排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
针对精密操控中人-机之间缺乏信息双向交互,以及人的精神状态变化会严重影响肢体操控的精度和安全性等问题,提出了一种引入深度强化学习思想的脑-机协作精密操控方法。首先,结合人在上层规划与机器在精细控制上的各自优势,建立由主动操控和被动调控组成的双环路人-机信息交互机制;其次,引入深度强化学习思想,从蒙特卡罗采样原理出发,以表征精神状态的脑电信号(EEG)作为模型的输入,以机器人速度指令作为模型的输出,推导出脑-机协作方法的数学模型;再次,建立具有3个全连接层的精神状态感知网络,从脑-机接口系统的实时监测计算机内存中提取最后1 000ms的EEG作为输入信号,设计开发脑-机协作精密操控算法。最后,创建轨迹跟踪虚拟环境和任务场景,对脑-机协作精密操控方法进行了实验验证,结果表明:该方法在轨迹跟踪任务的控制精度和完成时间指标上均得到了提高;相较于传统方法,该方法的平均轨迹跟踪精度和完成时间指标分别提高了36.55%和22.81%。 相似文献
2.
利用运动准备电位的人体下肢自主运动意图预先感知方法 总被引:2,自引:0,他引:2
针对下肢外骨骼机器人穿戴者的运动与机器人本身响应之间存在时间迟滞而导致控制实时性差的问题,提出了一种利用运动准备电位(RP)的人体下肢自主运动意图预先感知方法。首先,根据人体下肢运动的脑电(EEG)产生机理和耦合神经元集群模型仿真了下肢产生运动意图时大脑运动皮质区的RP响应,验证了下肢产生运动意图时其EEG中存在RP;其次,利用下肢肌电(EMG)确定了下肢自主运动的起始时刻并完成EEG中自主下肢运动事件的触发标记,同时利用多元经验模式分解(MEMD)方法去除了EEG中的运动伪迹成分,进而利用叠加平均法和模板匹配法实现了下肢自主运动的RP提取及其运动意图的预先感知;最后,搭建检测系统进行实验验证。实验结果表明:该方法可在离线情况下于人体下肢自主运动开始前约120 ms实现下肢运动意图的预先感知,其平均识别正确率为74.4%。该方法实现了人体下肢自主运动意图的预先感知,可为外骨骼机器人的柔顺控制提供信息提前量。 相似文献
3.
针对采用传统共空间模式(CSP)算法处理脑电信号时存在的特征提取困难、计算复杂度高及信号识别率低等问题,提出了一种基于重复二分滤波器组共空间模式(RB-FBCSP)算法和支持向量机(SVM)算法的4类(左撇嘴、右撇嘴、皱眉、扬眉)表情辅助脑电信号识别方法。利用滤波器组筛选出表情辅助脑电信号中包含α波和θ波的信号;将4类表情看作上面部表情(皱眉、扬眉)和下面部表情(左撇嘴、右撇嘴)两大类进行CSP特征提取,并结合SVM分类器进行分类;将识别出的上面部和下面部表情脑电信号均重复进行一次CSP特征提取和SVM二分类,实现表情辅助脑电信号的四分类。实验结果表明:所提识别方法的计算复杂度与采用传统CSP扩展算法的脑电信号识别方法相比有明显降低,且运算耗时少、平均分类准确率高,可达89.61%;相比于传统OVO-CSP、OVR-CSP和小波包变换算法结合SVM分类,所提识别方法的平均识别率分别提高了9.23%、9.82%和8.04%。 相似文献
1