[发明专利]脑控无人平台协同控制系统

权利要求书

1.脑控无人平台协同控制系统，其特征在于，包括脑控系统及无人平台，所述无人平台包括无人机群、无人车群或/和机器人，在所述无人平台中，所述无人机群、无人车群或/和机器人自主进行任务分配、任务规划、路径规划的同时，所述脑控系统有权以更高的优先级从任务层、路径层、轨迹层或者位置层来修改决策指令，使得所述无人平台具有更高的容错率与工作效能；

所述脑控系统的运行包括如下步骤：

步骤S11、脑电信号采集：采集人脑中的视觉中枢的脑电信号；

步骤S12、脑电信号处理：对脑电信号进行数据处理分类，获得被试者注视的目标；

所述步骤S12中采用相关分析法提取对稳态视觉电位进行处理分类：首先获得多导联的脑电信号，即具有高维特征的脑电数据序列，再比较通过特征向量降维后的脑电信号数据序列和已有通过实验获取的模板序列之间的相关关系，来反映两组一维数据序列之间的整体相关性，在结果中取相关系数最大的数据序列，即可获得被试者在注视的目标；其中，设置模板序列S_i为：

其中，N是信号长度，F_s为采样频率，K为分类数，i为模板类别，H为模板序列参数，f_i为对应类别频率目标；

两组一维数据序列之间的整体相关性具体为:数理统计中将其相关系数ρ定义为

其中cov(X,Y)是一维数据序列的协方差，而D(X)和D(Y)分别是X和Y的方差；

步骤S13、设计刺激范式：对范式界面中各目标区域块的闪烁时间、闪烁形状、闪烁尺寸和位置进行布局；

步骤S14、通信与控制指令：实现脑电采集信号软件及眨眼信号处理软件的通信，使眨眼信号作为部分指令的触发开关。

2.根据权利要求1所述的脑控无人平台协同控制系统，其特征在于，所述脑控系统采用包括稳态视觉电位信号及眨眼信号进行识别，并将所述稳态视觉电位信号和眨眼信号转换为相应指令，跨系统、跨语言通信，实现对机器人的多层次控制。

3.根据权利要求1所述的脑控无人平台协同控制系统，其特征在于，还包括仿真虚拟平台，所述脑控系统与所述仿真虚拟平台连接，所述无人平台为虚拟无人平台，且设置在所述仿真虚拟平台内，所述仿真虚拟平台实现所述无人平台以及复杂环境的建模。

4.根据权利要求3所述的脑控无人平台协同控制系统，其特征在于，所述仿真虚拟平台为Gazebo仿真平台，所述Gazebo仿真平台提供了机器人的运动仿真，支持ROS和Rviz。

5.根据权利要求1所述的脑控无人平台协同控制系统，其特征在于，所述无人平台还包括运动规划控制系统，所述运动规划控制系统控制所述无人机群、无人车群或/和机器人躲避障碍，并到达目标点。

6.根据权利要求5所述的脑控无人平台协同控制系统，其特征在于，所述运动规划控制系统包括如下步骤：

步骤S21、建图：根据无人机群、无人车群或/和机器人自身携带的深度相机建立环境地图，具体可采用八叉树地图；

步骤S22、路径规划：在全局地图已知的情况下，采用成熟的RRT算法；在全局地图未知的情况下，采用多项式曲线，拟合目标点；

步骤S23、轨迹规划：采用软约束B样条进行轨迹规划：将轨迹用B样条表示，将轨迹规划问题建模为B样条控制点的优化问题，优化目标函数考虑B轨迹末端点到目标点的距离和速度差、碰撞地图软约束、轨迹光滑程度、无人机运动能力；

步骤S24、位置控制器控制到目标位置：根据无人机群、无人车群或/和机器人的微分平坦性及运动学进行结算，使用pid控制将无人机群、无人车群或/和机器人控制到目标位置上；采用脑控信号实施方向指令，将方向映射为轨迹末端目标点，映射方式为：以第一个轨迹点为圆心，沿指令方向延伸一个与设定速度和加速度以及轨迹规划速度相关的值，末端点作为目标点。