基于动态视觉范式与实时反馈校验的脑控机械臂

提出了一种应用于脑控机械臂的动态脑控视觉范式以及实时反馈的脑控指令校验方法,并基于该范式及方法实现了一套脑控机械臂系统。相比于当前广泛采用的固定视觉刺激,使用者通过注视不同位置控制机械臂末端运动过程的控制实现方法,提出的视觉范式基于动态刺激标签输出面向控制对象的脑控指令。该指令结合机械臂的自主空间运动,实现了基于脑-机协同下的快速抓取。同时,针对面向运动过程脑机接口中脑特征识别准确率低,系统鲁棒性不足的问题,提出了一种实时反馈校验方法,基于该方法对系统使用者的意图进行校验,可有效提升脑控机械臂对人类意图识别的准确率。实验结果表明,研究提出的动态刺激及实时反馈校验方法,其脑控抓取的平均成功率为85%(基于运动过程的控制方法的成功率为47.9%),单次抓取任务下的平均时间消耗为22.46 s(基于运动过程的控制方法为64.76 s)。在未来,提出的脑控机械臂框架可以以节点模块的形式整合入机器人操作系统,并应用于人-机体系协同下的脑机接口闭环控制。     

基于ITD和PLV的四类运动想象脑电分类方法研究

针对四类运动想象任务的特征提取问题,提出一种基于固有时间尺度分解(ITD)和相位同步分析相结合的脑电(EEG)信号特征提取方法。采用第3届和第4届BCI竞赛中的4类运动想象数据集,首先选择5个导联的运动想象脑电信号,根据相位同步性计算导联之间的相锁值(PLV),将相锁值作为一类特征;之后利用ITD对5个导联的运动想象脑电信号进行分解,提取第一层固有旋转分量的能量特征,与PLV特征相结合获得十五维特征向量;最后通过支持向量机(SVM)进行分类识别。对12名受试者的平均识别率达到91. 64%,平均Kappa系数达到0. 887,说明该方法能够有效的提取脑电信号特征,进而提高4类运动想象任务的分类准确率。     

基于非侵入式脑-机接口的机器臂控制系统

本研究旨在设计实现一套基于非侵入式脑-机接口的脑控机器人系统,使其能够根据用户意愿在三维空间完成机器臂的操控。在构建的脑控机器人系统中,结合了DENSO公司生产的6轴机器臂与15目标的稳态视觉诱发电位脑-机接口。通过自主设计的可视系统界面,用户只需注视以一定频率闪烁的目标块即可完成对机器臂输出动作命令的控制。实验中所有受试者均能通过意愿控制机器臂完成整个抓取任务,完成任务的平均时间为116.64±26.31秒。实验结果显示所构建的稳态视觉诱发电位脑-机接口能够对机器臂进行精确且鲁棒地控制,表明所构建的脑控机器人系统允许用户在未知环境下实现实时操控机器臂的目标。     

一种基于虚拟推力的冗余度机器人避障算法

针对冗余度机器人可能遇到的障碍影响机械臂末端运动的特殊避障问题,提出了一种基于虚拟推力的可实现主从任务转换的避障算法。通过引入两个随障碍与机械臂最小距离而变化的转换系数,实现末端轨迹跟踪和避障运动的任务转换,同时解决障碍影响机械臂末端和中间杆件运动的避障问题。通过对空间七自由度机器人的仿真实验对算法进行验证,结果显示机械臂成功避障,关节曲线平稳连续,算法效果明显。     

基于STM32的夹爪式蛇形机器人控制系统设计

为了提高蛇形机器人的自主作业能力和环境探索能力,设计了一种基于STM32的夹爪式蛇形机器人控制系统。该系统包括计算机控制终端、机器人运动系统和检测系统3部分,机器人采用STM32作为主控芯片,通过多种传感器采集所需环境信息,头部关节具有机械夹爪能够实现抓取任务。为了简化机器人的控制复杂度,在控制器中引入基于Hopf振荡器的双层中枢模式发生器(CPG)方法用于生成机器人的步态控制信号。经过实验验证,该控制系统有效提高了蛇形机器人的自主作业能力,并且能够满足环境信息实时检测的任务要求。     

基于双目视觉定位的机械臂智能抓取控制研究

随着科技的发展，机械臂开始往更加智能化、自动化的方向发展，单单依靠传统的通过示教器执行单一指令的机械臂已远远不能满足各类复杂的生产和服务。为了让机械臂更加智能化和科技化，通过赋予其双目视觉感知模块和智能控制系统，对机械臂智能抓取控制进行研究。采用HSR-Co605协作机械臂，基于双目视觉相机在ROS系统进行仿真建模、运动规划、障碍物规避等试验；在复杂环境下实现了机器人双目视觉模块自主识别定位物体，同时对周围障碍物进行避障规划，实现机械臂自主运动规划及智能抓取操作。在不同场景下进行了智能抓取试验，并对其试验结果进行了分析，为后续机械臂能更好地适应复杂的工作环境以及产业化发展提供参考。     

机械臂逆运动学算法推导与实验研究

针对求解机器人操作臂逆运动学问题,在D-H方法基础上,针对所设计的排爆机械臂的机械结构,提出一种简化实用的机械臂解析运动学模型,通过该运动学模型求取逆运动学方程,从而实现在控制系统中的实时计算.最后,进行机器人手臂抓取的仿真实验及把该算法模型应用于机器人的轨迹规划系统实物抓取实验.实验表明,采用该解析运动学模型能实现对目标物体的准确抓取.     

