CN110584898A - 一种基于多传感器的脑控轮椅自动避障方法 - Google Patents

Abstract

本发明提出了数字信号处理领域内的一种基于多传感器的脑控轮椅自动避障方法，包括以下步骤：步骤1）利用脑电信号采集设备采集脑电信号，并对其进行放大，A/D转换，将其不同特征以数字信号存储；步骤2）将采集到的的信号特征传递给轮椅，驱动轮椅行进；步骤3）利用轮椅前部不同的传感器探测轮椅周边障碍物信号，将采集到的信号经过模糊关系算法和模糊参数优化方法进行处理，再传递至避障控制器；步骤4）避障控制器将不同传感器的数据进行融合处理，并将控制信息输出至轮椅控制器及驱动电机；步骤5）轮椅控制器及驱动电机根据控制信号实时转向避障，本发明减少了脑控轮椅事故率，从而保障脑控轮椅使用者的人身安全。

Description

一种基于多传感器的脑控轮椅自动避障方法

技术领域

本发明涉及一种轮椅，具体的说是一种轮椅避障方法，属于数字信号处理技术领域。

背景技术

随着全球各国生活水平以及医疗水平的提高，人口老龄化逐渐成为大部分国家需要认真考虑的问题，赡养老人也成为下一代很严重的压力问题。因此智能生活的需求十分迫切，身体的不健全导致的一些生活的不便利可以通过大脑活动来弥补。智能轮椅的发明为现代人们提供了一种新的思路。

对于严重神经或肌肉伤残的人来说，可以利用大脑的信息与计算机或其他设进行通信，因此在脑电信号的提取方面有一定的研究必要。

脑机接口是在人脑和计算机或其他电子设备之间建立一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的直接信息交流和控制通道，是一种全新的人机交互系统。对于遭受严重神经或肌肉伤残的人来说，可以利用脑机接口技术实现脑电信号与计算机或其他电子设备进行通信。以此为基础，设计出一种能为手脚不便的残疾人提供一个脑力驱动的轮椅系统，使用者无需手动操作操纵杆便可完成轮椅的前进、转向、停止等动作。

脑控轮椅的出现极大的方便了手脚不便的残疾人，但因脑电信号微弱，变化不易察觉，导致在轮椅控制方面不能够实时做出判断，所以单纯脑控轮椅的安全性得不到保障。因此，提高脑控轮椅安全性成为热门研究问题。在传感器快速发展的今天，利用传感器进行避障成为可能。超声传感器体积小、功率低、易于安装，与脑控轮椅结合，能够极大的提高脑控轮椅的安全性问题，大大降低脑控轮椅的事故率，保障脑控轮椅使用者的人身安全，因此，一种基于多传感器的脑控轮椅自动避障方法应运而生。

