本文選題：腦控機器人 + 穩(wěn)態(tài)視覺誘發(fā)電位�。� 參考：《自動化學報》2016年11期

【摘要】：直接用思維意圖來控制機器人而沒有大腦外周神經和肌肉的參與是人類的一個夢想,目前這一研究已成為國際前沿熱點和突破點.傳統(tǒng)的腦控機器人(Brain-controlled robot,BCR)主要控制其方向,而本文旨在探討能夠同時腦控機器人方向和速度的有效方法.采用可分類目標數(shù)多、單次識別率高且訓練時間短的穩(wěn)態(tài)視覺誘發(fā)電位(Steady state visual evoked potentials,SSVEP)腦機交互(Brain-computer/machine interaction,BCI/BMI)方法,為腦控機器人運動規(guī)劃了向左、向右、前進和后退4個方向,設計了低速、中速和高速3級運動速度并組合了9個腦控指令;進而比較并優(yōu)化了SSVEP刺激目標布局間距以及刺激目標閃爍時間,采用典型相關分析(Canonical correlation analysis,CCA)進行識別.結果表明恰當設置SSVEP刺激目標數(shù)及其布局間距和刺激目標閃爍時間,可以有效提高被試/用戶直接腦控機器人的性能;優(yōu)化的SSVEP刺激范式三結合適應SSVEP解碼的典型相關分析,8名被試腦控機器人到達終點平均用時為2分40秒,最少用時1分29秒;同時,在腦控機器人運動過程中觸碰障礙平均次數(shù)為0.88,最少碰觸次數(shù)為0.本研究顯示基于SSVEP的腦機交互可以作為直接腦控機器人靈活運動的一種可選方法,能夠實現(xiàn)對機器人多個運動方向和多級速度的控制;也證實了適當增加刺激目標間距可以有效提高SSVEP-BCI腦控指令識別的正確率,說明了該腦控方法的性能與刺激被試的范式有關;再次驗證了CCA算法在基于SSVEP的腦機交互中具有優(yōu)良的效果.最后,為克服單一SSVEP范式存在的局限,本研究也嘗試把該范式與運動想象相結合的混合范式用于腦控機器人方向和速度,并進行了初步的研究,表明可以進一步改善控制速度和提高被試舒適度.本文可望為基于SSVEP或與運動想象混合的腦機交互應用于分級或精細控制機器人方向和速度提供思路,并為直接腦控機器人技術推向實際應用打下一定的基礎.
[Abstract]:It is a human dream to control robots directly with the intention of thinking without the participation of peripheral nerves and muscles of the brain. At present, this research has become a hot spot and breakthrough point in the international frontier. The traditional brain-controlled robot Brain-controlled robot (BCR) mainly controls its direction. This paper aims to explore an effective method to simultaneously control the direction and speed of the brain-controlled robot. The brain-computer interactive Brain-computer / computer interaction (BCI) method, which has a large number of classifiable targets, high single recognition rate and short training time, is used to plan the left, right, forward and backward directions for the movement of brain-controlled robot. The low speed, middle speed and high speed three-stage motion speed are designed and combined with 9 brain control instructions, and then the layout spacing and the flicker time of the stimulus target are compared and optimized, and the canonical correlation analysis method is used to identify them. The results show that the performance of directly brain-controlled robot can be effectively improved by setting the number of SSVEP stimulus targets and the spacing of the stimulus targets and the flicker time of the stimulus targets. Optimized SSVEP stimulation Paradigm 3 combined with canonical correlation analysis of adaptive SSVEP decoding, the average time for 8 brain-controlled robots to reach the end point was 2 minutes 40 seconds, and the minimum time was 1 minute 29 seconds. The average number of contact obstacles is 0.88 and the minimum contact number is 0. 8 in the movement of brain-controlled robot. This study shows that the brain-computer interaction based on SSVEP can be used as an alternative method for the direct brain-controlled robot to move flexibly, and it can realize the control of multi-direction and multi-stage velocity of the robot. It is also proved that the correct rate of SSVEP-BCI brain-controlled instruction recognition can be improved by increasing the target spacing, which indicates that the performance of the brain control method is related to the stimulator's paradigm. Finally, it is verified that CCA algorithm has good effect in brain computer interaction based on SSVEP. Finally, in order to overcome the limitations of the single SSVEP paradigm, this study also attempts to apply the hybrid paradigm combined with motion imagination to the direction and speed of the brain-controlled robot, and makes a preliminary study. The results showed that the control speed and comfort of the subjects could be further improved. This paper is expected to provide some ideas for the application of brain computer interaction based on SSVEP or hybrid with motion imagination in the direction and speed control of hierarchical or fine robot, and to lay a foundation for the practical application of direct brain-controlled robot technology.
【作者單位】： 昆明理工大學信息工程與自動化學院;
【基金】：國家自然科學基金(61363043,61463024,81470084) 云南省應用基礎研究計劃(2013FB026) 云南省級人培項目(KKSY201303048) 云南省教育廳重點項目(2013Z130) 昆明理工大學腦信息處理與腦機交互融合控制(學科方向團隊建設經費)資助~~
【分類號】：TP242

