CN108287961A - 适用于不同脑机接口类型的脑控车辆系统建模与仿真方法 - Google Patents
适用于不同脑机接口类型的脑控车辆系统建模与仿真方法 Download PDFInfo
- Publication number
- CN108287961A CN108287961A CN201810052241.9A CN201810052241A CN108287961A CN 108287961 A CN108287961 A CN 108287961A CN 201810052241 A CN201810052241 A CN 201810052241A CN 108287961 A CN108287961 A CN 108287961A
- Authority
- CN
- China
- Prior art keywords
- brain
- control
- computer interface
- module
- vehicular system
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,脑控车辆系统通过对实际的道路信息和车辆信息进行建模及计算,得出期望的方向盘转角和踏板开度,脑控驾驶员根据期望数值产生脑电波控制信号,通过脑机接口将脑电波信号转化为车辆控制指令,脑控车辆系统将控制指令经过再次分析,转化为实际施加给车辆的方向盘转角和踏板开度,完成车辆的运行;本发明为脑控车辆的研究提供一个平台,适用于不同类型的脑机接口,既能有效反映脑控车辆的方向与速度综合控制情况,也有助于研究脑控车辆的动力学特性。
Description
技术领域
本发明涉及一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,属于BCI领域以及计算机辅助设计领域。
背景技术
随着BCI技术的不断推进和日渐成熟,其应用对象也日益增多,脑控车辆则是其中一种,脑控车辆在军事、民用、娱乐方面均有重大应用价值,不仅提高了残疾人的行动能力,同时也为无人驾驶辅助控制提供了新思路,根据不同类型的脑电信号划分脑机接口类型,目前被广泛应用的脑电信号主要有三种:P300诱发电位、稳态视觉诱发电位、ERD/ERS(事件相关去同步电位/事件相关同步电位)。
经对现有技术文献的检索发现,目前国内外对脑控车辆的研究尚处于初步阶段,大多都是直接应用脑机接口去控制车辆,只是验证了脑控驾驶的可行性,没有从车辆的角度去研究,缺少对脑控车辆动力学特性的研究,而且多局限于对脑控车辆方向控制的研究上,鲜少考虑脑控车辆的速度控制,如何为脑控车辆提供一个平台,适用于不同类型的脑机接口,既能对方向与速度进行综合控制,也有助于研究脑控车辆的动力学特性,成为亟待解决的技术问题。
发明内容
本发明提供一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,为脑控车辆的研究提供一个平台,适用于不同类型的脑机接口,既能有效反映脑控车辆的方向与速度综合控制情况,也有助于研究脑控车辆的动力学特性。
本发明解决其技术问题所采用的技术方案是:
一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,脑控车辆系统通过对实际的道路信息和车辆信息进行建模及计算,得出期望的方向盘转角和踏板开度,脑控驾驶员根据期望数值产生脑电波控制信号,通过脑机接口将脑电波信号转化为车辆控制指令,脑控车辆系统将控制指令经过再次分析,转化为实际施加给车辆的方向盘转角和踏板开度,完成车辆的运行;
作为本发明的进一步优选,具体包括如下步骤:
第一步,对不同脑机接口类型的脑控车辆系统进行模块分解;
第二步,对分解后的每一模块确定建模方法;
第三步,基于Matlab/Simulink软件和Carsim软件将分解后的各模块整合为一体,形成整合后的脑控车辆系统;
第四步,对整合后的脑控车辆系统进行参数设定;
第五步,对整合后的脑控车辆系统进行仿真,并对结果进行分析;
作为本发明的进一步优选,
前述第一步中,对不同脑机接口类型的脑控车辆系统进行模块分解,分解为脑控驾驶员模块、脑电信号生成模块、脑机接口模块、控制模块、电机模块以及车辆模块;
前述第二步中,脑控驾驶员模块为速度与方向综合控制脑控驾驶员模型,脑电信号生成模块根据该模块的输入与输出确定,脑机接口模块根据脑机接口的性能确定,控制模块根据每一次控制指令对应的方向盘转角和踏板开度的增量确定,电机模块根据其传递函数确定,车辆模块由Carsim软件确定;
前述第三步中,在Simulink软件中搭建各模块,并将Carsim软件中的车辆模型发送至Simulink软件中;
