一种面向车辆连续控制的脑机接口方法

1.本发明涉及人机交互自动控制技术领域，具体为一种面向车辆连续控制的脑机接口方法。


背景技术：

2.脑机接口可以在人的大脑和外部设备(例如计算机、智能轮椅和智能车辆)之间建立一种直接的信息交流通道，能够将人的意图直接通过大脑传递到外部控制单元。脑机接口技术已经被广泛的应用于脑控假肢、脑控机器人、脑控轮椅、脑控浏览网页和脑控车辆等领域；脑控车辆是指脑控驾驶员直接用大脑通过脑机接口控制车辆的侧向和纵向运动。一方面，车辆作为一个高速运行的载人移动设备，脑控车辆的出现极大的扩增了肢体运动受限用户的活动空间和自理能力；另一方面，脑控车辆的出现为正常用户提供了一种有别于传统驾驶的新型驾驶方式。
3.现有的脑控车辆系统处于初步发展阶段，驾驶安全性和操控稳定性等方面的性能还不够好。考虑到脑控驾驶员对安全性和舒适性的需求，作为载人的移动设备，脑控车辆应该具备较高的驾驶安全性和操控稳定性。脑机接口技术一般分为五个部分：信号选择、获取信号、预处理信号、特征提取和分类。为了改善脑机接口技术，现有的研究在这五个方面做了很大的努力。在脑控车辆系统中，关键技术是脑机接口技术和辅助控制技术。因此，一方面可以通过改善脑机接口技术来提高脑控车辆系统的性能；另一方面可以通过增加辅助控制技术来提高脑控车辆系统的性能。鉴于上述原因，本发明提出了一种面向车辆连续控制的脑机接口方法，通过将每个命令进行概率化处理，再将概率化的几个命令由模糊逻辑模块生成被控车辆的位姿。


