CN108536169A - 基于碳纳米管高分子电极的脑控无人机系统及控制方法 - Google Patents
基于碳纳米管高分子电极的脑控无人机系统及控制方法 Download PDFInfo
- Publication number
- CN108536169A CN108536169A CN201810396511.8A CN201810396511A CN108536169A CN 108536169 A CN108536169 A CN 108536169A CN 201810396511 A CN201810396511 A CN 201810396511A CN 108536169 A CN108536169 A CN 108536169A
- Authority
- CN
- China
- Prior art keywords
- uav
- control
- aerial vehicle
- unmanned aerial
- operator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 60
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 55
- 239000002041 carbon nanotube Substances 0.000 title claims abstract description 52
- 229910021393 carbon nanotube Inorganic materials 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 239000002131 composite material Substances 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 229920002521 macromolecule Polymers 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 210000004761 scalp Anatomy 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 11
- 229920000642 polymer Polymers 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 9
- 238000002360 preparation method Methods 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 6
- 238000002567 electromyography Methods 0.000 claims description 6
- 239000010408 film Substances 0.000 claims description 6
- 125000000524 functional group Chemical group 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 4
- 239000002253 acid Substances 0.000 claims description 3
- -1 carbon nano tube compound Chemical class 0.000 claims description 3
- 238000012880 independent component analysis Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000000178 monomer Substances 0.000 claims description 3
- 238000000053 physical method Methods 0.000 claims description 3
