Petri网图形化模型和关联矩阵之间的相互转换。最后,通过可达图验证了该模型能够正确演化BCI系统的运行过程。3.将BCI系统、Petri网系统以及AmigoBot机器人系统组成脑机协同控制系统,并基于该系统设计了离线和在线实验,实验结果验证了所提出的基于Petri网的移动机器人脑机协同控制方法的有效性。本文提出的基于Petri网的移动机器人脑机协同控制方法,相较于其他共享控制方法而言,不仅可以实现人与机器之间的共享控制,而且基于Petri网模型的动态演化以及可达图分析,可用于设计、验证共享控制策略,有助于提高BCI系统的适用性。