【相似文獻】

相關期刊論文 前10條

1 ;2001恩格爾伯格機器人獎頒布[J];機器人技術與應用;2001年05期

2 ;神奇的機器人世界[J];機電新產品導報;2001年Z5期

3 宋樹藩;采用機器人的有效自動化[J];世界制造技術與裝備市場;2001年06期

4 ;創(chuàng)造出色的機器人[J];個人電腦;2003年04期

5 ;危險作業(yè)機器人——人類的好幫手——訪國家863機器人技術主題專家組專家戴先中教授[J];機器人技術與應用;2003年03期

6 小才;;機器人時代[J];電腦愛好者;2006年13期

7 宋海宏;;機器人技術展望[J];山西煤炭管理干部學院學報;2006年04期

8 董煬斌;蔣靜坪;何衍;;一種基于雙令牌的多機器人協(xié)作策略研究[J];計算機工程;2007年12期

9 王國奎;劉彥波;;草方格鋪設機器人綜合、高效控制系統(tǒng)的設計[J];科技咨詢導報;2007年20期

10 陳秀珍;潘拓;;21世紀初機器人技術的走向[J];中國設備工程;2007年11期

相關會議論文 前10條

1 楊朝虹;張海珠;;機器人技術的應用與發(fā)展[A];先進制造技術論壇暨第五屆制造業(yè)自動化與信息化技術交流會論文集[C];2006年

2 王明輝;王楠;李斌;;面向災難救援的機器人控制站系統(tǒng)設計[A];中國儀器儀表學會第十二屆青年學術會議論文集[C];2010年

3 郭戈;王燕;王偉;;一種多機器人協(xié)作方法[A];第二十屆中國控制會議論文集（下）[C];2001年

4 崔世鋼;邴志剛;彭商賢;王玉東;;基于遠程腦概念的服務機器人開發(fā)平臺的設計與研究[A];先進制造技術論壇暨第二屆制造業(yè)自動化與信息化技術交流會論文集[C];2003年

5 楊瑩;丁X;許侃;;國際機器人科學知識前沿演化的可視化分析[A];科學學理論與科學計量學探索——全國科學技術學暨科學學理論與學科建設2008年聯(lián)合年會論文集[C];2008年

6 唐矯燕;趙群飛;黃杰;楊汝清;;基于兩足步行椅機器人的人在環(huán)中的助殘機器人控制系統(tǒng)[A];第二十六屆中國控制會議論文集[C];2007年

7 薛頌東;曾建潮;杜靜;;具運動學特性約束的群機器人目標搜索[A];2009中國控制與決策會議論文集（2）[C];2009年

8 張國偉;李斌;龔海里;王聰;鄭懷兵;;廢墟洞穴搜救機器人控制軟件設計與實現(xiàn)[A];中國儀器儀表學會第十二屆青年學術會議論文集[C];2010年

9 崔世鋼;方景林;劉嘉q;彭商賢;邴志剛;;服務機器人開發(fā)中測控問題的研究[A];中國儀器儀表學會第五屆青年學術會議論文集[C];2003年

10 吳國盛;李云霞;李驪;;一種基于極坐標系下的機器人動態(tài)避碰算法[A];2006中國控制與決策學術年會論文集[C];2006年

相關重要報紙文章 前10條

1 冬冬;看看自動化機器人在包裝業(yè)中能起多大作用[N];中國包裝報;2005年

2 莽九晨　周之然;有感“機器人道德法”[N];人民日報;2007年

3 記者 陳琳;機器人總動員[N];第一財經日報;2010年

4 記者 孫亞斐;千余支隊伍攜機器人亮相金城[N];蘭州日報;2011年

5 崔鑫;機器人也能和您一起下廚[N];北京科技報;2012年

6 特約記者 楊保國;中國科大“藍鷹”稱雄機器人世界杯[N];大眾科技報;2007年

7 本報記者　 陳淑娟;機器人走近生活[N];計算機世界;2006年

8 虎虎;科學好玩（三）[N];四川科技報;2007年

9 孫潛彤;新松公司：在機器人研發(fā)領域顯身手[N];經濟日報;2008年

10 財宣邋Q孟推，

本文編號：2045219