CN104462716A - 一种基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法 - Google Patents

Abstract

本发明的目的是提出一种基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法，主要应用于脑-控车辆动力学参数设计、脑-控识别模型的参数设计以及脑-控驾驶性能测试。本发明借助于虚拟仿真平台，考虑驾驶员的驾驶特性，对设置的脑-控车辆的动力学参数和脑-机接口参数进行测试。该系统包括：人-车-路模型和信息储存模块。其中人-车-路模型包括：脑-控驾驶员模型、BCI识别模型、控制规则、执行器模型、车辆模型以及虚拟道路环境模块。系统模拟的是脑-控驾驶车辆的过程，通过改变车辆动力学参数、识别模型的参数，获得车辆状态响应，并对其进行分析,优化车辆动力学和识别模型参数，为个性化脑-控车辆设计提供基础。

Description

一种基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法

技术领域

本发明涉及一种基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法。具体是指，结合脑-控驾驶员车辆驾驶模型、车辆动力学模型以及道路模型建立基于运动控制的人-车-路模型。通过调整脑-控驾驶员的特性——脑-控的准确度和响应时间以及车辆的动力学参数(如：车重、轴距、转向惯量等)，分析脑-控车辆的驾驶性能。为脑-控车辆的脑-机接口参数和动力学参数设计以及应用提供依据。本发明属于认知神经科学、信息技术领域和车辆工程领域的综合应用。

背景技术

汽车的诞生提高了人们的交通和运输效率，丰富了人们的生活，改变了人们的出行方式。随着经济的快速增长和车辆生产技术的迅猛发展，车辆的持有量不断增加，地域之间的距离也在不断的缩小。但是，对于肢体正常的人而言,在经过一定的训练之后，均能够比较安全可靠的实现对车辆的驾驶。然而，对于肢体运动障碍的患者而言，能够到室外进行活动，则成为了其很难实现的梦想。

现有的助残移动设备中，主要轮椅为主。普通的轮椅需要有外力推动轮椅进行移动，或者通过轮椅使用者自身转动轮椅的双轮进行移动；而智能轮椅以电动轮椅为基础，在传统的电动轮椅的基础上，增加了各种计算控制单元，传感检测单元等智能设备，通过计算控制单元将手柄控制电压的变化信号传输给电机，实现对智能轮椅的控制。然而对于四肢均不能有效操作的高位截瘫患者而言，操作手柄也是一件很困难的事情。因此研究者根据不同的人群，研发出不同的适合各种人群的智能轮椅，如：适合肢体能动性比较好的人群的操作杆控制、按键控制等方式，适合肢体能动性比较差的人群的语音控制、肌电信号控制以及脑电控制等方式。

基于脑电的控制方式，直接建立了人大脑和被控物理设备(例如智能轮椅)之间的沟通，能够将用户的意图直接通过大脑传递给运动控制单元。实现完全不通过肢体运动或其它身体运动的对外界物理设备的控制。能够满足肢体严重运动障碍者移动的需求。为了能够进一步提高肢体残疾患者的移动能力，研究者在脑-控轮椅研究的基础上提出了脑-控车辆的概念，并采用传统的车辆实现了脑电信号对车辆的运动控制。

为了能够比较快速方面的分析车辆的驾驶性能，现有的研究者对正常驾驶员驾驶车辆进行建模，通过模型中各种参数的调整，分析各种不同的驾驶任务，不同驾驶风格以及不同特性的车辆情况下的车辆驾驶性能。而现有的脑-控车辆运动控制的实现旨在说明采用脑电信号控制车辆运动的可行性。脑-控车辆作为适用于特殊人群的一种高速移动设备，现有的研究成果均没有给出一种方法对脑-控驾驶员的要求、车辆使用的要求以及车辆结构设计的要求提供指导。在这一领域中，基于脑-控驾驶员模型的脑-控车辆驾驶性能测试方法还是一个空白。