发明内容

本发明的目的是提供一种基于多传感器的脑控轮椅自动避障方法，减少脑控轮椅使用过程中与障碍物发生碰撞的概率，从而提升脑控轮椅使用过程中的安全性。

本发明的目的是这样实现的：一种基于多传感器的脑控轮椅自动避障方法，包括以下步骤：

步骤1)利用脑电信号采集设备采集脑电信号，并对其进行放大，A/D转换，将其不同特征以数字信号存储；

步骤2)将采集到的的信号特征传递给轮椅，驱动轮椅行进；

步骤3)利用轮椅前部不同的传感器探测轮椅周边障碍物信号，将采集到的信号经过模糊关系算法和模糊参数优化方法进行处理，再传递至避障控制器；

步骤4)避障控制器将不同传感器的数据进行融合处理，并将控制信息输出至轮椅控制器及驱动电机；

步骤5)轮椅控制器及驱动电机根据控制信号实时转向避障，以确保轮椅能够顺利通过障碍物。

作为本发明的进一步限定，步骤3)中模糊关系算法具体为，采用公式：

R＝LoD

式中：矩阵R表示障碍物距离和方向的模糊关系，矩阵L表示障碍物与轮椅的距离模糊关系，矩阵D表示传感器位置隶属度，o表示两个模糊集合的合成关系；

模糊矩阵的乘法采用查得算子，即min-max方法，设L＝(l_ij)_n×m，D＝(d_jk)_m×t，则R＝(r_ik)_n×t，r_ik可由下式得到：

式中，∪表示取最大(max)，∩表示取最小(min)，n为距离模糊语言集合元素个数，t为方向模糊语言集合元素的个数，m为传感器的个数。

作为本发明的进一步限定，所述模糊参数优化方法具体为：

采用带有高斯隶属函数、单值模糊器、乘积推理机和中心平均解模糊器设计的模糊控制系统，其设计式为：

式中，M为常数，为变量，其中表示模糊集中心，x表示输入，σ是待选取得高斯参数：

式中，e为拟合误差，x₀、y₀为给定的输入与输出，f(x₀)为给定的输入在设计的系统中产生的输出；当e最小时，可以确定参数若要求取得最小值，可根据导数来确定，故需求取下式的偏导数：

实用学习算法对y^-l、参数进行优化，

式中，q为学习次数，α为步长，将上述两方程组结合即可得到y^-l、的学习算法。

作为本发明的进一步限定，步骤2)中轮椅行进的设计策略是：主要依靠脑电信号中产生的控制信号实现移动的控制，使用单通道TGAM套件获得参考电压信号，使用干电极采集前额的脑电信号数据，并与参考信号进行比较和处理，获得需要的脑电信号数据结果进行其中两向运动的控制，另外两向运动使用脑电信号中的眼动信号进行分析，通过使用者简单的眨眼来控制左右转，轮椅控制系统测试中通过改变的电压大小来区分，轮椅中不同电压表示左转、右转、静止。

作为本发明的进一步限定，步骤3)中的传感器的放置方法是：采用方向开角为30°的超声传感器进行设计，在轮椅前端放置6个不同方向的超声传感器；超声传感器的原理是计算发射和接受声波信号的时间差，根据声波的传播速度，来计算障碍物的距离。。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本次发明设计的脑控轮椅自动避障系统可以实时提取人体的脑电数据及轮椅周边障碍物的位置信息，将模糊关系算法和模糊参数优化方法相结合，对轮椅的位置信息处理，大大提高了避障控制器对状态识别的准确性，本发明通过对处理后的位置信息的分析来轮椅所处的位置状态，当检测到轮椅所处位置在位置隶属度的范围之内时，会立即向避障控制器发送信号命令，驱动轮椅控制器及电机实时转向避障，提高脑控轮椅的安全性能，虽然系统设备都处在研究阶段，自动避障系统还只应用在实验的情况下，但为脑控轮椅使用中的安全性研究提供了新思路新想法，一旦这样一套脑控轮椅自动避障系统运用于实践中，就能够在很大程度上提高脑控轮椅的安全性，从而提升脑控轮椅使用过程中的体验感。

附图说明

图1为本发明工作流程图。

图2为本发明中脑控轮椅实物图。

图3为本发明中方向参数的隶属函数图。

图4为本发明中超声传感器的位置如图。

图5为本发明中不同场景实验路径图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

如图1所示的一种基于多传感器的脑控轮椅自动避障方法，包括以下步骤：

步骤1)利用脑电信号采集设备采集脑电信号，并对其进行放大，A/D转换，将其不同特征以数字信号存储；

步骤2)将采集到的的信号特征传递给轮椅，驱动轮椅行进；

步骤3)利用轮椅前部不同的传感器探测轮椅周边障碍物信号，将采集到的信号经过模糊关系算法和模糊参数优化方法进行处理，再传递至避障控制器；

步骤4)避障控制器将不同传感器的数据进行融合处理，并将控制信息输出至轮椅控制器及驱动电机；

步骤5)轮椅控制器及驱动电机根据控制信号实时转向避障，以确保轮椅能够顺利通过障碍物。

针对脑电信号驱动轮椅的需要，本发明使用TGAM模块，该模块主要用于采集和输出脑电频谱、脑电图信号质量、原始脑电图，三个主要的脑电参数：“专注度”，“放松度”以及Blink眨眼信号。利用神念科技公司的TGAM模块和脑电套件，通过脑电信号采集设备——ThinkGear脑电采集仪，此设备采集脑电信号时只需要一个简单的干电极接触点，因此它非常适用于玩具、视频游戏和健康设备中，同时它的功耗非常小，可以通过干电池供电，所以非常适合应用在便携式消费产品上；此外，在检测到轮椅即将碰到障碍物后，立即向避障控制器发送信号命令，驱动轮椅控制器及电机实时转向避障。

