| 题名 | 基于脑认知的脑控机器人接口研究 |
| 作者 | 伏云发 |
| 学位类别 | 博士 |
| 答辩日期 | 2012-05-24 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 中国科学院沈阳自动化研究所 |
| 导师 | 李洪谊 |
| 关键词 | 脑控机器人接口 脑认知 运动速度想象 握力变化想象 脑-机接口 |
| 其他题名 | Brain-controlled Robot Interface Based on Brain cognition |
| 学位专业 | 机械电子工程 |
| 中文摘要 | 基于脑认知的脑控机器人接口（Brain-controlled robot interface, BCRI）是一种新型的人-机器人接口技术，是脑-机器接口/脑-计算机接口（Brain-machine interface, BMI/ Brain-computer interface，BCI）在机器人控制领域的重要应用和研究方向。研究者相继在Nature 、Science和其它重要国际期刊上报道了相关的实验研究和开发，目前已成为国际前沿研究热点。该研究从国防军事战略目的扩展到民用目的，主要用于服务机器人或康复机器人，以开启或增强严重运动残疾人控制机器人或外部设备的能力，从而改善其生活质量。此外，还期望为正常人提供特殊情况下控制外部设备或机器人的能力，也可望进一步提高生活质量。已有若干研究用BCRI控制移动机器人、智能机器人轮椅、机械手、智能车辆、仿人机器人等外部设备。因此对BCRI的研究具有重要的现实意义。然而，由于目前人类对脑的感觉、知觉和认知神经机制的认识和理解还相当有限，这给BCRI的研究带来了巨大的挑战，因此仍然需要系统地深入研究与BCRI密切相关的认知事件脑功能神经机制。依赖有限几种具有局限性的测量手段检测反映脑活动的信号，绕过外周神经和肌肉活动直接控制机器人，需要根据认知事件脑功能神经机制量化计算提取反映认知活动的脑信号特征。此外，目前BCRI还不能完全正确、安全、可靠地实现对机器人的连续、精细和复杂的控制，需要研究思维意图直接控制机器人的运动参数，例如速度和操作力等参数。迄今为止，BCRI系统还缺乏相对典型或一般的数学描述，不利于跨学科研究；也没有相对完善的系统结构，不利于有效实现；没有相对系统地阐述BCRI基本原理和方法，为今后进一步深入地研究，需要做这些研究工作。本文在对国内外文献调研与综述的基础上，以一类非常重要的BCRI—基于MI（Motor imagery）的BCRI为研究对象，针对上述问题进行了研究，也设计了实验研究范式并实施了实验，开展了离线的研究，具体如下： （1）根据BCRI系统中信息的流向和变换，给出了BCRI一种相对典型的数学描述；通过研究比较已有BCRI系统结构，指出存在的问题，提出新的相对完善的系统结构；围绕BCRI中的控制策略、BMI/BCI模块与机器人多层控制模块的适应和融合、BCRI中的脑信号自适应分类算法以及人、BMI/BCI模块和机器人控制系统的三边自适应探讨了BCRI基本方法；对涉及的基本原理进行阐述，有利于跨学科研究。 （2）为今后进一步深入地研究基于MI和EEG (Electroencephalogram)的BCRI，探讨了MI的神经电生理机制—ERD/ERS(Event-related desynchronization/ event-related synchronization), 完整地提出了基于EEG运动想象ERD/ERS时-空-频特征研究准则。基于一种量化计算模型的结构、功能定位以及传感电极定位方法，讨论了MI的神经电生理参数量化计算模型； （3）基于提出的新的运动速度想象研究范式，探索对运动速度想象具有反应性的脑电节律活动并进行单次识别，正确识别率达到70%以上，具有实用的价值，与Gu等对想象速度的识别率相比具有可比性（他们取得的错误分类率是30.4±3.5%）。结果表明，尽管运动速度想象的单次识别是一个困难的挑战，但通过精心设计研究范式，适当训练被试，能够诱发出对速度起反应的特征频带，基于脑电单次识别运动速度想象是可行的，该研究可望能够为BCRI提供额外的新的速度控制参数； （4）基于提出的新的左、右手握力或想象握力研究范式，探索左、右手握力运动相关皮层电位(MRCP)的时域特征表示和单次解码握力运动参数。本研究进一步证实了MRCP可以表征运动规划、运动执行和运动监控的脑神经机制过程，这意味着基于EEG解码握力运动相关参数可以考虑把MRCP作为特征。基于MRCP解码左、右手大、小两种握力变化模式，11个被试平均最小误分类率为20±5%，与do Nascimento OF等人基于MRCP识别想象等距足底弯曲扭矩生成速率取得的平均最小错误分类率(17.4 ± 8.4%)具有一定的可比性，也与Gu Y等人基于MRCP在中等扭矩生成速率下识别两种目标扭矩（30 %和 60% 最大自愿收缩扭矩）取得的平均最小错误分类率（26 ± 13%）具有一定的可比性。这些表明基于运动相关皮层电位单次解码左、右手握力运动参数是可能和可行的。与传统的仅识别参与运动或想象运动的肢体类型以及解码单侧肢体运动或想象运动参数的研究相比，本研究可望能够为BCRI提供增加的新的力控制参数。 本文的工作可望为BCRI的进一步深入研究和开发工作起到促进作用，同时架起BMI/BCI与机器人控制领域的桥梁，加强多学科协作研究的局面。在本研究的基础上，完善提出的运动速度想象和握力变化想象实验研究范式，相信未来深入的离线研究和在线研究将为BCRI提供精细的运动参数指令。 |
| 索取号 | TP242/F81/2012 |
| 语种 | 中文 |
| 公开日期 | 2012-07-27 |
| 分类号 | TP242 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.ac.cn/handle/173321/9386]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 推荐引用方式 GB/T 7714 | 伏云发. 基于脑认知的脑控机器人接口研究[D]. 中国科学院沈阳自动化研究所. 中国科学院沈阳自动化研究所. 2012. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论