综上所述，如果能够对脑-控驾驶过程进行建模，就可以通过模型中的各项参数的调整，来模拟不同的驾驶员条件、车辆特性等，为脑-控车辆驾驶性能的测试提供理论依据，更有利于脑-控车辆的使用和推广。

发明内容

本发明的目的是提出一种基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法。该方法主要应用于脑-控车辆的动力学参数设计、脑-控识别模型的参数选择以及脑-控驾驶性能测试，借助于虚拟仿真平台，考虑脑-控驾驶员的驾驶特性，对脑-控车辆的动力学参数以及脑-机接口参数进行测试。

该测试方法及系统包括人-车-路模型和信息储存模块。其中人-车-路模型包括：脑-控驾驶员模型、BCI识别模型、控制规则、执行器模型、车辆模块以及虚拟测试道路环境模块。

脑-控驾驶员模型模拟脑-控驾驶员决策脑-控驾驶的操作；BCI识别模型模拟驾驶员进行具体的BCI操作；控制规则用于实现将定性的控制命令转化为具体的控制量；执行器模型用于执行由控制规则获得控制量，实现对方向盘的转动；车辆模型则是由专业的汽车软件提供的14自由度的汽车模型，该模型用于模拟真车；虚拟测试道路环境模块是根据不同的设计要求，通过虚拟现实建立测试所需的道路和路况。

信息储存模块，采集和储存仿真测试过程中的数据；脑-控驾驶员模型模拟人在驾驶过程中对转向系统的输入。脑-控车辆的驾驶性能是本发明方法的测试对象。

其中脑-控驾驶员模型主要包括预瞄模块、预测模块、方向盘转角增量决策模块以及预期控制命令决策模块。方向盘转角增量决策模块是根据预瞄模块得到的预期轨迹和预测模块计算的汽车行驶的预测轨迹之间的偏差，经PD控制决策出具体的转角增量，然后由控制策略决策出预期的控制命令，最终实现对BCI识别模块的输入。

BCI识别模型主要包括数据库、数据库的调用以及识别算法三部分。数据库是根据不同的用户分别采集每一位用户的原始脑电信号建立的；然后根据预期控制命令决策模块决策出的预期控制命令调用相应的脑电数据；最后由识别算法实现对该数据的处理分析以及控制命令的输出。

控制规则是用于将由BCI识别模型获得定性的控制命令转化为具体的控制量，并由执行器模块完成该控制量的执行。

整个方法模拟的是人在脑-控驾驶过程中对车辆侧向系统控制性能的测试。脑-控驾驶员模型代替真实驾驶员，它通过道路信息和车的状态信息决策出所需要进行的BCI操作，如：左转、右转、加速、减速等。BCI模型代替实际操作中的BCI处理过程，根据驾驶员模型决策出的期望的BCI操作调用相应的脑电数据并处理，获得定性的控制命令。最终通过控制规则以及执行器模型实现对车辆的侧纵向控制。整个控制过程中汽车的响应则反映了脑-控车辆的性能。

