用于假手指尖的光纤光栅触觉力传感器研究

针对现有假手触觉测量常用的薄膜压力传感器精度不佳、线性度差、迟滞性高等问题,研究了一种可安装于假手指尖的光纤布拉格光栅触觉力传感器。首先,通过传感单元的微小化结构设计,可以将施加的外力转化为光纤承受的轴向力;进而,通过有限元对传感器结构参数进行优化,提高了光纤光栅对于压力的灵敏度;然后,围绕假手指尖应用的需求,制作了这种光纤布拉格光栅触觉力传感器;最后,对该传感器进行了性能标定、对比分析和应用抓取3个实验分析,实验结果表明:该传感器压力灵敏度为0.103 8 nm/N,线性度R~2为0.998,重复性误差为1.32%和迟滞性误差为2.19%;与现有的薄膜压力传感器对比,该传感器的线性度和重复度都更高,迟滞性更低。     

基于表情辅助的假手脑控方法

针对传统纯意念运动想象脑控范式和稳态视觉诱发脑控范式存在范式训练难度高、设备集成复杂及高成本、不易随身携带等问题,借助表情辅助脑电信号适应性广、识别率高和易于便携化系统集成的优势,提出了基于表情辅助的假手脑控方法;研究构建了一种基于表情辅助的假手便携可穿戴脑控系统,包括硬件选型设计与系统组建,及表情辅助脑电信号分类识别算法和假手控制算法的设计研究与软件模块开发等,实现提眉、皱眉、左撇嘴和右撇嘴4种辅助表情脑电信号的检测识别,对应完成假手的手指张开、手指闭合、手腕内旋和手腕外旋4个动作的控制,并进行在线实验验证。结果表明：基于表情辅助的假手脑控方法不仅优于传统的稳态视觉诱发脑控范式（去掉了系统中原所必须的稳态视觉诱发器）,而且优于纯意念运动想象脑控范式,平均在线识别与控制准确率高于85%。     

SSVEP-BCI抗自由眨眼稳定性的ANFIS方法

针对伪迹干扰下脑机接口稳定性问题,以自由眨眼动作下稳态视觉诱发脑机接口的稳定性为切入点,进行了稳态视觉诱发脑电信号去眼电伪迹(electroculography,简称EOG)研究。提出了一种基于自适应神经模糊推理系统(adaptive neuro-fuzzy inferency system,简称ANFIS)的无眼电电极下脑电信号眼电伪迹的自适应消除方法并进行实验,验证该方法对自由眨眼动作下稳态视觉诱发脑机接口稳定性的提高。该伪迹消除方法通过自适应神经模糊推理系统逼近眼电信号源至眼电伪迹的非线性变换函数,达到消除脑电信号中眼电伪迹的目的。算法通过前额叶区脑电信号获得替代性眼电信号源,经延时处理后,输入自适应噪声消除器中以消除各通道脑电信号中的眼电伪迹。通过自由眨眼动作下稳态视觉刺激实验,对该伪迹消除方法中各参数及函数的选择进行了研究,并将该方法与经典滤波和传统独立成分分析(independent component analysis,简称ICA)进行对比,证明了该方法在消除眼电伪迹的情况下保留了稳态视觉刺激的有效信息,识别正确率较经典滤波相比最高提高了6.25%,较传统ICA相比最高提高10%,保证了稳态视觉诱发脑机接口在自由眨眼动作下的稳定性。