前述第四步中,对整合后的脑控车辆系统进行参数设定,包括脑控驾驶员模块的相关参数、脑机接口模块的识别准确率和响应时间、方向盘转角和踏板开度的增量、方向盘转角和踏板开度的阈值、Carsim软件设置的车辆参数;
前述第五步中,采用Matlab/Simulink软件和Carsim软件联合仿真策略,对仿真结果进行分析;
作为本发明的进一步优选,速度与方向综合控制脑控驾驶员模型是基于预瞄模型建立,脑控驾驶员根据车辆反馈的位置、速度与加速度信息决策出期望的方向盘转角和踏板开度;
作为本发明的进一步优选,前述的脑电信号生成模块,输入是脑控驾驶员模块根据决策得到的期望方向盘转角与踏板开度,输出是脑控驾驶员模块通过不同脑机接口类型产生的一系列与期望控制指令对应的脑电波信号,每种脑电波信号对应一个期望控制指令,即左转、右转、加速、减速和非控,分别用1、-1、2、-2和0表示,因此脑电信号生成模块的输出即为与1、-1、2、-2和0对应的脑电波信号,同样以1、-1、2、-2和0表示,将输入与输出对应即可;
作为本发明的进一步优选,前述的脑机接口模块,输入为脑电信号生成模块的输出,为与脑控驾驶员模块期望控制指令对应的脑电波信号1、-1、2、-2和0,输出为对脑电信号分析处理后实际施加给车辆的控制指令,同样用1、-1、2、-2和0表示,前述脑机接口的正确率未达到100%,因此输入与输出并不是一一对应关系,设置概率模型,根据脑机接口的响应时间,设置延时模块;
作为本发明的进一步优选,前述的控制模块,输入是脑机接口对脑电信号分析处理后的结果,即1、-1、2、-2和0,输出是实际施加给车辆的方向盘转角和踏板开度,设定每次速度指令对踏板开度的变化量和每次转向指令对方向盘转角的变化量,并限定方向盘转角和踏板开度的阈值;
作为本发明的进一步优选,前述脑控驾驶员模块的相关参数,设置时脑控驾驶员的预瞄时间长于普通驾驶员的预瞄时间;
作为本发明的进一步优选,前述对仿真结果进行分析包括分析方向与速度综合控制的效果以及不同脑机接口类型的脑控车辆的动力学特性。
通过以上技术方案,相对于现有技术,本发明具有以下有益效果:
本发明注重于功能性建模方法,提供了一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,不需要分析各个部件的实际具体结构,建模速度快,模型简单,精度高;为脑控车辆的进一步研究提供一个平台,适用于不同类型的脑机接口,能有效反应脑控车辆的方向与速度综合控制情况,有助于研究脑控车辆的动力学特性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明优选实施例对应的步骤流程图;
图2为本发明优选实施例对应的脑控车辆模块分解图;
图3为本发明优选实施例对应的脑控车辆侧向位移仿真结果图;
图4为本发明优选实施例对应的脑控车辆纵向速度仿真结果图;
图5为本发明优选实施例对应的脑控车辆方向盘转角仿真结果图;
图6为本发明优选实施例对应的脑控车辆踏板开度仿真结果图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
针对脑控车辆的现有研究尚不成熟,且脑机接口类型众多,本发明提供了一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,为脑控车辆的研究提供一个平台,既能对方向与速度进行综合控制,也有助于研究脑控车辆的动力学特性;本发明注重于功能性建模方法,不需要分析各个部件的实际具体结构,建模速度快,模型简单,精度高。
本发明的一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,脑控车辆系统通过对实际的道路信息和车辆信息进行建模及计算,得出期望的方向盘转角和踏板开度,脑控驾驶员根据期望数值产生脑电波控制信号,通过脑机接口将脑电波信号转化为车辆控制指令,脑控车辆系统将控制指令经过再次分析,转化为实际施加给车辆的方向盘转角和踏板开度,完成车辆的运行;
作为本发明的进一步优选,具体包括如下步骤:
第一步,对不同脑机接口类型的脑控车辆系统进行模块分解;
第二步,对分解后的每一模块确定建模方法;
第三步,基于Matlab/Simulink软件和Carsim软件将分解后的各模块整合为一体,形成整合后的脑控车辆系统;
第四步,对整合后的脑控车辆系统进行参数设定;
第五步,对整合后的脑控车辆系统进行仿真,并对结果进行分析;
作为本发明的进一步优选,
前述第一步中,对不同脑机接口类型的脑控车辆系统进行模块分解,分解为脑控驾驶员模块、脑电信号生成模块(即EEG生成模块)、脑机接口模块(即BCI模块)、控制模块、电机模块以及车辆模块;