应用上述测试系统对脑-控车辆脑-机接口参数设计和动力学参数设计方法主要包括以下几个步骤：

步骤1，根据Carsim中的车体参数的设置，通过Carsim设置14自由度的车辆动力学模型，将车辆的动力学参数(如：车重、轴距、转向惯量等)作为仿真时的变量；

步骤2，根据不同的使用者，建立不同的脑电信号数据库，并将BCI仿真中可以调整的参数(即：响应时间、准确度等)作为仿真时的变量；

步骤3，根据不同的设计要求，选择不同的测试道路；

步骤4，将车辆动力学模型中不同的参数、BCI模型中涉及到的参数以及测试道路的信息输入给测试系统分别进行测试；

步骤5，在测试完毕之后，对测试过程中车辆的状态响应进行采集储存；最后对结果进行分析，针对数据库对应的用户制定最优的脑-控车辆的脑-机接口参数以及动力学参数方案。

其中，对车辆动力学模型中所需要设计的不同参数，按照要求进行修改。在保障BCI模型参数(即：响应时间、准确度)确定的情况下，每修改一次参数，脑-控车辆的控制性能将发生相应的改变，系统则会得到对应不同参数的车辆状态响应，如：运行轨迹、侧向速度、侧向加速度、横摆角等；同时也可选取不同的测试道路和车辆行驶的速度进行测试。结合上述两种测试方法，通过对测试结果的分析，选取适合设计要求的动力学模型参数组合，从而对脑-控车辆的进行辅助设计。

其中BCI模型参数设计，是在给定的车辆动力学结构的情况下，通过分析不同BCI响应时间情况下的车辆状态响应，选择不同的测试道路和车辆行驶速度进行测试。综合分析测试结果，选择最合适的BCI响应时间，从而对脑-控车辆中BCI的识别过程的参数设置进行优化，提高脑-控车辆控制的性能。

本发明主要应用在于脑-控车辆动力学系统所涉及参数的设计，以及脑-控车辆BCI识别系统的设计，利用脑-控驾驶员模型代替脑-控驾驶员在虚拟环境中检测系统性能。由于该方法是在仿真平台上进行，因此能够初步确定出脑-控车辆的动力学结构以及对BCI识别过程进行优化，减少了试制样机带来的资金浪费和研发周期。

附图说明

图1是本发明方法的总体框图

图2是脑-控驾驶员决策模型的结构图

图3是服务器F中驾驶员预瞄模型框图

图4是是蛇形测试道路

图5是BCI仿真过程

图6是数据更新过程

图7是是本发明方法的测试方法流程图

如图所示，为了能明确实现本发明的实施例的结构，在图中标注了特定的结构和器件，但这仅为示意需要，并非意图将本发明限定在该特定结构、环境中，根据具体需要，本领域的普通技术人员可以将这些器件和环境进行调整或者修改，所进行的调整或者修改仍然包括在后附的权利要求的范围中。

具体实施方式

下面结合附图和具体实施例对脑-控车辆动力学系统参数的辅助设计以及BCI识别系统参数的辅助设计方法进行详细描述。

同时，在这里加以说明的是，为了使实施例更加详尽，下面的实施例为最佳、优选实施例，对于一些公知技术本领域技术人员也可采用其他替代方式而进行实施；而且附图部分仅是为了更具体的描述实施方法，而并不旨在对本发明进行具体的限定。

本发明涵盖任何在本发明的精髓和范围上做的替代、修改、等效方法以及方案。为了使公众对本发明有彻底的了解，在以下本发明优选实施例中详细说明了具体的细节，而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。另外，为了避免对本发明的实质造成不必要的混淆，并没有详细说明众所周知的方法、过程、流程等。

本发明该测试系统包括：驾驶员模型(脑-控操作者模型)、BCI识别模型、控制规则(模型)、执行器(电机)、车辆模型以及虚拟测试道路环境模块。各模块组成的测试系统见图1。

根据附图说明如下：

(一)脑-控驾驶员模型

启动matlab中的simulink模块建立脑-控驾驶员模型。其建立过程可参照专利申请号为201210219920.3专利,该申请中介绍的驾驶员模型是基于正常驾驶员建立的。本申请的驾驶员模型是基于脑-控驾驶员建立的，两者不同在于运动执行部分，脑-控驾驶员的运动执行功能丧失。为对具体实施过程更加清晰易懂，叙述具有逻辑性，本申请只对与201210219920.3专利有差异的部分进行详细介绍，其余部分简要介绍即可。