技术实现要素：

4.1、本发明要解决的技术问题
5.本发明的目的在于提供一种能够提高脑控车辆的操控稳定性，降低驾驶者的工作负荷的面向车辆连续控制的脑机接口方法，在保证脑控车辆安全的以及驾驶员真实意图前提下，通过概率化输出口和模糊逻辑输出错误成本较低的方向盘转角，从而减少驾驶员纠正错误的时间，并且保持整个控制过程中的操控平稳性。
6.2、技术方案
7.为实现上述目的，本发明提供如下技术方案：
8.一种面向车辆连续控制的脑机接口方法，包括以下步骤：
9.s1、构建整体的控制框架，所述控制框架由驾驶员、概率化输出接口、模糊逻辑接口、其他辅助控制器以及被控车辆组成；
10.s2、驾驶员根据当前的道路车辆信息做出决策，发出对应的脑电信号，采集驾驶员的脑电信号；
11.s3、利用概率化输出接口对s2中所采集的驾驶员的脑电信号进行频域特征提取和
概率化处理；
12.s4、利用模糊逻辑接口对所述s3中处理过后的各个概率进行模糊逻辑处理，同时利用其他辅助控制器根据环境信息对输出信号进行微调，进而获得被控车辆的位姿。
13.优选地，所述s2中提到的采集驾驶员的脑电信号采用了稳态视觉诱发电位的实验范式，同时使用cca对脑电信号进行处理。
14.优选地，所述s3中提到的概率化处理包含对稳态视觉诱发电位下的加速、减速、启停、左转、右转指令以及非稳态视觉诱发电位下的命令进行逻辑回归的概率化处理。
15.优选地，所述s4中提到的对模糊逻辑处理，具体包括以下步骤：
16.s41、对每个命令的概率进行模糊化；
17.s42、根据s41中模糊化处理获得隶属度函数进行脑控车辆侧纵向的模糊逻辑推理；
18.s43、根据模糊推理的结果进行反模糊化，输出车辆的方向盘转角的变化量和车辆的加速度。
19.优选地，所述s41中提到的模糊化处理具体为每个输入命令包含两个隶属度函数，分别为s型函数和z型函数。
20.优选地，所述s43中提到的对模糊推理的结果进行反模糊化操作采用平均重心法。
21.3、有益效果
22.本发明通过模糊逻辑接口和模糊逻辑结构来建立模糊逻辑模块，将原本离散的命令集转化为连续分布的命令集，使得驾驶员的操作方式更加灵活；同时，概率化的输出接口可以使得脑电信号在分类出现错的时候减弱纠正误差的这一过程所付出的代价，使控制精度更加精细。
附图说明
23.图1为本发明提出的一种面向车辆连续控制的脑机接口方法的整体控制框架示意图；
24.图2为本发明提出的一种面向车辆连续控制的脑机接口方法的实施例2中的整体控制框架示意图；
25.图3为本发明提出的一种面向车辆连续控制的脑机接口方法的实施例2中概率化接口的流程示意图；
26.图4为本发明提出的一种面向车辆连续控制的脑机接口方法的实施例2中模糊逻辑接口的流程示意图；
27.图5为本发明提出的一种面向车辆连续控制的脑机接口方法的实施例2中隶属度函数示意图；
28.图6为本发明提出的一种面向车辆连续控制的脑机接口方法的实施例2中反模糊化隶属度函数示意图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.实施例1：
31.请参阅图1，一种面向车辆连续控制的脑机接口方法，包括以下步骤：
32.s1、构建整体的控制框架，控制框架由驾驶员、概率化输出接口、模糊逻辑接口、其他辅助控制器以及被控车辆组成；
33.s2、驾驶员根据当前的道路车辆信息做出决策，发出对应的脑电信号，采集驾驶员的脑电信号；
34.s2中提到的采集驾驶员的脑电信号采用了稳态视觉诱发电位的实验范式，同时使用cca对脑电信号进行处理。
35.s3、利用概率化输出接口对s2中所采集的驾驶员的脑电信号进行频域特征提取和概率化处理；
36.s3中提到的概率化处理包含对稳态视觉诱发电位下的加速、减速、启停、左转、右转指令以及非稳态视觉诱发电位下的命令进行逻辑回归的概率化处理；
37.s4、利用模糊逻辑接口对s3中处理过后的各个概率进行模糊逻辑处理，同时利用其他辅助控制器根据环境信息对输出信号进行微调，进而获得被控车辆的位姿；
38.s4中提到的对模糊逻辑处理，具体包括以下步骤：
39.s41、对每个命令的概率进行模糊化；
40.s41中提到的模糊化处理具体为每个输入命令包含两个隶属度函数，分别为s型函数和z型函数；
41.s42、根据s41中模糊化处理获得隶属度函数进行脑控车辆侧纵向的模糊逻辑推理；
42.s43、根据模糊推理的结果进行反模糊化，输出车辆的方向盘转角的变化量和车辆的加速度；
43.s43中提到的对模糊推理的结果进行反模糊化操作采用平均重心法。
44.本发明通过模糊逻辑接口和模糊逻辑结构来建立模糊逻辑模块，将原本离散的命令集转化为连续分布的命令集，使得驾驶员的操作方式更加灵活；同时，概率化的输出接口可以使得脑电信号在分类出现错的时候减弱纠正误差的这一过程所付出的代价，使控制精度更加精细。
45.实施例2：
46.请参阅图2-6，结合实施例1的基础有所不同之处在于，
47.整体的控制框架构成如图2所示，由驾驶员，概率化输出接口，自适应控制接口，mpc辅助控制器以及被控车辆组成。
48.驾驶员根据当前的道路车辆信息做出决策，发出对应的脑电信号；概率化输出根据脑电信号的质量，计算出相应的概率值；模糊逻辑接口据此输出错误成本最小的信号，并根据环境信息进行微调，使控制精度更加精细。
49.请参阅图3-5，本发明选择的脑电信号的实验范式为稳态视觉诱发电位(steady state visually evoked potential，eevep)选用的指令有五个，对应五种不同的刺激频率，分别是加速、减速、启停、左转、右转。
50.为了减少驾驶员的工作负荷，本发明引入了非控状态下的命令。该命令不属于ssvep的诱发刺激，所以在测试前需要进行训练，采集受试者的实验数据。
51.传统的cca处理后直接选择相关系数最大的分类作为输出，本发明作为取代，将cca处理后的相关系数转化为每个命令对应的概率。
52.设在某一时刻，采集到脑电信号经过cca处理之后获得的相关系数为ρ＝[ρ
1 ρ
2 ρ
3 ρ
4 ρ5]，其中ρi表示在当前时刻对应的第i个指令的cca处理结果。
[0053]
拟合概率化输出模型采用逻辑回归的方法，其表达式为：
[0054][0055]
式中，和b是需要拟合的参数；ρ是对应的相关系数；p为最终输出的概率。
[0056]
拟合过程采用交叉熵损失函数的最小化：
[0057][0058]
式中，ti是其中标签；ti＝1表示第i个样本属于此类指令；ti＝0表示第i个样本不属于此类指令。
[0059]
ssvep输出的中启停的命令会影响到汽车的启动和停止两个功能，即启停命令对应一个bool型变量，且优先级高于其他5个命令，因此，设计内置计数器count。其中count满足条件：0≤count≤k。每当启停命令激活时，count加1，反之减1，count每次达到k时清零，汽车启停状态改变。
[0060]
模糊逻辑接口的简图如图4所示。模糊逻辑接口包括了模糊化，模糊逻辑推理，解模糊化。模糊化包含五个输入量：左转，右转，加速，减速，保持；包含两个输出量：方向盘转角的变化量δθ，加速度a。输入量的隶属度函数如图5所示。
[0061]
五个输入量的隶属度函数相同，每个指令都包含h，l两个隶属度函数，在模糊化之后，每个指令的概率都转化成了两个相对应的h，l模糊集的隶属度。隶属度函数使用s型函数和z型函数。
[0062]
各个输入量的隶属度函数进行逻辑推理，满足以下原则：逻辑或取二者隶属度最大值；逻辑与取二者隶属度最小值；逻辑否取1与该隶属度差。本文中的模糊逻辑推理全部采用与逻辑，具体的推理过程制作成表格显示如表1和表2。
[0063]
表1纵向模糊逻辑
[0064][0065]
表2侧向模糊逻辑
[0066][0067]
表1中，gf表示纵向非控命令(即匀速行驶表示加速度接近于0时的状态)；su，sd分别代表加速和减速命令。表2中，gf表示侧向非控命令(即方向盘转角相较于上一时刻不发生变化),r，l分别代表左转和右转的命令。
[0068]
解模糊化采用平均重心法。推理获得的输出量隶属度通过平均重心法进行求解获得输出量。
[0069]
[0070][0071]
u(t)＝u(t-1)+δu(t)
ꢀꢀꢀ
(6)
[0072]
式中，x
θ
为方向盘转角部分的横坐标，xa为加速度部分的横坐标。f(
·
)是输出量的隶属度函数，如图6所示。
[0073]
左侧表示车辆方向盘转角的隶属度函数，右侧表示车辆加速度的隶属度函数；获得的车辆方向盘转角和加速度可以作为其他辅助控制器的输入量。
[0074]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其改进构思加以等同替换或改变，都应涵盖在本发明的保护范围内。