前述第二步中,脑控驾驶员模块为速度与方向综合控制脑控驾驶员模型,脑电信号生成模块根据该模块的输入与输出确定,脑机接口模块根据脑机接口的性能确定,控制模块根据每一次控制指令对应的方向盘转角和踏板开度的增量确定,电机模块根据其传递函数确定,车辆模块由Carsim软件确定;
前述第三步中,在Simulink软件中搭建各模块,并将Carsim软件中的车辆模型发送至Simulink软件中;
前述第四步中,对整合后的脑控车辆系统进行参数设定,包括脑控驾驶员模块的相关参数、脑机接口模块的识别准确率和响应时间、方向盘转角和踏板开度的增量、方向盘转角和踏板开度的阈值、Carsim软件设置的车辆参数。
前述第五步中,采用Matlab/Simulink软件和Carsim软件联合仿真策略,对仿真结果进行分析;
作为本发明的进一步优选,速度与方向综合控制脑控驾驶员模型是基于预瞄模型建立,脑控驾驶员根据车辆反馈的位置、速度与加速度信息决策出期望的方向盘转角和踏板开度;
作为本发明的进一步优选,前述的脑电信号生成模块,输入是脑控驾驶员模块根据决策得到的期望方向盘转角与踏板开度,输出是脑控驾驶员模块通过不同脑机接口类型产生的一系列与期望控制指令对应的脑电波信号,每种脑电波信号对应一个期望控制指令,即左转、右转、加速、减速和非控,分别用1、-1、2、-2和0表示,因此脑电信号生成模块的输出即为与1、-1、2、-2和0对应的脑电波信号,同样以1、-1、2、-2和0表示,将输入与输出对应即可;
作为本发明的进一步优选,前述的脑机接口模块,输入为脑电信号生成模块的输出,为与脑控驾驶员模块期望控制指令对应的脑电波信号1、-1、2、-2和0,输出为对脑电信号分析处理后实际施加给车辆的控制指令,同样用1、-1、2、-2和0表示,前述脑机接口的正确率未达到100%,因此输入与输出并不是一一对应关系,设置概率模型,根据脑机接口的响应时间,设置延时模块;
作为本发明的进一步优选,前述的控制模块,输入是脑机接口对脑电信号分析处理后的结果,即1、-1、2、-2和0,输出是实际施加给车辆的方向盘转角和踏板开度,设定每次速度指令对踏板开度的变化量和每次转向指令对方向盘转角的变化量,并限定方向盘转角和踏板开度的阈值;
作为本发明的进一步优选,前述脑控驾驶员模块的相关参数,设置时脑控驾驶员的预瞄时间长于普通驾驶员的预瞄时间;
作为本发明的进一步优选,前述对仿真结果进行分析包括分析方向与速度综合控制的效果以及不同脑机接口类型的脑控车辆的动力学特性。
下面以ERD/ERS中运动想象为例,应用上述方法建立适用于运动想象脑机接口的脑控车辆系统建模与仿真方法,具体步骤如图1所示:
第一步,对基于运动想象的脑控车辆系统进行模块分解;
如图2所示,将基于运动想象的脑控车辆系统分解为脑控驾驶员模块、EEG生成模块、脑机接口(BCI)模块、控制模块、电机模块以及车辆模块。
脑控驾驶员模块根据道路信息和车辆信息决策出期望的方向盘转角和踏板开度,EEG生成模块根据驾驶员决策的期望方向盘转角和踏板开度做相应的运动想象动作从而产生一些列脑电波,BCI模块将大脑产生的脑电波分析为对应的脑控指令(左转、右转、加速、减速和非控),控制模块将BCI模块分析得到的脑控指令转化为实际施加给车辆的方向盘转角和踏板开度,通过电机模块控制车辆的运动。
第二步,对分解后的每一模块确定建模方法;
一、脑控驾驶员模块为速度与方向综合控制脑控驾驶员模型
该速度与方向综合控制脑控驾驶员模型基于预瞄模型建立,脑控驾驶员模块根据车辆反馈的位置、速度与加速度信息决策出期望的方向盘转角与踏板开度,即该脑控驾驶员模块由方向控制模块和速度控制模块两个部分有机组成;速度控制模块在感知纵向速度的反馈和预瞄点的期望速度后决策出一个理想的纵向加速度,然后与驾驶员感知到的纵向加速度反馈比较形成偏差,利用PID控制器计算出期望的踏板开度;方向控制模块在感知侧向位移和侧向速度的反馈后,决策出一个理想的横向加速度,然后通过接受纵向速度的反馈,计算出侧向加速度对方向盘转角的稳态增益,从而确定出期望的方向盘转角。
二、EEG生成模块根据该模块的输入、输出确定
输入是脑控驾驶员模块根据决策得到的期望方向盘转角与踏板开度,输出是运动想象所产生的脑电波信号,脑电波信号与控制指令是对应的,例如:此时驾驶员根据期望方向盘转角试图做出左转指令,只需要大脑进行与左转对应的运动想象动作(如:想象左手运动),从而产生与左转对应的脑电波;这里设定5种控制指令,即左转、右转、加速、减速和非控(分别用1、-1、2、-2和0表示),因此运动想象模块输出的脑电波信号被设定与1、-1、2、-2和0对应的脑电波信号,也用1、-1、2、-2和0表示。假定期望方向盘转角小于10°、期望踏板开度小于0.05时不做控制,则运动想象模块建立如下:
公式⑴式中m表示运动想象输出的与控制指令对应的脑电波信号,δsω表示期望方向盘转角,表示期望踏板开度。
三、BCI模块根据脑机接口的性能确定
脑机接口模块则是将输入的脑电波信号分析处理为实际控制指令,实际控制指令与输入一样依然为1、-1、2、-2和0,考虑到脑机接口的正确率不能达到100%,因此输入与输出并不是一一对应关系,需要添加概率模型,同时考虑到脑机接口的响应时间,需添加延时模块;BCI模块建立如下:
t=0.5s
Ai=p
(i,j={1,2,3,4,5},n=5,0≤p≤1) (2)
公式⑵中,t表示脑机接口的响应时间,Ai表示脑机接口的准确率,Pij表示将第i种指令分析为第j种指令的错误率。
四、控制模块根据每一次控制指令对应的方向盘转角和踏板开度的增量确定
控制模块则是将对脑电信号分析处理后的结果(1、-1、2、-2和0)转化为实际施加给车辆的方向盘转角和踏板开度,设定每次速度指令对踏板开度的变化量为0.1,每次转向指令对方向盘转角的变化量为20°,并限定方向盘转角和踏板开度的阈值分别为250°和0.6;控制模块建立如下:
δsw(0)=0°,δmax=250°,i≥1 (3)
公式⑶和公式⑷式中,δsw(i)、表示当前时刻的方向盘转角和踏板开度,δsw(i-1)、表示上一时刻的方向盘转角和踏板开度。
五、电机模块根据其传递函数确定
本实施例选用的是直流电机,其传递函数为:
六、车辆模块由Carsim软件确定。
在Carsim软件中选择车型、车辆相关动力学参数及设置模块的输入、输出等。
第三步,基于Matlab/Simulink软件和Carsim软件将分解后的各模块整合为一体,形成整合后的脑控车辆系统;
在Simulink软件中搭建各模块,并将Carsim软件中的车辆模型发送至Simulink软件中。
第四步,对整合后的脑控车辆系统进行参数设定;
参数设定包括脑控驾驶员模块相关参数、BCI识别准确率和响应时间、方向盘转角和踏板开度的增量、方向盘转角和踏板开度的阈值、Carsim软件中设置的车辆参数。
其中脑控驾驶员模块相关参数,考虑到脑控驾驶员的特殊性,由于脑机接口的响应时间较长,所以脑控驾驶员的预瞄时间要比普通驾驶员长一些,本实施例选择预瞄时间T为2s;其他参数在上述描述中已经说明。
第五步,对整合后的基于运动想象脑控车辆系统进行仿真;
采用Matlab/Simulink软件和Carsim软件联合仿真策略,对仿真结果进行分析;除了分析方向与速度控制的效果,还要分析基于运动想象的脑控车辆的动力学特性;本实施例中,如图3所示为仿真的侧向位移变化,图4所示为仿真的纵向速度变化,图5所示为仿真的方向盘转角变化以及图6所示为仿真的踏板开度变化。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (9)
1.一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:脑控车辆系统通过对实际的道路信息和车辆信息进行建模及计算,得出期望的方向盘转角和踏板开度,脑控驾驶员根据期望数值产生脑电波控制信号,通过脑机接口将脑电波信号转化为车辆控制指令,脑控车辆系统将控制指令经过再次分析,转化为实际施加给车辆的方向盘转角和踏板开度,完成车辆的运行。
2.根据权利要求1所述的适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:具体包括如下步骤:
第一步,对不同脑机接口类型的脑控车辆系统进行模块分解;
第二步,对分解后的每一模块确定建模方法;
第三步,基于Matlab/Simulink软件和Carsim软件将分解后的各模块整合为一体,形成整合后的脑控车辆系统;
第四步,对整合后的脑控车辆系统进行参数设定;
第五步,对整合后的脑控车辆系统进行仿真,并对结果进行分析。
3.根据权利要求2所述的适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:
前述第一步中,对不同脑机接口类型的脑控车辆系统进行模块分解,分解为脑控驾驶员模块、脑电信号生成模块、脑机接口模块、控制模块、电机模块以及车辆模块;
前述第二步中,脑控驾驶员模块为速度与方向综合控制脑控驾驶员模型,脑电信号生成模块根据该模块的输入与输出确定,脑机接口模块根据脑机接口的性能确定,控制模块根据每一次控制指令对应的方向盘转角和踏板开度的增量确定,电机模块根据其传递函数确定,车辆模块由Carsim软件确定;
前述第三步中,在Simulink软件中搭建各模块,并将Carsim软件中的车辆模型发送至Simulink软件中;
前述第四步中,对整合后的脑控车辆系统进行参数设定,包括脑控驾驶员模块的相关参数、脑机接口模块的识别准确率和响应时间、方向盘转角和踏板开度的增量、方向盘转角和踏板开度的阈值、Carsim软件设置的车辆参数;