脑-控驾驶员模型建立在排队网络认知体系上，根据人的脑-控驾驶特性将脑-控驾驶员模型分成三部分：感知部分模块、认知部分模块和预期控制命令决策模块，见图2。在脑-控驾驶员模型控制汽车追踪预期轨迹的同时，它能够准确地仿真真实脑-控驾驶员的驾驶特性和生理局限。图2是本发明脑-控驾驶员决策模型的结构图。图3是脑-控驾驶员决策模型中服务器F中驾驶员预瞄模型框图，主要模拟的是脑-控驾驶员在驾驶过程中的驾驶决策机理，它包括预瞄模块、预测模块、比较模块、决策模块等。

预瞄模块的输入是测试中汽车按要求遵循的道路轨迹，也就是测试中的测试道路。预测模块根据汽车状态信息(例如，横摆角、侧纵向坐标、纵向加速度、侧向加速度、侧向速度，纵向速度等)，计算汽车行驶的预测轨迹。比较模块将预期轨迹与预测轨迹进行比较，获得并输出偏差参数(在本发明中，包括侧向位置偏差R、侧向加速度、侧加速度导数等),决策模块根据所差通过PD控制获得驾驶员期望方向盘转角。

决策模块用于计算出期望的控制输入(期望的方向盘转角的改变量Δθ_sw)保障车辆能够巡期望轨迹行驶。期望的侧向加速度ay(假设在预瞄时间内为定值)可以通过公式1获得：

$a_y=\frac{2\·(\mathrm{\ΔE}-v\·t_p)}{t_p^2}---\left(1\right)$

其中ΔE是预期轨迹和预测轨迹之间的偏差，v表示当前的侧向速度，t_p是预瞄时间。

方向盘转角的改变量Δθ_sw通过加速度的PD控制器获得：

Δθ_sw＝k_p·a_y+k_d·a_y'         (2)

其中，k_p和k_d分别是PD控制的比例和微分系数，a_y'表示侧向加速度的一阶导数。

在获得方向盘转角的改变量之后，脑-控驾驶员需要决策出预期的控制命令。由于对于驾驶过程而言，微小的方向盘转角调整，可以看作不需要调整方向盘转角，也即对应控制命令为非控制命令；而当决策出的方向盘转角调整较大，并且为向左转时，则对应驾驶员期望的方向盘控制命令为左转；同理，当决策出的方向盘转角调整较大，并且为向右转时，则对应驾驶员期望的方向盘控制命令为右转。为了避免由于频繁的角度调整造成的车辆控制的不稳定，制定相应的预期命令决策方法如公式(3)：

如果-Δθ<Δθ_sw<Δθ,控制命令：非控制

如果Δθ≤Δθ_sw,控制命令：左转        (3)

如果Δθ_sw≤-Δθ,控制命令：右转

其中，Δθ为微小转角调整。

具体过程如下：预期轨迹是汽车按要求遵循的道路轨迹，为了进一步简化描述，在本发明中，以GB/T 6323.1-94中的蛇形测试道路作为示例。如图5所示，在汽车行驶路径上等间距地布置多个标桩，相邻的两个标桩之间的距离为L，在行驶路径的中心线上用不同于道路颜色的胶带标示预期轨迹(即，蛇形路径，如虚线所示)。用于测试汽车操纵稳定性的有效标桩区(即需要控制汽车沿着蛇形路径行驶的区域)为在第二个标桩到倒数第二个标桩之间的蛇形路径。为了便于描述，在图4中示出了XY坐标轴。

(二)BCI仿真模型

仿真BCI的识别过程从准确度和响应时间两个特性展开。由于脑电信号是一种非稳态随机信号，因此BCI的仿真也需要能够仿真这一特性。同时由于脑电信号的信号处理的性能和识别的方法有着直接的关系，也就是说，BCI的准确度受到了脑电信号的产生和信号识别方法限制。因此BCI的仿真重点也在于脑电信号的产生以及信号识别方法的识别过程。

