脑控机器人系统及其运动控制算法的研究

脑机接口（BCI）赋予了人与机器人之间心灵感应的能力，吸引了国内外众多研究人员的关注。然而，BCI系统的信息传输率和准确率较低，指令延迟程度严重，交互性能较差，成为制约脑控机器人系统推广应用的主要瓶颈。本项目以移动机器人控制为研究对象，对基于无创脑电信号的机器人系统的时滞运动协调控制理论与方法进行基础科学研究。本项目深入和系统研究BCI系统异步控制模式，建立移动机器人运动学模型，从脑机辅助控制系统的整体角度研究大脑运动协调规律，引入运动参考变量，建立基于事件的控制算法，并应用于脑控机器人系统中，合理配置"生物智能系统"与"智能机器人"的资源，提高BCI系统的实时性和稳定性。本项目旨在解决脑机接口系统中移动机器人系统的稳定控制问题，在大脑和机器人之间建立一种快速的、自然的、功能复杂的交互方式，不仅能为残疾人带来更多的便利，也为脑控机器人系统在航空、军事、危险作业等领域的广泛应用奠定基础。

脑机接口系统信息传输率和准确率较低，指令延迟程度严重，交互性差，成为制约脑控机器人系统发展和广泛应用的主要瓶颈。本项目对脑控机器人系统中脑电信号快速提取与模式识别、感知信息融合与替代、离散系统稳定控制方法等问题进行了理论分析和试验研究。在分析脑电特性的基础上，从时域、空域和变换域等不同的角度系统深入研究了事件相关电位快速提取方法，提出了虚拟通道ICA、广义子空间滤波矩阵法和加权阈值小波分析法，提高了脑电信息获取的实时性。针对事件相关去同步/同步（ERD/ERS）模式存在较大的个体间差异的现象，提出“投影能量基”概念增加不同类别间的特征差异，丰富了特征提取理论。研究对比了正常人和小脑运动共济失调病人的运动想象脑电差别，揭示出功率谱的动态变化与运动共济失调症状严重程度之间的相关性，表明功率谱的平展性可能作为小脑共济失调的标志。从人脑判决模型出发，创新性地提出脑电信号统计特性模型和时间证据积累分类算法，提高了快速和复杂序列的机器人控制效率，并在此基础上进一步研究了决策模型与行为数据的拟合问题。此外，深入研究了视觉感官替代的方法，从认知心理学的观点出发，利用知觉和刺激之间存在单值函数关系，首次建立了从视觉信息到听觉信息的感知映射模型，提高了系统的临场感。研究首次提出利用时滞控制算法补偿脑控系统低信息传输率的影响，并建立了基于模糊离散事件系统的共享控制算法，成功用于Pioneer 3-DX型脑控系统机器人试验平台上，提高了脑控机器人系统的实时性、可靠性和稳定性。