下肢康复机器人肌电感知与人机交互控制方法

下肢康复机器人以其诸多的优势而逐步取代传统的康复治疗手段。在论述下肢康复机器人及其人机交互控制方法研究现状的基础上,针对下肢康复机器人对患者运动意图与运动能力感知的双重需求,提出了一种基于表面肌电信号的受试者运动状态的精密感知方法,包括表面肌电快速识别人体步态事件、表面肌电连续解码人体下肢关节运动角度,以及表面肌电定量预测人体下肢主动关节力矩。为了实现患者自主引导和下肢康复机器人按需辅助训练,深入讨论分析了下肢康复机器人的系统设计和基于表面肌电精细感知的人机交互控制方法。最后,展望了下肢康复机器人的未来研究方向与内容。     

基于脑肌电反馈的虚拟康复训练系统设计

针对虚拟康复系统在个体适应性、安全可行性和主动参与性等方面的研究需求,提出一种基于脑肌电反馈的虚拟康复系统。采集执行不同手势动作对应的脑电信号及表面肌电信号,提取不同肌肉模块的肌电特征送入支持向量机模型进行运动意图识别;提取脑电和肌电疲劳特征,并提出一种萤火虫-模糊神经网络算法,通过脑肌电疲劳特征实时优化调节虚拟场景的控制参数。最后,搭建包含虚拟场景及反馈控制策略的虚拟康复系统,并针对上肢肘关节屈伸、肩关节前屈后伸动作进行康复训练实验,基于肌电特征模式识别结果实现对虚拟场景及目标的控制,基于脑肌电疲劳特征优化调整场景控制参数,通过虚拟系统康复实验验证系统的有效性。     

面向动物机器人的遥测遥控技术研究进展

动物机器人是一种新型特种机器人,其以活体动物作为机器人运动载体,无能源问题且运动能力强,但尚不能可靠控制.从脑神经网路入手研究运动神经调控机制是解决动物机器人控制问题的科学途径.自由运动活体动物的在体实验技术,包括脑电信号遥测和脑电刺激遥控,是该类研究的关键.对国内外动物脑电遥测和遥控技术的研究进展进行归纳评述,并分析其发展趋势,对未来的研究方向作出展望.     

一种自适应二指夹持器的设计及应用

针对机械臂系统抓取、搬运、轴孔装配的任务要求,设计了一种新型自适应二指夹持器.该夹持器的控制系统通过力传感器信号判断机械手指与物体的接触,从而实现自适应夹持,夹持器安装在三菱PA-10 7自由度机械臂上,对安装夹持器的机械臂系统建立了运动学模型,机械臂的控制器和二指夹持器的控制器通过串行通讯实现协调控制.最后通过轴孔装配实验,验证了夹持器的功能以及机械臂和夹持器之间的协调.     

基于计算机视觉的排爆机器人半智能作业模式

为提高排爆机器人的智能性和易操作性,提出了排爆机器人的两种半智能作业模式:基于计算机视觉的目标物自动抓取模式和联动操作模式.在基于视觉的目标物自动抓取模式中,操作者只需在传回的现场图像中标出目标物,机械手臂就能自动抓取;在联动操作模式中,操作者能对机械手臂进行"整体"的联动控制,控制机械手臂的手爪的各个方向运动,很方便地抓取目标物。抓取实验表明,这能提高机器人的智能性和易操作性,及作业的抓取精度.最后,对误差的各种原因进行了分析。     

基于YOLOv5与迁移学习的目标检测和机械臂抓取位姿估计

针对传统机器学习算法视觉识别准确率低、运行时间缓慢等问题,研究针对家庭场景中机器人做家务的场景,利用RGB图像信息为输入,完成对目标物体的抓取位姿估计。以目标检测模型YOLOv5s为基础,利用其轻便、速度快的优点,结合数据增强以及迁移学习搭建网络架构,搭建家庭场景数据集;将少量训练样本进行数据增强后,利用迁移学习将模型在目标数据集上训练,同时微调参数,将目标物体的定位信息通过坐标变换转换为机械臂的抓取位姿,控制机械臂最终以固定抓取姿态完成抓取任务;最后,通过搭建实验平台,操纵UR5机械臂进行实际抓取实验,验证了算法的有效性。提出的基于目标检测的方法速度快、实时性高、误/漏识别率小于2%,应用在机械臂抓取上可以高效地完成任务。     