BCI的仿真过程见图5，具体的步骤如下：

步骤一：建立脑电信号数据库。根据不同的用户，分别通过脑电采集仪采集不同控制命令对应脑电信号；

步骤二：根据采集的脑电数据，采用脑电信号处理方法(如：线性判别式法、支持向量机等)获得脑电信号的识别模型；

步骤三：BCI模型构建，根据脑-控驾驶员模型中的预期命令决策模块决策出的控制命令，调用步骤一中建立的数据库中对应的脑电数据，并通过步骤二中建立的BCI识别模型识别出具体的控制命令。

其中脑电数据库的构建，可以进行离线采集，基于侧向控制的要求主要包含三类：左转数据(12Hz)、右转数据(13Hz)和非控制数据。也就是说，BCI仿真中的脑电数据也来自驾驶员进行对应脑-机接口的脑电数据。为了能够仿真驾驶过程中状态切换过程的变化规律，则在第一次调用一个单位窗口(Window)的数据并进行相应的控制，之后的数据调用，均采用类似实际驾驶过程的更新过程(也即，采用更新数据(Step)替换原有的数据。具体的过程见图6。

(三)控制规则

控制规则是用于将由(二)BCI模型识别出的实际控制命令转化为具体的控制量。具体的控制规则见公式(4)。

$a\left(n\right)=\left\{\begin{array}{c}\min \{a(n-1)+\mathrm{\&Delta;a},a_{\max }\},\\ a(n-1),\\ \max \{a(n-1)-\mathrm{\&Delta;a},a_{\max }\}\end{array}\right.---\left(4\right)$

其中，n表示控制命令的次数。a(0)为转角的初值(如：0°)，a_max为最大的方向盘转角(如：100°)，Δa为每次方向盘转角的增量(如：10°)。

(四)电机模型

电机在系统中起到的是电动助力的作用，本申请采用常用的直流电机仿真，它能够控制方向盘按照控制规则获得的角度转动，其传递函数表示如下：

$M\left(s\right)=\frac{w}{s+w}---\left(5\right)$

其中，w可以根据对电机的功率的要求设定(如：250w功率的高速输出直流电机，可以设定w为30rad/s)。

(五)虚拟道路建模

(1)打开3ds Max，进入编辑页面，根据测试所需的道路进行建模，并将建好的模型*.WRL格式文件

(2)打开matlab中的simulink，新建一个文件，双击左侧模块选择窗口中的虚拟现实工具箱，将VR模块拖入新建文件。

(3)双击点击VR sink模块，将(1)建立的文件添加其中

(六)建立车辆动力模型

(1)为了在仿真实验中模拟真实车辆，本发明采用的是MSC公司开发的一款车辆动力学模型仿真软件Carsim。在测试平台安装完该软件之后，点击图标进入软件开始建立车辆动力学模型。

(2)进入Carsim软件，建立所需的数据库，该数据库主要用来存取汽车模型的参数和设置。

(3)Carsim整车模型包括以下七大子系统：车身、空气动力学、传动学、制动学系统、轮胎和悬架系统。由于脑-控车辆作为被测试的对象之一，根据脑-控车辆的特点分析设置不同的车辆各个子系统的参数。

(4)在Carsim主界面的simulink控制模块中的模型选择前面建立的Matlab仿真模型。使Carsim与matlab建立联合仿真。

(5)单击4WS输出，检查carsim的输出参数。单击界面中的重新刷新按钮，可在“可变变量”框中出现可选择的输出变量，可以根据需要进行选择。单击查看，可以查看各个量的具体含义。

(6)单击主界面的过程按钮的速度选项可进行车辆模型的速度选项，测试过程中可以改变测试的车辆模型的汽车。

(7)单击主界面中“发送到Simulink”,将设置好的Carsim参数改善到Matlab/Simulink对应的mdl文件中。

此时，由Carsim所提供的车辆模型已经建立成功。

(七)测试

(1)启动Carsim软件，选择进行测试的车辆模型数据库。

(2)选择汽车模型的测试速度，设置Carsim中对应车辆的各项参数(如：车重、轴距、转向惯量等)，点击发送到Simulink，起动Simulink，Simulink中的仿真的系统框图。