前述第五步中,采用Matlab/Simulink软件和Carsim软件联合仿真策略,对仿真结果进行分析。
4.根据权利要求3所述的适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:速度与方向综合控制脑控驾驶员模型是基于预瞄模型建立,脑控驾驶员根据车辆反馈的位置、速度与加速度信息决策出期望的方向盘转角和踏板开度。
5.根据权利要求3所述的适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:前述的脑电信号生成模块,输入是脑控驾驶员模块根据决策得到的期望方向盘转角与踏板开度,输出是脑控驾驶员模块通过不同脑机接口类型产生的一系列与期望控制指令对应的脑电波信号,每种脑电波信号对应一个期望控制指令,即左转、右转、加速、减速和非控,分别用1、-1、2、-2和0表示,因此脑电信号生成模块的输出即为与1、-1、2、-2和0对应的脑电波信号,同样以1、-1、2、-2和0表示,将输入与输出对应即可。
6.根据权利要求3所述的适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:前述的脑机接口模块,输入为脑电信号生成模块的输出,为与脑控驾驶员模块期望控制指令对应的脑电波信号1、-1、2、-2和0,输出为对脑电信号分析处理后实际施加给车辆的控制指令,同样用1、-1、2、-2和0表示,前述脑机接口的正确率未达到100%,因此输入与输出并不是一一对应关系,设置概率模型,根据脑机接口的响应时间,设置延时模块。
7.根据权利要求3所述的一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:前述的控制模块,输入是脑机接口对脑电信号分析处理后的结果,即1、-1、2、-2和0,输出是实际施加给车辆的方向盘转角和踏板开度,设定每次速度指令对踏板开度的变化量和每次转向指令对方向盘转角的变化量,并限定方向盘转角和踏板开度的阈值。
8.根据权利要求3所述的一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:前述脑控驾驶员模块的相关参数,设置时脑控驾驶员的预瞄时间长于普通驾驶员的预瞄时间。
9.根据权利要求3所述的一种适用于不同脑机接口类型的脑控车辆系统建模与仿真方法,其特征在于:前述对仿真结果进行分析包括分析方向与速度综合控制的效果以及不同脑机接口类型的脑控车辆的动力学特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810052241.9A CN108287961A (zh) | 2018-01-18 | 2018-01-18 | 适用于不同脑机接口类型的脑控车辆系统建模与仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810052241.9A CN108287961A (zh) | 2018-01-18 | 2018-01-18 | 适用于不同脑机接口类型的脑控车辆系统建模与仿真方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108287961A true CN108287961A (zh) | 2018-07-17 |
Family
ID=62835221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810052241.9A Pending CN108287961A (zh) | 2018-01-18 | 2018-01-18 | 适用于不同脑机接口类型的脑控车辆系统建模与仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108287961A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111907446A (zh) * | 2019-05-08 | 2020-11-10 | 现代自动车株式会社 | 用于车辆的便利装置控制设备及其方法 |
US20210213958A1 (en) * | 2020-01-13 | 2021-07-15 | Ford Global Technologies, Llc | Vehicle computer command system with a brain machine interface |