- 238000000427 thin-film deposition Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000002565 electrocardiography Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009123 feedback regulation Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000005424 photoluminescence Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 230000036624 brainpower Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于碳纳米管高分子电极的脑控无人机系统，包括：脑电信号采集模块，通过伞骨状电极采集操作员自主想象的不同操作指令对应的脑电信号；脑电信号处理模块，其将脑电信号滤波、特征提取和特征分类，获取脑电信号的最优特征；控制指令生成与反馈训练模块，其根据接收到的最优特征，查找无人机控制指令集数据库，获取该脑电信号对应的无人机控制指令并输出；无人机系统，其接收无人机控制指令并进行对应的操作。本发明还提供了一种基于碳纳米管高分子电极的脑控无人机系统的控制方法。本发明的有益效果：改善了电极的机械特性、信噪声比特性和传感能力，无需操作员实时关注诱发信号，以较小的脑任务开销实现对无人机的自主控制。
Description
技术领域
本发明涉及无人机技术领域，具体而言，涉及一种基于碳纳米管高分子电极的脑控无人机系统及控制方法。
背景技术
脑电是中枢神经系统指令信号的直接外在表征，能反映出大脑皮层不同区域的活动状态，通过分析，建立脑电信号与特定行为之间对应关系，即脑电模式识别，可用来检测人的生理、心理状态或运动意图，可以更为直接、快速、准确地将人要表达的意图传递给人工智能系统或其他具有执行能力的外部设备；另一方面，电刺激会调控脑电活动的模式、继而被刺激者感受到这种刺激。如将这种控制策略用于无人机控制，与目前的利用手持式遥控器控制无人机更为自然、高效。同时如果可以将无人机的飞行位置、姿态或所查看的目标信息通过电刺激反馈给操作员，使操作员就对下一步的控制做出决策。通过训练，操作员就不必像当前的无人机控制人员一样，集中全部注意力在目标搜寻和对无人机的飞行控制上，仅仅需要花费很小的一部分精力控制无人机，使之成为操作员的“第六感”和“无形手”。
传统的脑电采集技术通常采用湿电极技术，这种电极的佩戴需要他人辅助，不能长时间使用，这些不足限制了其在军事方面的应用；干电极脑穿戴方便，但更容易受运动和接触等环境干扰，其所采集脑电的信号质量不高，难以提供信噪比较高的脑电信号。研究具有和湿电极相当的信噪比、但穿戴便捷的干电极成为脑电装备化的重要任务。与采集系统的发展相比，尽管脑电信号微弱，受环境干扰严重，脑电信号的分析和模式识别技术发展相对成熟，可以在实验室环境中做出准确度和速度都很高的识别和控制。因此能够即戴即用、具有良好采集能力的干电极是研发适合战场运动环境下脑控武器或无人机的关键核心技术。
另外，传统的无人机交互控制系统装置庞大，需要携带和佩戴的设备多，操作复杂，需要一到两名士兵专门辨识图图像和控制飞行，消影响了士兵的作业效率及战场生存力。
发明内容
为解决上述问题，本发明的目的在于提供一种基于碳纳米管高分子电极的脑控无人机系统及控制方法，改善了电极的机械特性、信噪声比特性和传感能力，无需控制人员实时关注诱发信号，以较小的脑任务开销实现对无人机的自主控制。
本发明提供了一种基于碳纳米管高分子电极的脑控无人机系统，包括：
脑电信号采集模块，其包括贴附与操作员头皮上的伞骨状电极以及便携式8通道放大器，通过所述伞骨状电极采集操作员自主想象的不同操作指令所对应的脑电信号，并将脑电信号送入所述便携式8通道放大器进行放大和A/D转换；
脑电信号处理模块，其将放大和A/D转换后的脑电信号进行滤波、特征提取和特征分类处理，分辨出引发操作员脑电变化的动作意图，获取操作员在不同的操作指令下对应脑电信号的最优特征；
控制指令生成与反馈训练模块，其将不同的操作指令下对应脑电信号的最优特征存储在指令操作集数据库中，并将操作指令所对应的无人机控制指令存储在无人机控制指令集数据库中，获取操作员操作指令对应脑电信号的最优特征与无人机控制指令之间的对应关系，并将操作员自主想象的操作指令和对应的无人机控制指令以及无人机系统执行控制指令的执行结果以文字和图表形式反馈给操作员，根据接收到操作员的脑电信号对应的最优特征，并根据所述指令操作集数据库查找所述无人机控制指令集数据库，获取该脑电信号所对应的无人机控制指令，并将该无人机控制指令输出；
无人机系统，其用于接收不同的无人机控制指令，并进行对应的操作。
作为本发明进一步的改进，所述伞骨状电极为碳纳米管高分子复合阵列电极。
作为本发明进一步的改进，所述碳纳米管高分子复合阵列电极的制备方法为：
