一种基于稳态视觉刺激的脑驱移动机器人控制系统和方法技术方案

本发明专利技术公开了一种基于稳态视觉刺激的脑驱移动机器人控制系统和方法，包括用户界面、SSVEP

【技术实现步骤摘要】
一种基于稳态视觉刺激的脑驱移动机器人控制系统和方法


[0001]本专利技术属于机器人控制
，具体涉及一种脑驱移动机器人控制系统和方法。

技术介绍

[0002]智能轮式移动机器人设备已经在军事、工业、民用与科学研究领域得到了广泛的应用与探索。它们具有较高的移动性、较强的牵引力与简单的车轮结构等优点。为提高运动神经元疾病、中风及肌萎缩性脊髓侧索硬化症等肢体运动受损患者的运动和自主移动能力，研究者开发了基于脑机接口(Brain Machine Interface,BMI)的轮式移动机器人智能辅助系统。该种智能辅助系统，又称脑驱移动机器人，是将用户、脑机接口、移动机器人融合相应的控制装置构建而成的辅助移动平台，为用户与移动机器人提供了新的交互方式，具有广阔的应用前景。
[0003]脑机接口是一种通过将用户的大脑活动从神经生理信号解码为适当的命令，从而在人脑和物理设备之间提供直接的信息交流通道的系统。脑机接口系统的众多脑电模式中，头皮脑电图(Electroencephalogram,EEG)具有较低的空间分辨率与较低的采集成本，可实时反映用户的大脑活动。其中，基于稳态视觉刺激诱发电位(Steady
‑
State Visual Evoked Potentials,SSVEP)EEG的脑机接口借助外界视觉刺激来诱发用户脑电信号，由于较高的信息传输率、较高的准确率与相对较少的训练时间，被广泛的应用在脑驱移动机器人的开发使用中。
[0004]基于稳态视觉刺激的脑驱移动机器人系统的关键技术是面向稳态视觉刺激的脑机接口(SSVEP
‑
BMI)技术和脑驱系统的辅助控制技术。前者一般分为信号获取(包括EEG信号的采集与放大)、伪迹滤除、特征提取与特征分类四大部分。自脑机接口的概念提出以来，上述各部分具体的技术已经得到了很大的发展，但由于EEG本身非稳态、时变的特性，迄今为止，SSVEP
‑
BMI仍然只能输出有限的离散控制命令，从而限制了脑驱移动机器人系统的性能。辅助控制技术，则从智能控制的角度出发，通过设计辅助控制装置来进一步改善系统的整体性能。现有脑驱移动机器人系统的辅助控制研究中，绝大多数开发者仍然聚焦于机器人速度控制信号的输出，而将后续的速度实现交由传统的PID控制。面向脑驱系统导航性能、安全性能与鲁棒性能的脑驱移动机器人系统研究及开发还为之甚少。模型预测控制可以实现多变量、多约束条件下的优化控制，而滑模控制则可实现底层速度的鲁棒跟踪。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供了一种基于稳态视觉刺激的脑驱移动机器人控制系统和方法，包括用户界面、SSVEP
‑
BMI、速度转换模块、分层鲁棒预测控制框架和脑驱移动机器人；用户诱发脑电信号EEG，产生控制意图；SSVEP
‑
BMI翻译控制意图，从而输出定性的脑驱移动机器人速度控制命令；速度转换模块用于将定性的脑驱移动机器人速度控制指令转化为定量的脑驱移动机器人期望速度信号；分层鲁棒预测控制框架设计模型预测
控制器优化代价函数和约束条件，在每个控制周期内实时求解脑驱移动机器人的期望控制速度，构建离散滑模流形，输出实际控制信号控制机器人运动。本专利技术能输出可实现鲁棒跟踪的实际控制信号，保证了系统的安全性，并同时提高系统的鲁棒性。
[0006]本专利技术解决其技术问题所采用的技术方案如下：
[0007]一种基于稳态视觉刺激的脑驱移动机器人控制系统，包括用户界面、SSVEP
‑
BMI、速度转换模块、分层鲁棒预测控制框架和脑驱移动机器人；所述脑驱移动机器人上安装有速度传感器、位置传感器和环境传感器；
[0008]所述环境传感器用于获取脑驱移动机器人运行的环境信息；所述位置传感器用于获取脑驱移动机器人的位置信息；所述速度传感器用于获取脑驱移动机器人的速度信息；由脑驱移动机器人的位置信息和速度信息构成脑驱移动机器人的自身状态；
[0009]所述用户界面根据脑驱移动机器人的自身状态和运行的环境信息诱发用户的脑电信号EEG，产生控制脑驱移动机器人的控制意图；
[0010]所述SSVEP
‑
BMI翻译用户由EEG表达的控制意图，从而输出定性的脑驱移动机器人速度控制命令；
[0011]所述速度转换模块用于将定性的脑驱移动机器人速度控制指令转化为定量的脑驱移动机器人期望速度信号；
[0012]所述分层鲁棒预测控制框架由高层的模型预测控制器及底层的滑模控制器组成；所述模型预测控制器接收脑驱移动机器人期望速度信号和脑驱移动机器人的自身状态，设计模型预测控制器优化代价函数和约束条件，在每个控制周期内实时求解脑驱移动机器人的期望控制速度；所述滑模控制器接收脑驱移动机器人的期望控制速度和速度传感器获取的实际的脑驱移动机器人的速度，计算两者的速度误差，构建离散滑模流形，依据滑模趋近律计算机器人底层驱动的控制转矩信号，输出实际控制信号控制机器人运动。
