【技术实现步骤摘要】
本专利技术涉及人机交互，特别是指一种基于人机信任的遥控设备控制策略动态调整方法。
技术介绍
1、随着科技的飞速发展，遥控无人车和协作机器人在灾害救援、工业生产、医疗护理和其他紧急场景中发挥着越来越重要的作用。它们能够进入人类难以或无法直接到达的危险区域，执行救援、侦察和物资运输等任务。然而，遥控系统的有效运行高度依赖于稳定且可靠的人机交互机制，特别是在动态和不可预测的环境中，操作员的状态对系统的操作性能和安全性有着至关重要的影响。
2、尽管现代技术已经能够探测一定范围内的障碍物，自动避障和路径规划技术也日趋成熟，但操作员在紧急情况下往往会面临巨大的心理压力，其本能反应极易受到外界干扰的影响。紧张、惊恐等情绪状态可能导致其作出错误的判断和误操作，进而引发安全事故。例如，在灾害救援中，操作员因突如其来的声音干扰或突发情况而出现情绪波动，可能会误操作无人车或机器人，导致救援失败或进一步的危险。
3、现有的研究主要集中在以下几个方面：
4、1、生理信号监测技术：使用心电图(ecg)、皮肤电活动(eda)、呼吸(respiration)和脉搏(pulse)等生理信号来评估操作员的生理和心理状态。这些技术已经被广泛应用于医疗和心理健康领域，用于检测患者的情绪和压力水平。
5、2、情绪识别算法：基于机器学习和深度学习技术，从多维生理信号中提取特征，进行情绪状态的识别。常用的模型包括支持向量机(svm)、随机森林(rf)、循环神经网络(rnn)和长短时记忆网络(lstm)等。
6、3、
7、然而，现有技术在以下方面仍存在显著不足：
8、1、实时性：许多情绪识别系统无法实现对操作员情绪状态的实时监测和识别，导致无法及时调整控制策略。
9、2、准确性：现有的情绪识别算法在复杂环境下的准确性和鲁棒性不足，容易受到噪声和干扰的影响。
10、3、动态性：缺乏基于操作员状态的动态调整机制，无法在紧急情况下根据操作员的实时状态调整系统的控制策略，降低误操作风险。
技术实现思路
1、本专利技术提供了一种基于人机信任的遥控设备控制策略动态调整方法，以至少在一定程度上解决现有技术所存在的上述技术问题。
2、为解决上述技术问题，本专利技术提供了如下技术方案：
3、一方面，本专利技术提供了一种基于人机信任的遥控设备控制策略动态调整方法，所述基于人机信任的遥控设备控制策略动态调整方法包括：
4、获取工作状态下遥控设备的操控人员的多通道生理信号；
5、基于操控人员的多通道生理信号，计算当前遥控设备对操控人员的信任水平；
6、基于当前遥控设备对操控人员的信任水平，动态调整遥控设备的控制策略。
7、进一步地，所述操控人员的多通道生理信号包括：操控人员的心电图信号、操控人员的皮肤电活动信号、操控人员的呼吸信号和操控人员的脉搏信号。
8、进一步地，所述基于操控人员的多通道生理信号，计算当前遥控设备对操控人员的信任水平，包括：
9、对获取的操控人员的多通道生理信号进行预处理；其中，所述预处理包括：信号去噪、基线矫正以及标准化；
10、将预处理后的操控人员的多通道生理信号输入基于混合注意力机制的双向长短时记忆网络，得到操控人员的情绪种类及情绪唤醒度；
11、基于当前操控人员的情绪种类及情绪唤醒度，计算出当前遥控设备对操控人员的信任水平。
12、进一步地，所述对获取的操控人员的多通道生理信号进行预处理，包括：
13、使用带通滤波器对心电图信号进行滤波，利用小波变换去除滤波后的心电图信号的基线漂移，实现心电图信号的基线矫正，采用采用零均值归一化算法对基线矫正后的心电图信号进行标准化处理；
14、使用低通滤波器对皮肤电活动信号进行滤波，利用小波变换去除滤波后的皮肤电活动信号的基线漂移，实现皮肤电活动信号的基线矫正，采用采用零均值归一化算法对基线矫正后的皮肤电活动信号进行标准化处理；
15、使用低通滤波器对呼吸信号进行滤波，采用高通滤波器处理滤波后的呼吸信号的低频基线漂移，实现呼吸信号的基线矫正，采用采用零均值归一化算法对基线矫正后的呼吸信号进行标准化处理；
16、使用低通滤波器对脉搏信号进行滤波，采用高通滤波器处理滤波后的脉搏信号的低频基线漂移，实现脉搏信号的基线矫正，采用采用零均值归一化算法对基线矫正后的脉搏信号进行标准化处理。
17、进一步地，所述基于混合注意力机制的双向长短时记忆网络包括：输入层、bi-lstm层、内部注意力层、外部注意力层以及输出层；
18、所述基于混合注意力机制的双向长短时记忆网络对输入数据的处理过程包括：
19、利用bi-lstm层在每个时间步对输入层输入的时间序列数据进行处理，得到每个时间步的输出；并将每个时间步的输出分别输送至所述内部注意力层；
20、利用所述内部注意力层确定每个独立的信号内部各个时间点的重要性；所述内部注意力层对数据的处理过程包括：首先通过一个线性层和非线性激活函数来转换bi-lstm层的输出，然后计算每个时间步的注意力权重，表达式如下：
21、ut＝tanh(wcht+bc)
22、