步骤S1，把碳纳米管阵列浸入到单体溶液中再聚合制备成碳纳米管高分子复合材料；或，把碳纳米管阵列直接浸入到高分子溶液或熔体中制备成碳纳米管复合材料；
步骤S2，再结合电极阻抗、弹性和重量需求，将碳纳米管高分子复合材料制备成复合薄膜，并根据碳纳米管的取向结构、以及所需的复合阵列电极厚度及其表面组成与结构，使用薄膜沉积工艺将与导电基材电接触的薄金属层沉积在复合薄膜上，制备成碳纳米管高分子复合阵列电极；
上述制备方法中，高分子通过物理方法吸附进入碳纳米管间隙，或者通过化学反应链接到碳纳米管表面，形成碳纳米管高分子复合材料；其中，对于化学反应的制备过程，通过强酸氧化或等离子处理技术，使碳纳米管表面被修饰上一定的官能团，然后与第二组份自身的官能团发生化学反应实现高分子与入碳纳米管的链接。
作为本发明进一步的改进，所述脑电信号处理模块包括：
预处理模块，其用于去除放大和A/D转换后脑电信号中工频的杂波、眼电、心电以及肌电信号的伪迹；
特征提取模块，其用于从去除伪迹后的脑电信号中提取出能够反映操作员不同运动或思维状态的脑电特征信号，并将其转换为特征向量作为分类器的输入；
特征分类模块，其用于寻找一个以特征向量为输入的判别函数，将不同的脑电信号进行特征分类，获取不同的运动或思维状态与脑电特征信号之间的关系。
作为本发明进一步的改进，所述预处理模块中利用自适应滤波器来去除肌电信号，利用独立分量分析去除眼电信号，利用小波分析去除心电信号和白噪声，即分别从频域、统计以及时域和时频分析方法滤除脑电信号中的眼电、心电以及肌电信号。
作为本发明进一步的改进，所述特征分类模块中采用AR模型、功率谱、中心频率、高阶谱估计或Alpha不对称性中的一种或多种组合对脑电信号的线性特征进行分类，采用近似熵、复杂度、奇异谱、李雅普诺夫指数中的一种或多种组合对脑电信号的非线性特征进行分类。
本发明还提供了一种基于碳纳米管高分子电极的脑控无人机系统的控制方法，包括以下步骤：
步骤1，在操作员头皮上贴附伞骨状电极；
步骤2，操作员开始自主想象操作指令；
步骤3，所述伞骨状电极采集操作员自主想象的操作指令所对应的脑电信号，并将脑电信号送入便携式8通道放大器进行放大和A/D转换；
步骤4，便携式计算机中的脑电信号处理模块将放大和A/D转换后的脑电信号进行滤波、特征提取和特征分类处理，分辨出引发操作员脑电变化的动作意图，获取操作员在该操作指令下对应脑电信号的最优特征；
步骤5，根据该操作指令所对应的最优特征与无人机控制指令之间的对应关系，在所述便携式计算机的控制指令生成与反馈训练模块中查找无人机控制指令集数据库，获取该脑电信号所对应的无人机控制指令，并将该无人机控制指令输出；
步骤6，无人机系统接收输出的无人机控制指令，并进行对应的操作。
作为本发明进一步的改进，操作指令所对应的最优特征与无人机控制指令之间的对应关系为事先建立获得的，具体为：
采集操作员自主想象的不同操作指令所对应的脑电信号，并将操作员在不同的操作指令下，对应脑电信号的最优特征分别存储在指令操作集数据库中；
将操作员在不同的操作指令下，对应的无人机控制指令分别存储在无人机控制指令集数据库中；
分别将操作员在每一种操作指令下，对应的脑电特征与无人机控制指令建立对应关系。
作为本发明进一步的改进，步骤6还包括：
将操作员自主想象的操作指令和其对应的无人机控制指令以及无人机系统执行控制指令的执行结果以文字和图表形式反馈给操作员，操作员根据反馈信息对操作方案进行相应的调节；
同时，无人机系统根据接收到的无人机控制指令以及不同操作员的情况对执行方案进行相应的调节。
本发明的有益效果为：
1、采用可快速穿戴的、舒适度高、适合长时间使用的碳纳米管高分子电极，相比于传统的干电极，改善了机械特性，改善电极的信噪声比特性和传感能力，并减小了对操作员头皮的损伤；
2、根据控制信号的特征，设计了相应的滤波和去噪算法，通过不断的算法学习和受试训练，提高了动作意图识别的正确率，减小了控制的时间延迟；
3、采集无人机操作员通过自主想象，而不是其他脑机接口常用的诱发脑电信号如P300或SSVEP，来控制飞行，这种脑机接口范式的优点是无需控制人员实时关注诱发信号，以较小的脑任务开销实现对无人机的自主控制。
附图说明
图1为本发明实施例所述的一种基于碳纳米管高分子电极的脑控无人机系统的控制方法的流程示意图。
具体实施方式
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
实施例1，本发明实施例的一种基于碳纳米管高分子电极的脑控无人机系统，包括：
脑电信号采集模块，其包括贴附与操作员头皮上的伞骨状电极以及便携式8通道放大器，通过伞骨状电极采集操作员自主想象的不同操作指令所对应的脑电信号，并将脑电信号送入便携式8通道放大器进行放大和A/D转换；