双目视觉伺服的4-DOF机械手臂运动控制

为了解决多自由度机械手臂由于目标放置偏离而引起的抓取任务失败问题,给出了一种基于双目立体视觉的目标识别与定位控制方法。以抓取矩形轮廓的目标物体放置于矩形目标位置为控制任务,基于双目视觉目标图像信息,分析了目标特征参数提取、识别、匹配以及目标空间位姿测量的方法。结合四自由度(4-DOF)机械手臂硬件控制系统,运用改进D-H参数法建立了机械手臂正运动学模型,并通过逆运动学方法将目标位姿转化为机械手臂的控制指令,实现对目标抓取和放置的运动控制。实验结果表明,该视觉伺服的机械手臂运动控制系统能够准确、稳定地实现抓取和放置任务,定位精度高,对工业机器人在分拣、装配中的运动控制研究和应用有重要的参考价值。     

基于LMD和模糊熵融合CSP的脑电信号特征提取方法

模糊熵算法在提取脑电信号特征时存在信号序列长度、步长等诸多参数不易调整的问题。提出一种基于局部均值分解、模糊熵以及共空间模式算法的特征提取方法:L-FECSP算法。首先,利用LMD算法将经预处理的运动想象脑电信号分解为多个PF分量,根据左右手运动想象脑电信号所处的频段选出包含α节律和β节律的PF分量。采用模糊熵算法提取已选择的PF分量的特征,使用共空间模式算法对得到的特征进行投影映射。最后,对比投影前后的特征向量,并选取其中最具区分度的特征输入到支持向量机中用于分类。采用BCI竞赛数据集进行实验,平均分类准确率达到95.30%,实验结果表明L-FECSP特征提取方法能够有效地区分左右手运动想象脑电信号。     

基于形状记忆合金驱动的柔性机械臂研究

提出了一种基于形状记忆合金(SMA)弹簧驱动的柔性驱动模块,柔性驱动模块能够实现三维空间弯曲变形运动。以柔性驱动模块为模块单元,模块化组装了四关节柔性机械臂。基于SMA电阻变化特性,建立了SMA电阻自反馈控制系统,开展了柔性驱动器变形的参数化分析。进一步建立了柔性机械臂的多模态运动控制系统,实现了柔性机械臂的空间蜷缩抓取运动,通过实验验证了柔性机械臂灵活的空间运动能力。     

基于脑电控制的智能机械臂控制系统研究

为了进一步实现脑电对于智能机械臂控制系统的全面控制,首先需要对智能机械臂控制系统的构造原理进行分析。其基本原理是利用脑波传感器,同时结合Arduino的嵌入式系统进行构建,对于构造中的不足,加入相关构件,如上臂六轴传感器和前臂六轴传感器等,以弥补在上肢空间姿态辅助方面的不足。其利用数据收集端控制器所收集的信号进行数据分析和计算,之后将计算结构传输至控制器上,转化成相关指令,再将指令传输至机械臂上来控制操作,从而实现智能机械臂控制系统的脑电控制。     

基于小波包熵和支持向量机的运动想象任务分类研究

对运动想象脑电特征进行准确提取和分类是脑-机接口技术研究的重要问题。针对脑电信号非平稳性和非线性特点,提出了一种将小波包熵(WPE)和支持向量机(SVM)相结合的脑电信号识别方法,利用小波包系数能量分布分析脑电时频特性,结合信息熵分析其不确定性和复杂性,并从单次实验中提取运动想象脑电特征;通过支持向量机对特征信号进行分类,采用了一种核函数参数v和误差惩罚因子c的最佳寻优方法,并用互信息(MI)、信噪比(SNR)、最小错分率(MR)等准则对分类器进行评判。测试结果为:想象左右手运动脑电信号识别精度达到90%,M I为0.65 bit,SNR为1.44。结果表明WPE-SVM识别方法能够准确提取脑电本质特征,具有较强的分类性能和抗干扰能力,为大脑运动意识任务分类提供了有效方法,它可以应用于脑-机接口系统中。     

基于LabWindows/CVI的单关节机械臂随动控制研究

基于LabWindows/CVI对单关节机械臂随动控制系统进行了设计。以交流伺服电机、伺服驱动器、控制器和编码器构成控制系统硬件部分;基于LabWindows/CVI编写上位机控制软件,DMC1410运动控制卡编写下位机控制软件,共同构成控制系统软件部分。以编码器检测机械臂旋转角度,并将信号反馈到上位机与指令信号求差作为控制器输入信号,以控制器输出信号作为伺服驱动器驱动信号控制伺服电机运动,从而实现位置闭环控制。对所设计的控制系统进行了实验验证,结果表明,机械臂能够精确的跟随指令信号,位置跟随误差小于0.5°。     

步进电机控制系统的设计

研究通过"IPC+运动控制卡"的方式来对机械臂末端的步进电机进行控制。工控机作为上位机,通过Visual C++调用动态链接库;运动控制卡根据机械臂的运动情况发送方向和脉冲信号,实现对步进电机的开环控制,从而实现机械臂末端手爪的抓取与释放。