系统采用VC++6.0作为实验的开发环境，通过编写程序和使用TGAM芯片的软件开发包(SDK)进行数据的提取分析，控制轮椅行进；利用多传感器实时采集周围障碍物信息并传递给避障控制器，利用模糊关系算法和模糊参数优化方法将轮椅和障碍物的相对位置关系进行更精确的处理，处理后的数据信息能对控制器进行更精确的控制。避障控制器接收到相关信息时候，判断预设范围内是否有障碍物存在，若障碍物出现在障碍物危险范围，则立即向避障控制器发送信号命令，驱动轮椅控制器及电机实时转向避障。这样系统的工作流程可以概括为三步：提取数值、判断状态、对控制器传输控制命令，脑控轮椅自动避障系统设计的流程图，如图1所示。

实验过程具体如下：

实验对象及实验环境选择

因涉及到脑电信号采集，为了达到预期的实验效果，要求实验对象身体健康，无严重精神病史和精神病药物服用史，无任何与睡眠有关的疾病；并且要求实验对象在采集数据的前一天要做好休息；实验前的3个小时不要喝提神饮料，如浓茶、咖啡等；实验前的1个小时不做剧烈运动。采用两种障碍物不同放置的实验环境进行实验。

1.脑电信号采集及轮椅控制

脑电信号的采集设备采用NeuroSky公司的TGAM芯片制作而成，以512Hz采样频率采集脑电数据，采集脑电数据的频段在0～100Hz之间，脑电数据是连续的非平稳随机信号；我们使用单通道TGAM套件获得参考电压信号，使用干电极采集前额的脑电信号数据，并与参考信号进行比较和处理，获得我们需要的脑电信号数据结果进行其中两向运动的控制；另外两向运动使用脑电信号中的眼动信号进行分析，通过使用者简单的眨眼来控制左右转。轮椅控制系统测试中通过改变的电压大小来区分，轮椅中不同电压表示左转、右转、静止等。2.传感器信号采集及处理。本次使用的轮椅实物如图2所示。

轮椅前端6个传感器实时采集周围环境信息，通过模糊关系算法以及模糊参数优化方法对采集到的的信息进行处理，具体如下：

模糊关系算法具体为，采用公式：

R＝LoD

式中：矩阵R表示障碍物距离和方向的模糊关系，矩阵L表示障碍物与轮椅的距离模糊关系，矩阵D表示传感器位置隶属度，o表示两个模糊集合的合成关系。图2为方向参数的隶属函数图，我们根据传感器不同角度的放置，将图形数值化，即可得到位置隶属度矩阵D。

模糊矩阵的乘法采用查得算子，即min-max方法。设L＝(l_ij)_n×m，D＝(d_jk)_m×t，则R＝(r_ik)_n×t，r_ik可由下式得到：

式中，∪表示取最大(max)，∩表示取最小(min)。n为距离模糊语言集合元素个数，t为方向模糊语言集合元素的个数，m为传感器的个数。

模糊参数优化方法具体为：

采用带有高斯隶属函数、单值模糊器、乘积推理机和中心平均解模糊器设计的模糊控制系统，其设计式为：

式中，M为常数，为变量。其中表示模糊集中心，x表示输入，σ是待选取得高斯参数。

式中，e为拟合误差，x₀、y₀为给定的输入与输出，f(x₀)为给定的输入在设计的系统中产生的输出。当e最小时，可以确定参数若要求取得最小值，可根据导数来确定，故需求取下式的偏导数：

实用学习算法对y^-l、参数进行优化，

式中，q为学习次数，α为步长。将上述两方程组结合即可得到y^-l、的学习算法。

使用模糊关系算法对传感器信号进行处理，通过模糊参数优化方法对信号进行进一步优化，使得避障控制更精确，效果如图5所示

3.传感器放置与避障控制器控制处理

传感器采用如图4的方式放置，从右至左依次为1-6号传感器，每个传感器中心角度间隔为25°。避障控制器进行信号处理并规划行驶路径，对行驶路径中出现的障碍物信号进行算法识别；超声波传感器不断地进行测距，通过超声波辅助摄像头进行双重传感器融合避障信息，传感器信号传到避障控制器，控制器控制舵机进行转向和驱动电机，从而完成避障动作。