脑电信号处理模块，其将放大和A/D转换后的脑电信号进行滤波、特征提取和特征分类处理，分辨出引发操作员脑电变化的动作意图，获取操作员在不同的操作指令下对应脑电信号的最优特征；
控制指令生成与反馈训练模块，其将不同的操作指令下对应脑电信号的最优特征存储在指令操作集数据库中，并将操作指令所对应的无人机控制指令存储在无人机控制指令集数据库中，获取操作员操作指令对应脑电信号的最优特征与无人机控制指令之间的对应关系，并将操作员自主想象的操作指令和对应的无人机控制指令以及无人机系统执行控制指令的执行结果以文字和图表形式反馈给操作员，当接收到操作员某一脑电信号时，根据指令操作集数据库查找无人机控制指令集数据库，获取该脑电信号所对应的无人机控制指令，并将该无人机控制指令输出；
无人机系统，其用于接收不同的无人机控制指令，并进行对应的操作。
传统的干电极器件是基于金属等材料，受电磁干扰大；不具有弹性，与头皮硬性接触，电极阻抗高、佩戴无舒适性可言；材料杨氏模量大、硬度高，佩戴于头盔之下，战场环境下容易硌破甚至嵌入士兵头皮；材料密度高、重量大，难以轻量化。本发明中，伞骨状电极为碳纳米管高分子复合阵列电极。新型的碳纳米管传感器，将碳纳米管优良的机械特性、高的表体比特性和良好的电特性与聚合物结合，本身柔弹性好，与头皮是柔性接触，具有大的接触表体比，阻抗低；尺寸小、重量轻。伞骨装排列的电极结构在收到压力时，可以呈一个薄片状贴附与头皮上，能在最大程度减小受头盔冲击时对头皮的损伤。
碳纳米管高分子复合阵列电极的制备方法为：
步骤S1，把碳纳米管阵列浸入到单体溶液中再聚合制备成碳纳米管高分子复合材料；或，把碳纳米管阵列直接浸入到高分子溶液或熔体中制备成碳纳米管复合材料；
步骤S2，再结合电极阻抗、弹性和重量需求，将碳纳米管高分子复合材料制备成复合薄膜，并根据碳纳米管的取向结构、以及所需的复合阵列电极厚度及其表面组成与结构，使用薄膜沉积工艺将与导电基材电接触的薄金属层沉积在复合薄膜上，制备成碳纳米管高分子复合阵列电极；
上述制备方法中，高分子通过物理方法吸附进入碳纳米管间隙，或者通过化学反应链接到碳纳米管表面，形成碳纳米管高分子复合材料；其中，对于化学反应的制备过程，通过强酸氧化或等离子处理技术，使碳纳米管表面被修饰上一定的官能团，然后与第二组份自身的官能团发生化学反应实现高分子与入碳纳米管的链接。
传统的无人机交互控制系统装置庞大，需要携带和佩戴的设备多，操作复杂，需要一到两名士兵专门辨识图图像和控制飞行，消影响了士兵的作业效率及战场生存力。相比之下，本申请的脑控无人机，可以保证手的随时自由活动，及时处理随时可能发生的突发事件；与传统操作相比，脑控输出具有更多的时间提前量，可以在瞬息万变的战场上快敌一步，达到先发制人的效果。
具体的，在实现时，脑电信号处理模块包括：
预处理模块，其用于去除放大和A/D转换后脑电信号中工频的杂波、眼电、心电以及肌电信号的伪迹；
特征提取模块，其用于从去除伪迹后的脑电信号中提取出能够反映操作员不同运动或思维状态的脑电特征信号，并将其转换为特征向量作为分类器的输入；
特征分类模块，其用于寻找一个以特征向量为输入的判别函数，将不同的脑电信号进行特征分类，获取不同的运动或思维状态与脑电特征信号之间的关系。
脑电信号一般都非常微弱，其幅度最低在10微伏以下，因此外界与内部的噪声都将影响正常生物电信号获取，甚至不同导联间的信号亦会相互影响互为噪声。脑电信号采集的过程中，除了用于分析的脑电信号外还包含有眨眼、眼电、肌电、心电等干扰信号，这些干扰信号在时域与频域上均与脑电信号有重叠，如何有效地去除噪声对脑电信号的后续分析有着直接的意义。
本发明中，预处理模块中利用基本的FIR滤波、小波分析、小波包分析、独立分量分析、自适应滤波、回归模型等等算法来滤除相应的脑电信号中混叠的噪声。例如，利用自适应滤波器来去除肌电信号，利用独立分量分析去除眼电信号，利用小波分析去除心电信号和白噪声，即分别从频域、统计以及时域和时频分析方法滤除脑电信号中的眼电、心电以及肌电信号。
特征分类模块中采用AR模型、功率谱、中心频率、高阶谱估计或Alpha不对称性中的一种或多种组合对脑电信号的线性特征进行分类，采用近似熵、复杂度、奇异谱、李雅普诺夫指数中的一种或多种组合对脑电信号的非线性特征进行分类。