[0013]进一步地，所述脑驱移动机器人运行的环境信息包括脑驱移动机器人运行环境中的起始位置信息、目标位置信息、环境中的障碍物信息和安全边界信息；所述障碍物信息包括静态障碍物及动态障碍物。
[0014]进一步地，所述脑驱移动机器人自身状态包括移动机器人的横向位置、纵向位置、朝向角度、侧向转动角速度和纵向直行线速度。
[0015]进一步，所述脑驱移动机器人的控制意图包括脑驱移动机器人的速度保持、左转、右转、纵向加速、纵向减速和瞬时停止。
[0016]进一步地，所述定性的脑驱移动机器人速度控制命令具体表示为B∈{1,2,3,4,5,6}，其中，1代表纵向加速，2代表左转，3代表速度保持，4代表右转，5代表纵向减速，6代表瞬时停止。
[0017]进一步地，所述定量的脑驱移动机器人期望速度信号，具体表达如下式：
[0018][0019]其中，B(n)表示速度转换模块接收的速度控制命令；和分别表示采样时刻为n时速度转换模块输出的直行和转角速度，和分别表示采样时刻为n
‑
1时速度转换模块输出的直行和转角速度，速度转换模块的初始输出均为0；Δu和Δω为机器人直行和转角的速度控制增量；u
max
和ω
max
分别为机器人直行与转角速度的最大值；u
min
和ω
min
分别为机器人直行与转角速度的最小值。
[0020]进一步地，所述模型预测控制器优化代价函数和约束条件为：
[0021]minimize
[0022]subject to q
k+i+1|k
＝q
k+i|k
+J
k+i|k
v
k+i|k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2b)
[0023]D≤d
k+i+1|k
(d
obs
,δ
ob本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，包括用户界面、SSVEP
‑
BMI、速度转换模块、分层鲁棒预测控制框架和脑驱移动机器人；所述脑驱移动机器人上安装有速度传感器、位置传感器和环境传感器；所述环境传感器用于获取脑驱移动机器人运行的环境信息；所述位置传感器用于获取脑驱移动机器人的位置信息；所述速度传感器用于获取脑驱移动机器人的速度信息；由脑驱移动机器人的位置信息和速度信息构成脑驱移动机器人的自身状态；所述用户界面根据脑驱移动机器人的自身状态和运行的环境信息诱发用户的脑电信号EEG，产生控制脑驱移动机器人的控制意图；所述SSVEP
‑
BMI翻译用户由EEG表达的控制意图，从而输出定性的脑驱移动机器人速度控制命令；所述速度转换模块用于将定性的脑驱移动机器人速度控制指令转化为定量的脑驱移动机器人期望速度信号；所述分层鲁棒预测控制框架由高层的模型预测控制器及底层的滑模控制器组成；所述模型预测控制器接收脑驱移动机器人期望速度信号和脑驱移动机器人的自身状态，设计模型预测控制器优化代价函数和约束条件，在每个控制周期内实时求解脑驱移动机器人的期望控制速度；所述滑模控制器接收脑驱移动机器人的期望控制速度和速度传感器获取的实际的脑驱移动机器人的速度，计算两者的速度误差，构建离散滑模流形，依据滑模趋近律计算机器人底层驱动的控制转矩信号，输出实际控制信号控制机器人运动。2.根据权利要求1所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述脑驱移动机器人运行的环境信息包括脑驱移动机器人运行环境中的起始位置信息、目标位置信息、环境中的障碍物信息和安全边界信息；所述障碍物信息包括静态障碍物及动态障碍物。3.根据权利要求1所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述脑驱移动机器人自身状态包括移动机器人的横向位置、纵向位置、朝向角度、侧向转动角速度和纵向直行线速度。4.根据权利要求1所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述脑驱移动机器人的控制意图包括脑驱移动机器人的速度保持、左转、右转、纵向加速、纵向减速和瞬时停止。5.根据权利要求4所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述定性的脑驱移动机器人速度控制命令具体表示为B∈{1,2,3,4,5,6}，其中，1代表纵向加速，2代表左转，3代表速度保持，4代表右转，5代表纵向减速，6代表瞬时停止。6.根据权利要求5所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述定量的脑驱移动机器人期望速度信号，具体表达如下式：
其中，B(n)表示速度转换模块接收的速度控制命令；和分别表示采样时刻为n时速度转换模块输出的直行和转角速度，和分别表示采样时刻为n
‑
1时速度转换模块输出的直行和转角速度，速度转换模块的初始输出均为0；Δu和Δω为机器人直行和转角的速度控制增量；u
max
和ω
max
分别为机器人直行与转角速度的最大值；u
min
和ω
min