4.系统检测与出具分析

设计好脑控轮椅自动避障系统的每个主要部分之后，将各部件组合起来进行调试，使之能够正常运行，同时要测试系统的可行性。

在实验中，我们设方向模糊语言集合如下：R(右)、LR(右偏)、F(前)、LL(左偏)、L(左)；方向参数的隶属函数如图3所示。横坐标表示方向角度大小、纵坐标表示隶属度。

轮椅前端超声传感器的位置如图4所示，1-6号传感器每个传感器中心角度间隔为25°，根据超声传感器的方向开角和排列位置，可得出超声传感器的位置隶属度表，见表1：

表1：传感器位置隶度表

得到传感器位置隶度表之后，我们就可以用上述的模糊关系算法对传感器信号进行处理，在通过模糊参数优化方法对信息进行优化，进而对脑控轮椅避障进行更优的控制。

通过实验，我们可以绘制出轮椅避障的路径图，如图5所示。从图中我们可以看出，脑控轮椅在遇到障碍物时能够正确做出转向操作，避免触碰障碍物，虽然在某些情况下非实时响应导致距障碍物过近的情况，但不影响整体的设计要求，能够达到我们期望的效果。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种基于多传感器的脑控轮椅自动避障方法，其特征在于，包括以下步骤：

步骤1)利用脑电信号采集设备采集脑电信号，并对其进行放大，A/D转换，将其不同特征以数字信号存储；

步骤2)将采集到的的信号特征传递给轮椅，驱动轮椅行进；

步骤3)利用轮椅前部不同的传感器探测轮椅周边障碍物信号，将采集到的信号经过模糊关系算法和模糊参数优化方法进行处理，再传递至避障控制器；

步骤4)避障控制器将不同传感器的数据进行融合处理，并将控制信息输出至轮椅控制器及驱动电机；

步骤5)轮椅控制器及驱动电机根据控制信号实时转向避障，以确保轮椅能够顺利通过障碍物。

2.根据权利要求1所述的一种基于多传感器的脑控轮椅自动避障方法，其特征在于，步骤3)中模糊关系算法具体为，采用公式：

R＝LoD

式中：矩阵R表示障碍物距离和方向的模糊关系，矩阵L表示障碍物与轮椅的距离模糊关系，矩阵D表示传感器位置隶属度，o表示两个模糊集合的合成关系；

模糊矩阵的乘法采用查得算子，即min-max方法，设L＝(l_ij)_n×m，D＝(d_jk)_m×t，则R＝(r_ik)_n×t，r_ik可由下式得到：

式中，∪表示取最大(max)，∩表示取最小(min)，n为距离模糊语言集合元素个数，t为方向模糊语言集合元素的个数，m为传感器的个数。

3.根据权利要求2所述的一种基于基于多传感器的脑控轮椅自动避障方法，其特征在于，所述模糊参数优化方法具体为：

采用带有高斯隶属函数、单值模糊器、乘积推理机和中心平均解模糊器设计的模糊控制系统，其设计式为：

式中，M为常数，为变量，其中表示模糊集中心，x表示输入，σ是待选取得高斯参数：

式中，e为拟合误差，x₀、y₀为给定的输入与输出，f(x₀)为给定的输入在设计的系统中产生的输出；当e最小时，可以确定参数若要求取得最小值，可根据导数来确定，故需求取下式的偏导数：

实用学习算法对y^-l、参数进行优化，

式中，q为学习次数，α为步长，将上述两方程组结合即可得到y^-l、的学习算法。

4.根据权利要求1所述的一种基于多传感器的脑控轮椅自动避障方法，其特征在于，步骤2)中轮椅行进的设计策略是：主要依靠脑电信号中产生的控制信号实现移动的控制，使用单通道TGAM套件获得参考电压信号，使用干电极采集前额的脑电信号数据，并与参考信号进行比较和处理，获得需要的脑电信号数据结果进行其中两向运动的控制，另外两向运动使用脑电信号中的眼动信号进行分析，通过使用者简单的眨眼来控制左右转，轮椅控制系统测试中通过改变的电压大小来区分，轮椅中不同电压表示左转、右转、静止。

5.根据权利要求1所述的一种基于多传感器的脑控轮椅自动避障方法，其特征在于，步骤3)中的传感器的放置方法是：采用方向开角为30°的超声传感器进行设计，在轮椅前端放置6个不同方向的超声传感器；超声传感器的原理是计算发射和接受声波信号的时间差，根据声波的传播速度，来计算障碍物的距离。