控制指令生成与反馈训练模块中，经过信号处理后，无人机操作员想要表达的动作意图已经被分析出来，这些意图需要被转化成控制信号，对无人机进行操作和控制。在转换时，需要根据操作员的实际需要情况进行设计，输出的控制信号，也将因无人机所要做的不同动作有所差别。若需要产生多种控制信号，以便对其进行复杂动作的操控，就需要进行试验探索，找到更多的可被识别的脑电特征及其组合。在操作员想象某一动作即操作指令的同时，便携式电脑收集其脑电数据并且进行后台处理。例如，可以用眨眼来代表确认操作。这就需要建立操作员的操作指令与无人机控制指令之间的对应关系。在此基础上，以数据处理后得到的最优特征和无人机控制指令之间建立起一一对应关系。本发明需要建立两个数据库：指令操作集数据库和无人机控制指令集数据库。指令操作集数据库存储操作员在不同的操作指令下，对应脑电信号的最优特征。无人机控制指令集数据库针对不同的无人机控制指令，存储对应的数据，例如可以实现对无人机的前进、后退、上升、下降等操作。根据指令操作集数据库查找无人机控制指令集数据库，进而可以实现脑控无人机系统的操作。
为了优化控制系统的性能，提高其适用性，本发明在控制指令生成与反馈训练模块中加入了反馈调节单元。控制命令的一些参数以及命令的执行情况被实时的反馈到操作员面前。这样，有利于操作员根据自身状态和命令执行结果，对操作方案进行调节。同时，无人机控制系统中一些参数也可以根据不同操作者的情况进行相应的调节，使操作员与无人机能够互相适应，从而提升整个系统的性能。
对于不同的操作员，其信息融合得到的结果会略有差别，因此，本发明的脑控无人机系统在使用中首先需要给操作员制定一些操作标准，对系统建立的模型做训练，在训练过程中对系统模型的参数做调节，以使操作员与无人机之间达到互相适应。反馈调节单元将结果以文字、图表等信息传输给操作员后，操作员可根据结果对自己的操作进行调节。操作员需要知道哪种意念能够控制无人机朝哪个方向运动，加入反馈的优点：1、激励持续性实验的动力，看不到结果的实验令人沮丧，不断看到自己能用意念操纵无人机朝目的地移动无疑是一种巨大的激励；2、吸操作员的注意力，不断有进展,会使操作员倍感兴趣，注意力不易分散；3、提供反馈给信号处理模块，增强整个脑控系统的稳定性和准确性。
实施例2，本发明实施例的一种基于碳纳米管高分子电极的脑控无人机系统的控制方法，如图1所示，包括以下步骤：
步骤1，在操作员头皮上贴附伞骨状电极；
步骤2，操作员开始自主想象操作指令；
步骤3，伞骨状电极采集操作员自主想象的操作指令所对应的脑电信号，并将脑电信号送入便携式8通道放大器进行放大和A/D转换；
步骤4，便携式计算机中的脑电信号处理模块将放大和A/D转换后的脑电信号进行滤波、特征提取和特征分类处理，分辨出引发操作员脑电变化的动作意图，获取操作员在该操作指令下对应脑电信号的最优特征；
步骤5，根据该操作指令所对应的最优特征与无人机控制指令之间的对应关系，在便携式计算机的控制指令生成与反馈训练模块中查找无人机控制指令集数据库，获取该脑电信号所对应的无人机控制指令，并将该无人机控制指令输出；
步骤6，无人机系统接收输出的无人机控制指令，并进行对应的操作。
其中，操作指令所对应的最优特征与无人机控制指令之间的对应关系为事先建立获得的，也即通过多次实验数据获得，具体为：
采集操作员自主想象的不同操作指令所对应的脑电信号，并将操作员在不同的操作指令下，对应脑电信号的最优特征分别存储在指令操作集数据库中；
将操作员在不同的操作指令下，对应的无人机控制指令分别存储在无人机控制指令集数据库中；
分别将操作员在每一种操作指令下，对应的脑电特征与无人机控制指令建立对应关系。
进一步的，本发明加入了反馈步骤，步骤6还包括：
将操作员自主想象的操作指令和其对应的无人机控制指令以及无人机系统执行控制指令的执行结果以文字和图表形式反馈给操作员，操作员根据反馈信息对操作方案进行相应的调节；
同时，无人机系统根据接收到的无人机控制指令以及不同操作员的情况对执行方案进行相应的调节。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于碳纳米管高分子电极的脑控无人机系统，其特征在于，包括：
脑电信号采集模块，其包括贴附与操作员头皮上的伞骨状电极以及便携式8通道放大器，通过所述伞骨状电极采集操作员自主想象的不同操作指令所对应的脑电信号，并将脑电信号送入所述便携式8通道放大器进行放大和A/D转换；
脑电信号处理模块，其将放大和A/D转换后的脑电信号进行滤波、特征提取和特征分类处理，分辨出引发操作员脑电变化的动作意图，获取操作员在不同的操作指令下对应脑电信号的最优特征；
控制指令生成与反馈训练模块，其将不同的操作指令下对应脑电信号的最优特征存储在指令操作集数据库中，并将操作指令所对应的无人机控制指令存储在无人机控制指令集数据库中，获取操作员操作指令对应脑电信号的最优特征与无人机控制指令之间的对应关系，并将操作员自主想象的操作指令和对应的无人机控制指令以及无人机系统执行控制指令的执行结果以文字和图表形式反馈给操作员，根据接收到操作员的脑电信号对应的最优特征，并根据所述指令操作集数据库查找所述无人机控制指令集数据库，获取该脑电信号所对应的无人机控制指令，并将该无人机控制指令输出；
