[发明专利]面向脑控车辆的意图优先模糊融合控制方法

说明书

本发明公开了一种面向脑控车辆的意图优先模糊融合控制方法，首先，脑控驾驶员依靠车辆状态和环境信息决策一个脑控命令，包括方向盘向左、方向盘向右和方向盘保持；然后，根据所使用的脑机接口的类型，通过用户界面向脑控驾驶员施加相应的刺激，包括：旋转范式图片；将采集到的脑电图信号经过信号解码后作为一路输入信号发送至模糊脑控融合控制器，模糊脑控融合控制器实时综合脑控命令以及当前车辆状态，通过模糊规则本着尽量尊重人的主观想法的原则决定是否执行脑控命令以及如何执行脑控命令，最终输出一个方向盘转角，发送给车辆，实现了自动控制与脑控的协同控制，从而提高了脑控系统的性能。

技术领域

本发明涉及一种脑控车辆的控制方法，尤其涉及一种面向脑控车辆的意图优先模糊融合控制方法。

背景技术

目前人机的混合智能成为了人工智能的一种高级形式。在人机混合智能里面，有很多种范式，其中之一就是脑机接口。脑机接口(BCI)分析脑信号以了解可用于控制各种机器的人的意图和状态。由于其出色的时间分辨率，无创性和良好的便携性，与其他神经成像技术相比，脑电图(EEG)的应用更加广泛。基于脑电图(EEG)信号进行控制的研究有很多，比如肌电假肢，脑控轮椅，脑控机器人，脑控无人机，脑控车辆等等。

脑控车辆(BCV)是指通过脑机接口(Brain-Computer Interface,BCI)解析驾驶员的脑电信号(EEG)从而获得控制命令的车辆。脑控车辆的研究既能够促进人工智能的发展，还能够扩大残疾人或一些肢体运动受限者的活动范围与生活能力，所以BCV的研究有重要意义和广阔的应用前景。目前有很多脑电信号被用于建立BCI系统，在BCV上应用最多的EEG信号主要有3种，分别为P300诱发电位、稳态视觉诱发电位(SSVEP)、运动想象(MI)。Bi等。由于SSVEP系统识别速度与其他两种相比更快，因此本发明选择SSVEP型脑机接口。

目前的脑机接口性能受限，其一是BCI辨识指令数目受限，一旦变多，辨识准确率会大大降低。因此，在脑控车系统中，驾驶员能够通过脑机接口发送的控制指令有限，不能实现精细的控制。Bi等[1]基于SSVEP型BCI(三种转向指令)在低速(2-3m/s)的情况下对模拟车辆进行横向控制。[2]中提高了BCI可分类的命令数量(五种驾驶命令)，探索了使用EEG同时执行车辆的横向和纵向控制的可行性。并对比了在大脑控制和手动控制两种控制条件下的驾驶性能。实验结果表明对于具有良好BCI性能的受试者，且用户能够准确或及时地输出转向或加速命令时，两种控制条件下的驾驶性能是接近的，否则使用大脑控制的车辆驾驶性能很差。从中可以看出BCI的存在的另外两个问题，一是辨识准确率随受试者不同变化幅度较大，二是BCI识别指令速度慢，发送命令周期太长。

由于BCI性能存在以上问题，单独使用大脑进行控制的车辆性能必然受限，因而需要在脑控车控制系统中添加辅助控制。共享控制概念为这个问题提供了一种解决方案。共享控制强调了人与机器共同共享对系统的控制，在机器人技术和神经工程领域已有了不少应用。在BCV上应用共享控制的例子并不多。在[3]中设计了一种基于模糊控制的脑控车辆共享控制方法。但是，大脑控制只部分参与车辆控制，在其余部分车辆切换为自动控制。Bi等在[4]提出了一种基于模型预测控制(MPC)的共享控制方案。但是，在其模型预测控制器中使用的模型是通过将大脑决策过程与简化的车辆模型一起建模而获得的。然而，大脑决策过程本身是一个复杂的过程，导致难以对其准确建模。

[参考文献]

[1]L.Bi et al.,“Using a head-up display-based steady-state visuallyevoked potential brain-computer interface to control a simulated vehicle,”IEEE Trans.Intell.Transp.Syst.,vol.15,no.3,pp.959-966,Jun.2014.