CN113625597A (zh) * | 2021-08-04 | 2021-11-09 | 京东鲲鹏(江苏)科技有限公司 | 仿真车辆控制方法、装置、电子设备和存储介质 |
CN114089628A (zh) * | 2021-10-25 | 2022-02-25 | 西北工业大学 | 一种基于稳态视觉刺激的脑驱移动机器人控制系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
US20160224891A1 (en) * | 2010-02-18 | 2016-08-04 | The Board Of Trustees Of The Leland Stanford Junior University | Brain-Machine Interface Utilizing Interventions to Emphasize Aspects of Neural Variance and Decode Speed and Angle |
CN106901916A (zh) * | 2017-03-13 | 2017-06-30 | 上海大学 | 一种采用脑电信号控制的可行走座椅装置及其控制系统 |
-
2018
- 2018-01-18 CN CN201810052241.9A patent/CN108287961A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160224891A1 (en) * | 2010-02-18 | 2016-08-04 | The Board Of Trustees Of The Leland Stanford Junior University | Brain-Machine Interface Utilizing Interventions to Emphasize Aspects of Neural Variance and Decode Speed and Angle |
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
CN106901916A (zh) * | 2017-03-13 | 2017-06-30 | 上海大学 | 一种采用脑电信号控制的可行走座椅装置及其控制系统 |
Non-Patent Citations (3)
Title |
---|
LUZHENG BI等: "A shared controller for brain-controlled assistive vehicles", 《IEEE INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS》 * |
丁海涛等: "基于加速度反馈的任意道路和车速跟随控制驾驶员模型", 《机械工程学报》 * |
范新安: "脑—控车辆的人车交互及控制研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111907446A (zh) * | 2019-05-08 | 2020-11-10 | 现代自动车株式会社 | 用于车辆的便利装置控制设备及其方法 |
US20210213958A1 (en) * | 2020-01-13 | 2021-07-15 | Ford Global Technologies, Llc | Vehicle computer command system with a brain machine interface |
US11780445B2 (en) * | 2020-01-13 | 2023-10-10 | Ford Global Technologies, Llc | Vehicle computer command system with a brain machine interface |
CN113625597A (zh) * | 2021-08-04 | 2021-11-09 | 京东鲲鹏(江苏)科技有限公司 | 仿真车辆控制方法、装置、电子设备和存储介质 |
CN114089628A (zh) * | 2021-10-25 | 2022-02-25 | 西北工业大学 | 一种基于稳态视觉刺激的脑驱移动机器人控制系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108287961A (zh) | 适用于不同脑机接口类型的脑控车辆系统建模与仿真方法 | |
Li et al. | Fast online computation of a model predictive controller and its application to fuel economy–oriented adaptive cruise control | |