无人机系统，其接收不同的无人机控制指令，并进行对应的操作。
2.根据权利要求1所述的脑控无人机系统，其特征在于，所述伞骨状电极为碳纳米管高分子复合阵列电极。
3.根据权利要求2所述的脑控无人机系统，其特征在于，所述碳纳米管高分子复合阵列电极的制备方法为：
步骤S1，把碳纳米管阵列浸入到单体溶液中再聚合制备成碳纳米管高分子复合材料；或，把碳纳米管阵列直接浸入到高分子溶液或熔体中制备成碳纳米管复合材料；
步骤S2，再结合电极阻抗、弹性和重量需求，将碳纳米管高分子复合材料制备成复合薄膜，并根据碳纳米管的取向结构、以及所需的复合阵列电极厚度及其表面组成与结构，使用薄膜沉积工艺将与导电基材电接触的薄金属层沉积在复合薄膜上，制备成碳纳米管高分子复合阵列电极；
上述制备方法中，高分子通过物理方法吸附进入碳纳米管间隙，或者通过化学反应链接到碳纳米管表面，形成碳纳米管高分子复合材料；其中，对于化学反应的制备过程，通过强酸氧化或等离子处理技术，使碳纳米管表面被修饰上一定的官能团，然后与第二组份自身的官能团发生化学反应实现高分子与入碳纳米管的链接。
4.根据权利要求1所述的脑控无人机系统，其特征在于，所述脑电信号处理模块包括：
预处理模块，其用于去除放大和A/D转换后脑电信号中工频的杂波、眼电、心电以及肌电信号的伪迹；
特征提取模块，其用于从去除伪迹后的脑电信号中提取出能够反映操作员不同运动或思维状态的脑电特征信号，并将其转换为特征向量作为分类器的输入；
特征分类模块，其用于寻找一个以特征向量为输入的判别函数，将不同的脑电信号进行特征分类，获取不同的运动或思维状态与脑电特征信号之间的关系。
5.根据权利要求4所述的脑控无人机系统，其特征在于，所述预处理模块中利用自适应滤波器来去除肌电信号，利用独立分量分析去除眼电信号，利用小波分析去除心电信号和白噪声，即分别从频域、统计以及时域和时频分析方法滤除脑电信号中的眼电、心电以及肌电信号。
6.根据权利要求4所述的脑控无人机系统，其特征在于，所述特征分类模块中采用AR模型、功率谱、中心频率、高阶谱估计或Alpha不对称性中的一种或多种组合对脑电信号的线性特征进行分类，采用近似熵、复杂度、奇异谱、李雅普诺夫指数中的一种或多种组合对脑电信号的非线性特征进行分类。
7.一种基于碳纳米管高分子电极的脑控无人机系统的控制方法，其特征在于，包括以下步骤：
步骤1，在操作员头皮上贴附伞骨状电极；
步骤2，操作员开始自主想象操作指令；
步骤3，所述伞骨状电极采集操作员自主想象的操作指令所对应的脑电信号，并将脑电信号送入便携式8通道放大器进行放大和A/D转换；
步骤4，便携式计算机中的脑电信号处理模块将放大和A/D转换后的脑电信号进行滤波、特征提取和特征分类处理，分辨出引发操作员脑电变化的动作意图，获取操作员在该操作指令下对应脑电信号的最优特征；
步骤5，根据该操作指令所对应的最优特征与无人机控制指令之间的对应关系，在所述便携式计算机的控制指令生成与反馈训练模块中查找无人机控制指令集数据库，获取该脑电信号所对应的无人机控制指令，并将该无人机控制指令输出；
步骤6，无人机系统接收输出的无人机控制指令，并进行对应的操作。
8.根据权利要求7所述的控制方法，其特征在于，操作指令所对应的最优特征与无人机控制指令之间的对应关系为事先建立获得的，具体为：
采集操作员自主想象的不同操作指令所对应的脑电信号，并将操作员在不同的操作指令下，对应脑电信号的最优特征分别存储在指令操作集数据库中；
将操作员在不同的操作指令下，对应的无人机控制指令分别存储在无人机控制指令集数据库中；
分别将操作员在每一种操作指令下，对应的脑电特征与无人机控制指令建立对应关系。
9.根据权利要求7所述的控制方法，其特征在于，步骤6还包括：
将操作员自主想象的操作指令和其对应的无人机控制指令以及无人机系统执行控制指令的执行结果以文字和图表形式反馈给操作员，操作员根据反馈信息对操作方案进行相应的调节；
同时，无人机系统根据接收到的无人机控制指令以及不同操作员的情况对执行方案进行相应的调节。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810396511.8A CN108536169A (zh) | 2018-04-28 | 2018-04-28 | 基于碳纳米管高分子电极的脑控无人机系统及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810396511.8A CN108536169A (zh) | 2018-04-28 | 2018-04-28 | 基于碳纳米管高分子电极的脑控无人机系统及控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108536169A true CN108536169A (zh) | 2018-09-14 |