(3)点击道路测试模块，将道路曲线导入到模块之中。

(4)点击BCI仿真模块，调整BCI的参数(响应时间)以及BCI识别模型的参数。

(5)点击开始按钮，仿真开始。

(6)得到汽车响应曲线，分析车辆模型的响应。

(7)优化车辆动力学模型以及BCI仿真参数,再次进行仿真。整个软件流程过程如图7所示。

Claims (8)

1.一种基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法,主要应用于脑-机接口参数和动力学参数设计，并能够根据该模型进行脑-控驾驶性能测试，借助于虚拟仿真平台，考虑脑-控驾驶员的驾驶特性，对脑-控车辆的动力学参数以及脑-机接口参数进行测试。

2.根据权利要求1所述的基于人-车-路模型的脑-控车辆的脑-机接口参数和动力学参数设计方法包括:人-车-路模型和信息储存模块。其中人-车-路模型包括：脑-控驾驶员模型(脑-控操作者模型)、BCI识别模型、控制规则(模型)、执行器(电机)模型、车辆模型以及虚拟测试道路环境模块。

3.根据权利要求2所述，脑-控驾驶员模型模拟脑-控驾驶员决策脑-控驾驶的操作；BCI识别模型模拟驾驶员进行具体的BCI操作；控制规则用于实现将定性的控制命令转化为定量的控制量；执行器模型用于执行由控制规则产生的控制量，实现对方向盘的转动；车辆模型则是由专业的汽车软件提供的14自由度的汽车模型，该模型用于模拟真车；虚拟测试道路环境模块是根据不同的设计要求，通过虚拟现实建立测试所需的道路和路况。

4.根据权利要求2所述，信息储存模块用于采集和储存仿真测试过程中的数据；脑-控驾驶员模型模拟人在脑-控驾驶过程中对车辆的输入。

5.根据权利要求2所述，BCI识别模型主要包括数据库、数据库的调用以及识别算法三部分。数据库是根据不同的用户分别采集每一位用户的原始脑电信号建立的；然后根据预期控制命令决策模型决策出的预期控制命令调用相应的脑电数据；最后由识别算法模型实现对该数据的处理分析以及控制命令的输出。

6.根据权利要求2所述，控制规则是用于将由BCI识别模型获得定性的控制命令转化为具体的控制量，并由执行器模型完成该控制量的执行。

7.根据权利要求1所述，整个脑-控车辆的脑机接口参数设计和动力学参数设计方法主要包括以下几个步骤：

步骤1，根据Carsim中的车体参数的设置，通过Carsim设置14自由度的车辆动力学模型，将车辆的动力学参数(如：车重、轴距、转向惯量等)作为仿真时的变量；

步骤2，根据不同的使用者，建立不同的脑电信号数据库，并将BCI仿真中可以调整的参数(即：响应时间、准确度)作为仿真时的变量；

步骤3，根据不同的设计要求，选择不同的测试道路；

步骤4，将车辆动力学模型中的参数、BCI模型中涉及到的参数以及测试道路的信息输入给测试系统分别进行测试；

步骤5，在测试完毕之后，对测试过程中车辆的状态响应进行采集储存；最后对结果进行分析，针对数据库对应的用户制定最优的脑-控车辆的脑-机接口参数以及动力学参数方案。

8.根据权利要求7所述，车辆动力学模型中需要设计的不同参数(如：车重、轴距、转向惯量等)以及BCI参数的设置(即：响应时间、准确度)，按照设计要求进行修改。

综合考虑车辆动力学模型中参数的设计，以及BCI参数的设置，通过对测试的结果进行分析，选择合适的参数组合，针对每一位用户设计个性化的脑-控车辆系统。