分别为机器人直行与转角速度的最小值。7.根据权利要求6所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述模型预测控制器优化代价函数和约束条件为：subject to q
k+i+1|k
＝q
k+i|k
+J
k+i|k
v
k+i|k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2b)D≤d
k+i+1|k
(d
obs
,δ
obs
,v
k+i|k
)，i＝0,...,N
p
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2c)v
k+i|k
＝v
k+i
‑
1|k
+
△
v
k+i|k
，i＝0,...,N
c
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2e)v
min
≤ν
k+i|k
≤v
max
，i＝0,...,N
c
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2f)
△
v
min
≤
△
v
k+i|k
≤
△
v
max
，i＝0,...,N
c
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2g)
△
v
k+i|k
＝0，i＝N
c
,...,N
p
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2h)其中，(2a)式为模型预测控制器的优化函数，(2b)
‑
(2h)式为模型预测控制器的约束函数；(2a)式中第一项的优化目标在于最小化优化函数的输出与用户经速度转换模块输出的误差，其意义为使模型预测控制器输出的速度信号跟踪用户经脑机接口和速度转换模块的输出；(2a)式中第二项的优化目标在于最小化预测速度增量的变化，其意义为保持整个控制过程中的速度平稳；式(2a)中，k为当前时刻，N
c
为模型预测控制器的控制窗宽，N
p
为预测窗宽，v
e
为优化函数输出与速度转换模块输出的速度误差，
△
v为预测速度输入的改变，Q与R为加权矩阵；式(2b)到式(2g)为模型预测控制器的约束条件；脑驱移动机器人的位置受到其运动学模型式(2b)的约束；为确保脑驱系统安全，约束式(2c)和(2d)对机器人的位置进行了限制；
式(2e)为速度变化量和速度时刻的物理关系；式(2f)与式(2g)为因脑驱移动机器人的直流减速电机输出限制导致的速度变化；式(2h)表示在控制窗宽之外，速度的控制增量保持不变。8.根据权利要求7所述的一种基于稳态视觉刺激的脑驱移动机器人控制系统，其特征在于，所述滑模控制器接收脑驱移动机器人的期望控制速度和速度传感器获取的实际的脑驱移动机器人的速度，计算两者的速度误差，构建离散滑模流形，依据滑模趋近律计算机器人底层驱动的控制转矩信号，输出实际控制信号控制机器人运动，具体如下：首先计算k时刻的速度误差e
k
，具体如下：e
k
＝v
r,k
‑
v
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中：v
r,k
为脑驱移动机器人k时刻的的期望控制速度；v
k
为速度传感器获取的实际的脑驱移动机器人k时刻的速度；机器人速度状态的改变受到动力学模型的约束，具体如下：v
k+1
＝Av
k
+Bτ
k
+d
k v0＝v(0)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中：v
k+1
为速度传感器获取的实际的脑驱移动机器人k+1时刻的的速度；A为系统状态矩阵，B为输入矩阵，τ
k
为脑驱移动机器人直流减速电机在k时刻的的转矩输入，d
k
为机器人k时刻所受的外界干扰；v0为速度传感器获取的实际的脑驱移动机器人初始速度；为实现速度的鲁棒跟踪，设计离散滑模流形如下：S
k
＝Μe
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中：S
k
为k时刻的滑模流形表达；M为对称正定的参数矩阵；根据离散滑模控制器的设计理论，为计算实际的控制转矩，选择滑模趋近律为：S
k+1
‑
S
k
＝
‑
qTS
k
‑
εTsgn(S
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，S
k+1
为k时刻的滑模流形表达；T为底层滑模控制器的采样时间，q为滑模趋近律中增加滑模控制器收敛速度的参数，ε为滑模趋近律中为补偿系统所受干扰的参数，sgn(.)为符号函数；为求解控制输入，将式(3)
‑
式(5)代入式(6)，得到脑驱移动机器人直流减速电机的控制输入转矩：τ
k
＝(ΜB)
‑1(Μv
r,k
‑
ΜAv
k
)
‑
(ΜB)
‑1((1
‑
...

【专利技术属性】
技术研发人员：李鸿岐，付沛荣，张仕进，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：