Tavernini et al. | Explicit nonlinear model predictive control for electric vehicle traction control | |
Wu et al. | Active tracking control for steer-by-wire system with disturbance observer | |
Dai et al. | Disturbance-observer based prescribed-performance fuzzy sliding mode control for PMSM in electric vehicles | |
Hedrick et al. | Multiple sliding surface control: theory and application | |
Zhao et al. | Precise active brake-pressure control for a novel electro-booster brake system | |
CN105825241B (zh) | 基于模糊神经网络的驾驶员制动意图辨识方法 | |
CN104462716B (zh) | 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 | |
Fang et al. | Explicit MPC motion cueing algorithm for real-time driving simulator | |
CN108491071B (zh) | 一种基于模糊控制的脑控车辆共享控制方法 | |
CN104932268A (zh) | 基于模糊pid的汽车巡航控制系统 | |
Saoud et al. | Contract based design of symbolic controllers for interconnected multiperiodic sampled-data systems | |
Gao et al. | Research on decision-making of autonomous vehicle following based on reinforcement learning method | |
Berger et al. | A universal model-free and safe adaptive cruise control mechanism | |
CN105186958B (zh) | 基于神经网络逆系统的五相容错永磁电机内模控制方法 | |
Chen et al. | An optimal washout filter design with fuzzy compensation for a motion platform | |
Zhao | Cruise control system based on joint simulation of CarSim and Simulink | |
CN112477880B (zh) | 一种无人驾驶汽车纵向控制方法 | |
CN111231984A (zh) | 一种四轮转向智能汽车伪解耦控制器及其控制方法 | |
Liu et al. | Design of driverless racing chassis based on MPC | |
CN116252790A (zh) | 一种提高自适应巡航舒适度的方法和装置 | |
Zhao et al. | An improved data-driven method for steering feedback torque of driving simulator | |
Park et al. | Deep reinforcement learning based dynamic proportional-integral (PI) gain auto-tuning method for a robot driver system | |
Bartels et al. | LPV torque vectoring for an electric vehicle using parameter-dependent Lyapunov functions |
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: 20180717 |