The invention relates to a fast decision-making intervention method for automation system based on brain recognition, which belongs to the field of automation technology and solves the problem of automatic intervention for automation system. The methods include training the process of error decision-making action-EEG feature model, real-time error decision-making action detection by using error decision-making action-EEG feature model, and online decision-making intervention process. The invention realizes rapid intervention to the automation system, corrects or prevents the wrong decision or unfavorable decision of the automation system in time, and reduces the loss caused by the wrong decision or unfavorable decision of the automation system.
【技术实现步骤摘要】
一种基于脑认识的自动化系统决策快速干预方法
本专利技术涉及自动化
,尤其是一种基于脑认识的自动化系统决策快速干预方法。
技术介绍
在工业生产中,自动化系统发挥极其重要的作用,有效提升了生产效率。由于自动化系统的智能水平自身的局限性,其在自动完成作业时候,可能会做出错误的决策或不利的决策,进而产生不可预估的影响。而且,在自动化系统做出错误的决策或不利的决策时候,目前还主要依靠人工手段干预方式。但人工手段干预方式存在响应时间长的缺点。因此,迫切需要一中更有效的、更快的干预方法,以实现对自动化系统的快速干预。
技术实现思路
鉴于上述的分析,本专利技术旨在提供一种基于脑认识的自动化系统决策快速干预方法,以解决自动化系统做出错误决策或不利决策时的快速干预,有效缩短干预响应时间,降低自动化系统错误决策或不利决策所带来的损失。本专利技术的目的主要是通过以下技术方案实现的:一种基于脑认识的自动化系统决策干预方法,包括,训练决策动作—脑电特征模型:建立决策动作训练样本集,自动化系统执行训练样本集中样本时,同步采集注视自动化系统的操作人员的脑电信号,提取相应的脑电特征,进行模型训练,得到训练错误决策动作—脑电特征模型;在线实时决策干预:实时采集注视自动化系统执行决策动作下的操作人员的脑电信号,提取相应的脑电特征,输入到所述错误决策动作—脑电特征模型进行检测,当检测到错误决策动作时,发出干预控制指令到自动化系统,进行决策干预。进一步地,所述决策动作训练样本集包括正确决策动作样本和错误决策动作样本。进一步地,所述同步采集操作人员注视自动化系统执行决策动作时的脑电信号,是通过预设 ...
【技术保护点】
1.一种基于脑认识的自动化系统决策干预方法,其特征在于,包括,训练决策动作—脑电特征模型:建立决策动作训练样本集,自动化系统执行训练样本集中样本时,同步采集注视自动化系统的操作人员的脑电信号,提取相应的脑电特征,进行模型训练,得到训练错误决策动作—脑电特征模型;在线实时决策干预:实时采集注视自动化系统执行决策动作下的操作人员的脑电信号,提取相应的脑电特征,输入到所述错误决策动作—脑电特征模型进行检测,当检测到错误决策动作时,发出干预控制指令到自动化系统,进行决策干预。
【技术特征摘要】
1.一种基于脑认识的自动化系统决策干预方法,其特征在于,包括,训练决策动作—脑电特征模型:建立决策动作训练样本集,自动化系统执行训练样本集中样本时,同步采集注视自动化系统的操作人员的脑电信号,提取相应的脑电特征,进行模型训练,得到训练错误决策动作—脑电特征模型;在线实时决策干预:实时采集注视自动化系统执行决策动作下的操作人员的脑电信号,提取相应的脑电特征,输入到所述错误决策动作—脑电特征模型进行检测,当检测到错误决策动作时,发出干预控制指令到自动化系统,进行决策干预。2.根据权利要求1所述的决策干预方法,其特征在于,所述决策动作训练样本集包括正确决策动作样本和错误决策动作样本。3.根据权利要求2所述的决策干预方法,其特征在于,所述同步采集操作人员注视自动化系统执行决策动作时的脑电信号,是通过预设时长的滑动窗,从自动化系统执行决策动作后,立即开始抽取操作人员的脑电信号。4.根据权利要求3所述的决策干预方法,其特征在于,所述脑电特征包括时域特征、空域特征和频域特征。5.根据权利要求4所述的决策干预方法,其特征在于,采用ESSP方法提取滑动窗内脑电信号的脑电特征。6.根据权利要求1所述的决策干预方法,其特征在于,所述检测模型训练过程包括,1)采集自动化系统执行每个训练样本时,注视自...
【专利技术属性】
技术研发人员:陈远方,张利剑,
申请(专利权)人:北京机械设备研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。