23、其中，wc是一个权重矩阵，用于转换隐藏状态到bi-lstm层当前时间步t的输出ht的注意力空间；t表示矩阵的转置；bc是偏置项；tanh()表示双曲正切激活函数，用于引入非线性变换；ut'表示在时间步骤t’的转换变量；t’表示所有可能的时间步，用于计算归一化的注意力权重；
24、然后，使用αt获取ht加权的特征表示c，表达式如下：
25、c＝∑tαtht
26、在通过所述内部注意力层得到单个信号加权的特征表示后，利用所述外部注意力层评估不同类型信号对识别任务的贡献度；表达式如下：
27、βi＝sigmoid(wsci+bs)
28、s＝∑iβici
29、其中，ws和bs是学习参数；sigmoid()表示一个s形激活函数，用于将输入映射到0到1的范围内；ci表示第i个信号的特征表示；
30、最后，网络的输出层使用两个分支来同时输出情绪种类和情绪唤醒度；其中，
31、输出情绪种类的分支用于预测输入数据对应的情绪类别概率分布，预测过程为：假设共有n种情绪类别，通过全连接层将s映射为一个长度为n的向量，表示每个情绪类别的得分，再使用softmax激活函数，将情绪类别得分转化为概率分布，使得每个类别的概率值在[0,1]范围内，并且所有类别的概率之和为1；
32、输出情本文档来自技高网...
【技术保护点】
1.一种基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于人机信任的遥控设备控制策略动态调整方法包括：
2.如权利要求1所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述操控人员的多通道生理信号包括：操控人员的心电图信号、操控人员的皮肤电活动信号、操控人员的呼吸信号和操控人员的脉搏信号。
3.如权利要求2所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于操控人员的多通道生理信号，计算当前遥控设备对操控人员的信任水平，包括：
4.如权利要求3所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述对获取的操控人员的多通道生理信号进行预处理，包括：
5.如权利要求3所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于混合注意力机制的双向长短时记忆网络包括：输入层、Bi-LSTM层、内部注意力层、外部注意力层以及输出层；
6.如权利要求3所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于当前操控人员的情绪种类及情绪唤醒度，计算出当
7.如权利要求1所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于当前遥控设备对操控人员的信任水平，动态调整遥控设备的控制策略，包括：
8.如权利要求7所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，设备的运行状态包括：设备的行进速度、设备的转向角度、设备的刹车力度以及设备的加速和减速的速率。
9.如权利要求8所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，根据当前遥控设备对操控人员的信任水平，结合操控人员的个体差异，计算出安全调整系数，并基于安全调整系数对设备的运行状态进行调整，包括：
10.如权利要求9所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，设备的行进速度的调整公式为：
...【技术特征摘要】
1.一种基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于人机信任的遥控设备控制策略动态调整方法包括：
2.如权利要求1所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述操控人员的多通道生理信号包括：操控人员的心电图信号、操控人员的皮肤电活动信号、操控人员的呼吸信号和操控人员的脉搏信号。
3.如权利要求2所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于操控人员的多通道生理信号，计算当前遥控设备对操控人员的信任水平，包括：
4.如权利要求3所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述对获取的操控人员的多通道生理信号进行预处理，包括：
5.如权利要求3所述的基于人机信任的遥控设备控制策略动态调整方法，其特征在于，所述基于混合注意力机制的双向长短时记忆网络包括：输入层、bi-lstm层、内部注意力层、外部注意力层以及输出层；
6...
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。