Family
ID=63473558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810396511.8A Pending CN108536169A (zh) | 2018-04-28 | 2018-04-28 | 基于碳纳米管高分子电极的脑控无人机系统及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108536169A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109657646A (zh) * | 2019-01-07 | 2019-04-19 | 哈尔滨工业大学（深圳） | 生理时间序列的特征表示与提取方法、装置及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1797660A (zh) * | 2004-12-18 | 2006-07-05 | 三星Sdi株式会社 | 使用电泳垂直排列碳纳米管的方法 |
| CN101590648A (zh) * | 2009-05-14 | 2009-12-02 | 天津工程师范学院 | 基于脑-机接口的服务机器人系统 |
| CN106774428A (zh) * | 2017-03-17 | 2017-05-31 | 厦门中联智创科技有限公司 | 一种脑电波无人机控制方法 |
| CN106959753A (zh) * | 2017-03-21 | 2017-07-18 | 西安交通大学 | 基于运动想象脑‑机接口的无人机虚拟控制方法及系统 |
| CN106974647A (zh) * | 2017-04-01 | 2017-07-25 | 南京阿凡达机器人科技有限公司 | 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法 |
| CN107111372A (zh) * | 2016-12-22 | 2017-08-29 | 深圳市大疆创新科技有限公司 | 无人机套件、无人机控制装置及控制方法 |
| CN206594532U (zh) * | 2017-04-07 | 2017-10-27 | 西南科技大学 | 一种脑电波控制四旋翼姿态的系统 |
| CN107644566A (zh) * | 2017-08-17 | 2018-01-30 | 北京航空航天大学 | 一种基于脑电的模拟飞行器的脑电测评系统 |
-
2018
- 2018-04-28 CN CN201810396511.8A patent/CN108536169A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1797660A (zh) * | 2004-12-18 | 2006-07-05 | 三星Sdi株式会社 | 使用电泳垂直排列碳纳米管的方法 |
| CN101590648A (zh) * | 2009-05-14 | 2009-12-02 | 天津工程师范学院 | 基于脑-机接口的服务机器人系统 |
| CN107111372A (zh) * | 2016-12-22 | 2017-08-29 | 深圳市大疆创新科技有限公司 | 无人机套件、无人机控制装置及控制方法 |
| CN106774428A (zh) * | 2017-03-17 | 2017-05-31 | 厦门中联智创科技有限公司 | 一种脑电波无人机控制方法 |
| CN106959753A (zh) * | 2017-03-21 | 2017-07-18 | 西安交通大学 | 基于运动想象脑‑机接口的无人机虚拟控制方法及系统 |
| CN106974647A (zh) * | 2017-04-01 | 2017-07-25 | 南京阿凡达机器人科技有限公司 | 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法 |
| CN206594532U (zh) * | 2017-04-07 | 2017-10-27 | 西南科技大学 | 一种脑电波控制四旋翼姿态的系统 |
| CN107644566A (zh) * | 2017-08-17 | 2018-01-30 | 北京航空航天大学 | 一种基于脑电的模拟飞行器的脑电测评系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109657646A (zh) * | 2019-01-07 | 2019-04-19 | 哈尔滨工业大学（深圳） | 生理时间序列的特征表示与提取方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | A convolution neural networks scheme for classification of motor imagery EEG based on wavelet time-frequecy image | |
| CN105022486B (zh) | 基于不同表情驱动的脑电信号辨识方法 | |
| CN103735262B (zh) | 一种双树复小波与共空间模式结合的脑电特征提取方法 | |
| CN109657642A (zh) | 一种基于黎曼距离的运动想象脑电信号分类方法及系统 | |
| CN102306303B (zh) | 一种基于小训练样本的脑电信号特征提取方法 | |
| CN108563324B (zh) | 一种面向过程控制的运动想象脑-机接口设计方法 | |
| CN104548347A (zh) | 一种纯意念神经肌肉电刺激控制与神经功能评价系统 | |
| CN106529476A (zh) | 一种基于深层堆叠网络的脑电信号特征提取及分类方法 | |
| CN109062401A (zh) | 一种基于肌电信号的实时手势识别系统 | |
| CN109766845A (zh) | 一种脑电信号分类方法、装置、设备和介质 | |
| CN106446762A (zh) | 一种基于稀疏表征分类算法的运动想象脑电分类处理方法 | |
| Wang et al. | Classification of EEG signal using convolutional neural networks | |
| CN105137830A (zh) | 一种基于视觉诱发脑机接口的国画机器手及其绘图方法 | |
| CN109144277A (zh) | 一种基于机器学习实现脑控智能小车的构建方法 | |
| CN110074779A (zh) | 一种脑电信号识别方法及装置 | |
| Wang et al. | Motor imagination eeg recognition algorithm based on dwt, CSP and extreme learning machine | |
| CN108536169A (zh) | 基于碳纳米管高分子电极的脑控无人机系统及控制方法 | |
| CN104856666B (zh) | 一种基于LabVIEW的生物电信号监测系统 | |
| Turnip et al. | An application of online ANFIS classifier for wheelchair based brain computer interface | |
| Song et al. | A synchronous and multi-domain feature extraction method of EEG and sEMG in power-assist rehabilitation robot | |
| CN109710062B (zh) | 一种基于脑电和手势信号融合的跨个体控制方法 | |
| Liu et al. | Multi-stream convolutional neural network-based wearable, flexible bionic gesture surface muscle feature extraction and recognition | |
| Janapati et al. | Real-time emotion detection system using emotive and ESP-32 | |
| CN105824321A (zh) | 基于表面肌电信号的四轴飞行器控制系统及方法 | |
| Rahma et al. | Classification of motor imagery eeg signals using deep learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |