一種基于人-車-路模型的腦-控車輛的腦-機接口參數和動力學參數設計方法
【專利摘要】本發明的目的是提出一種基于人-車-路模型的腦-控車輛的腦-機接口參數和動力學參數設計方法，主要應用于腦-控車輛動力學參數設計、腦-控識別模型的參數設計以及腦-控駕駛性能測試。本發明借助于虛擬仿真平臺，考慮駕駛員的駕駛特性，對設置的腦-控車輛的動力學參數和腦-機接口參數進行測試。該系統包括：人-車-路模型和信息儲存模塊。其中人-車-路模型包括：腦-控駕駛員模型、BCI識別模型、控制規則、執行器模型、車輛模型以及虛擬道路環境模塊。系統模擬的是腦-控駕駛車輛的過程，通過改變車輛動力學參數、識別模型的參數，獲得車輛狀態響應，并對其進行分析,優化車輛動力學和識別模型參數，為個性化腦-控車輛設計提供基礎。
【專利說明】一種基于人-車-路模型的腦-控車輛的腦-機接口參數 和動力學參數設計方法

【技術領域】
[0001] 本發明涉及一種基于人-車-路模型的腦-控車輛的腦-機接口參數和動力學參 數設計方法。具體是指，結合腦-控駕駛員車輛駕駛模型、車輛動力學模型以及道路模型建 立基于運動控制的人-車-路模型。通過調整腦-控駕駛員的特性一一腦-控的準確度和 響應時間以及車輛的動力學參數（如：車重、軸距、轉向慣量等），分析腦-控車輛的駕駛性 能。為腦-控車輛的腦-機接口參數和動力學參數設計以及應用提供依據。本發明屬于認 知神經科學、信息【技術領域】和車輛工程領域的綜合應用。

【背景技術】
[0002] 汽車的誕生提高了人們的交通和運輸效率，豐富了人們的生活，改變了人們的出 行方式。隨著經濟的快速增長和車輛生產技術的迅猛發展，車輛的持有量不斷增加，地域之 間的距離也在不斷的縮小。但是，對于肢體正常的人而言，在經過一定的訓練之后，均能夠 比較安全可靠的實現對車輛的駕駛。然而，對于肢體運動障礙的患者而言，能夠到室外進行 活動，則成為了其很難實現的夢想。
[0003] 現有的助殘移動設備中，主要輪椅為主。普通的輪椅需要有外力推動輪椅進行移 動，或者通過輪椅使用者自身轉動輪椅的雙輪進行移動；而智能輪椅以電動輪椅為基礎，在 傳統的電動輪椅的基礎上，增加了各種計算控制單元，傳感檢測單元等智能設備，通過計算 控制單元將手柄控制電壓的變化信號傳輸給電機，實現對智能輪椅的控制。然而對于四肢 均不能有效操作的高位截癱患者而言，操作手柄也是一件很困難的事情。因此研宄者根據 不同的人群，研發出不同的適合各種人群的智能輪椅，如：適合肢體能動性比較好的人群的 操作桿控制、按鍵控制等方式，適合肢體能動性比較差的人群的語音控制、肌電信號控制以 及腦電控制等方式。
[0004] 基于腦電的控制方式，直接建立了人大腦和被控物理設備（例如智能輪椅）之間 的溝通，能夠將用戶的意圖直接通過大腦傳遞給運動控制單元。實現完全不通過肢體運動 或其它身體運動的對外界物理設備的控制。能夠滿足肢體嚴重運動障礙者移動的需求。為 了能夠進一步提高肢體殘疾患者的移動能力，研宄者在腦-控輪椅研宄的基礎上提出了 腦-控車輛的概念，并采用傳統的車輛實現了腦電信號對車輛的運動控制。
[0005] 為了能夠比較快速方面的分析車輛的駕駛性能，現有的研宄者對正常駕駛員駕駛 車輛進行建模，通過模型中各種參數的調整，分析各種不同的駕駛任務，不同駕駛風格以及 不同特性的車輛情況下的車輛駕駛性能。而現有的腦-控車輛運動控制的實現旨在說明采 用腦電信號控制車輛運動的可行性。腦-控車輛作為適用于特殊人群的一種高速移動設 備，現有的研宄成果均沒有給出一種方法對腦-控駕駛員的要求、車輛使用的要求以及車 輛結構設計的要求提供指導。在這一領域中，基于腦-控駕駛員模型的腦-控車輛駕駛性 能測試方法還是一個空白。
[0006] 綜上所述，如果能夠對腦-控駕駛過程進行建模，就可以通過模型中的各項參數 的調整，來模擬不同的駕駛員條件、車輛特性等，為腦-控車輛駕駛性能的測試提供理論依 據，更有利于腦-控車輛的使用和推廣。


【發明內容】

[0007] 本發明的目的是提出一種基于人-車-路模型的腦-控車輛的腦-機接口參數和 動力學參數設計方法。該方法主要應用于腦-控車輛的動力學參數設計、腦-控識別模型的 參數選擇以及腦-控駕駛性能測試，借助于虛擬仿真平臺，考慮腦-控駕駛員的駕駛特性， 對腦-控車輛的動力學參數以及腦-機接口參數進行測試。
[0008] 該測試方法及系統包括人-車-路模型和信息儲存模塊。其中人-車-路模型包 括：腦-控駕駛員模型、BCI識別模型、控制規則、執行器模型、車輛模塊以及虛擬測試道路 環境模塊。
[0009] 腦-控駕駛員模型模擬腦-控駕駛員決策腦-控駕駛的操作；BCI識別模型模擬 駕駛員進行具體的BCI操作；控制規則用于實現將定性的控制命令轉化為具體的控制量； 執行器模型用于執行由控制規則獲得控制量，實現對方向盤的轉動；車輛模型則是由專業 的汽車軟件提供的14自由度的汽車模型，該模型用于模擬真車；虛擬測試道路環境模塊是 根據不同的設計要求，通過虛擬現實建立測試所需的道路和路況。
[0010] 信息儲存模塊，采集和儲存仿真測試過程中的數據；腦-控駕駛員模型模擬人在 駕駛過程中對轉向系統的輸入。腦-控車輛的駕駛性能是本發明方法的測試對象。
[0011] 其中腦-控駕駛員模型主要包括預瞄模塊、預測模塊、方向盤轉角增量決策模塊 以及預期控制命令決策模塊。方向盤轉角增量決策模塊是根據預瞄模塊得到的預期軌跡和 預測模塊計算的汽車行駛的預測軌跡之間的偏差，經ro控制決策出具體的轉角增量，然后 由控制策略決策出預期的控制命令，最終實現對BCI識別模塊的輸入。
[0012] BCI識別模型主要包括數據庫、數據庫的調用以及識別算法三部分。數據庫是根據 不同的用戶分別采集每一位用戶的原始腦電信號建立的；然后根據預期控制命令決策模塊 決策出的預期控制命令調用相應的腦電數據；最后由識別算法實現對該數據的處理分析以 及控制命令的輸出。
[0013] 控制規則是用于將由BCI識別模型獲得定性的控制命令轉化為具體的控制量，并 由執行器模塊完成該控制量的執行。
[0014] 整個方法模擬的是人在腦-控駕駛過程中對車輛側向系統控制性能的測試。 腦-控駕駛員模型代替真實駕駛員，它通過道路信息和車的狀態信息決策出所需要進行的 BCI操作，如：左轉、右轉、加速、減速等。BCI模型代替實際操作中的BCI處理過程，根據駕 駛員模型決策出的期望的BCI操作調用相應的腦電數據并處理，獲得定性的控制命令。最 終通過控制規則以及執行器模型實現對車輛的側縱向控制。整個控制過程中汽車的響應則 反映了腦-控車輛的性能。
[0015] 應用上述測試系統對腦-控車輛腦-機接口參數設計和動力學參數設計方法主要 包括以下幾個步驟：
[0016] 步驟1，根據Carsim中的車體參數的設置，通過Carsim設置14自由度的車輛動力 學模型，將車輛的動力學參數（如：車重、軸距、轉向慣量等）作為仿真時的變量；
[0017] 步驟2,根據不同的使用者，建立不同的腦電信號數據庫，并將BCI仿真中可以調 整的參數（即：響應時間、準確度等）作為仿真時的變量；
[0018] 步驟3,根據不同的設計要求，選擇不同的測試道路；
[0019] 步驟4,將車輛動力學模型中不同的參數、BCI模型中涉及到的參數以及測試道路 的信息輸入給測試系統分別進行測試；
[0020] 步驟5,在測試完畢之后，對測試過程中車輛的狀態響應進行采集儲存；最后對結 果進行分析，針對數據庫對應的用戶制定最優的腦-控車輛的腦-機接口參數以及動力學 參數方案。
[0021] 其中，對車輛動力學模型中所需要設計的不同參數，按照要求進行修改。在保障 BCI模型參數（S卩：響應時間、準確度）確定的情況下，每修改一次參數，腦-控車輛的控制 性能將發生相應的改變，系統則會得到對應不同參數的車輛狀態響應，如：運行軌跡、側向 速度、側向加速度、橫擺角等；同時也可選取不同的測試道路和車輛行駛的速度進行測試。 結合上述兩種測試方法，通過對測試結果的分析，選取適合設計要求的動力學模型參數組 合，從而對腦-控車輛的進行輔助設計。
[0022] 其中BCI模型參數設計，是在給定的車輛動力學結構的情況下，通過分析不同BCI 響應時間情況下的車輛狀態響應，選擇不同的測試道路和車輛行駛速度進行測試。綜合分 析測試結果，選擇最合適的BCI響應時間，從而對腦-控車輛中BCI的識別過程的參數設置 進行優化，提高腦-控車輛控制的性能。
[0023] 本發明主要應用在于腦-控車輛動力學系統所涉及參數的設計，以及腦-控車輛 BCI識別系統的設計，利用腦-控駕駛員模型代替腦-控駕駛員在虛擬環境中檢測系統性 能。由于該方法是在仿真平臺上進行，因此能夠初步確定出腦-控車輛的動力學結構以及 對BCI識別過程進行優化，減少了試制樣機帶來的資金浪費和研發周期。

【專利附圖】

【附圖說明】
[0024] 圖1是本發明方法的總體框圖
[0025] 圖2是腦-控駕駛員決策模型的結構圖
[0026] 圖3是服務器F中駕駛員預瞄模型框圖
[0027] 圖4是是蛇形測試道路
[0028] 圖5是BCI仿真過程
[0029] 圖6是數據更新過程
[0030] 圖7是是本發明方法的測試方法流程圖
[0031 ] 如圖所示，為了能明確實現本發明的實施例的結構，在圖中標注了特定的結構和 器件，但這僅為示意需要，并非意圖將本發明限定在該特定結構、環境中，根據具體需要，本 領域的普通技術人員可以將這些器件和環境進行調整或者修改，所進行的調整或者修改仍 然包括在后附的權利要求的范圍中。

【具體實施方式】
[0032] 下面結合附圖和具體實施例對腦-控車輛動力學系統參數的輔助設計以及BCI識 別系統參數的輔助設計方法進行詳細描述。
[0033] 同時，在這里加以說明的是，為了使實施例更加詳盡，下面的實施例為最佳、優選 實施例，對于一些公知技術本領域技術人員也可采用其他替代方式而進行實施；而且附圖 部分僅是為了更具體的描述實施方法，而并不旨在對本發明進行具體的限定。
[0034] 本發明涵蓋任何在本發明的精髓和范圍上做的替代、修改、等效方法以及方案。為 了使公眾對本發明有徹底的了解，在以下本發明優選實施例中詳細說明了具體的細節，而 對本領域技術人員來說沒有這些細節的描述也可以完全理解本發明。另外，為了避免對本 發明的實質造成不必要的混淆，并沒有詳細說明眾所周知的方法、過程、流程等。
[0035] 本發明該測試系統包括：駕駛員模型（腦-控操作者模型）、BCI識別模型、控制規 則（模型）、執行器（電機）、車輛模型以及虛擬測試道路環境模塊。各模塊組成的測試系 統見圖1。
[0036] 根據【專利附圖】

【附圖說明】如下：
[0037] (一）腦-控駕駛員模型
[0038] 啟動matlab中的simulink模塊建立腦-控駕駛員模型。其建立過程可參照專利 申請號為201210219920. 3專利，該申請中介紹的駕駛員模型是基于正常駕駛員建立的。 本申請的駕駛員模型是基于腦-控駕駛員建立的，兩者不同在于運動執行部分，腦-控駕駛 員的運動執行功能喪失。為對具體實施過程更加清晰易懂，敘述具有邏輯性，本申請只對與 201210219920. 3專利有差異的部分進行詳細介紹，其余部分簡要介紹即可。
[0039] 腦-控駕駛員模型建立在排隊網絡認知體系上，根據人的腦-控駕駛特性將 腦-控駕駛員模型分成三部分：感知部分模塊、認知部分模塊和預期控制命令決策模塊，見 圖2。在腦-控駕駛員模型控制汽車追蹤預期軌跡的同時，它能夠準確地仿真真實腦-控 駕駛員的駕駛特性和生理局限。圖2是本發明腦-控駕駛員決策模型的結構圖。圖3是 腦-控駕駛員決策模型中服務器F中駕駛員預瞄模型框圖，主要模擬的是腦-控駕駛員在 駕駛過程中的駕駛決策機理，它包括預瞄模塊、預測模塊、比較模塊、決策模塊等。
[0040] 預瞄模塊的輸入是測試中汽車按要求遵循的道路軌跡，也就是測試中的測試道 路。預測模塊根據汽車狀態信息（例如，橫擺角、側縱向坐標、縱向加速度、側向加速度、側 向速度，縱向速度等），計算汽車行駛的預測軌跡。比較模塊將預期軌跡與預測軌跡進行比 較，獲得并輸出偏差參數（在本發明中，包括側向位置偏差R、側向加速度、側加速度導數 等），決策模塊根據所差通過ro控制獲得駕駛員期望方向盤轉角。
[0041] 決策模塊用于計算出期望的控制輸入（期望的方向盤轉角的改變量λ Θ SW)保障 車輛能夠巡期望軌跡行駛。期望的側向加速度ay (假設在預瞄時間內為定值）可以通過公 式1獲得：

【權利要求】
1. 一種基于人-車-路模型的腦-控車輛的腦-機接口參數和動力學參數設計方法， 主要應用于腦-機接口參數和動力學參數設計，并能夠根據該模型進行腦-控駕駛性能測 試，借助于虛擬仿真平臺，考慮腦-控駕駛員的駕駛特性，對腦-控車輛的動力學參數W及 腦-機接口參數進行測試。
2. 根據權利要求1所述的基于人-車-路模型的腦-控車輛的腦-機接口參數和動力 學參數設計方法包括：人-車-路模型和信息儲存模塊。其中人-車-路模型包括；腦-控 駕駛員模型（腦-控操作者模型）、BCI識別模型、控制規則（模型）、執行器（電機）模型、 車輛模型W及虛擬測試道路環境模塊。
3. 根據權利要求2所述，腦-控駕駛員模型模擬腦-控駕駛員決策腦-控駕駛的操 作；BCI識別模型模擬駕駛員進行具體的BCI操作；控制規則用于實現將定性的控制命令轉 化為定量的控制量；執行器模型用于執行由控制規則產生的控制量，實現對方向盤的轉動； 車輛模型則是由專業的汽車軟件提供的14自由度的汽車模型，該模型用于模擬真車；虛擬 測試道路環境模塊是根據不同的設計要求，通過虛擬現實建立測試所需的道路和路況。
4. 根據權利要求2所述，信息儲存模塊用于采集和儲存仿真測試過程中的數據； 腦-控駕駛員模型模擬人在腦-控駕駛過程中對車輛的輸入。
5. 根據權利要求2所述，BCI識別模型主要包括數據庫、數據庫的調用W及識別算法= 部分。數據庫是根據不同的用戶分別采集每一位用戶的原始腦電信號建立的；然后根據預 期控制命令決策模型決策出的預期控制命令調用相應的腦電數據；最后由識別算法模型實 現對該數據的處理分析W及控制命令的輸出。
6. 根據權利要求2所述，控制規則是用于將由BCI識別模型獲得定性的控制命令轉化 為具體的控制量，并由執行器模型完成該控制量的執行。
7. 根據權利要求1所述，整個腦-控車輛的腦機接口參數設計和動力學參數設計方法 主要包括W下幾個步驟： 步驟1，根據Carsim中的車體參數的設置，通過Carsim設置14自由度的車輛動力學模 型，將車輛的動力學參數（如；車重、軸距、轉向慣量等）作為仿真時的變量； 步驟2,根據不同的使用者，建立不同的腦電信號數據庫，并將BCI仿真中可W調整的 參數（即；響應時間、準確度）作為仿真時的變量； 步驟3,根據不同的設計要求，選擇不同的測試道路； 步驟4,將車輛動力學模型中的參數、BCI模型中設及到的參數W及測試道路的信息輸 入給測試系統分別進行測試； 步驟5,在測試完畢之后，對測試過程中車輛的狀態響應進行采集儲存；最后對結果進 行分析，針對數據庫對應的用戶制定最優的腦-控車輛的腦-機接口參數W及動力學參數 方案。
8. 根據權利要求7所述，車輛動力學模型中需要設計的不同參數（如；車重、軸距、轉 向慣量等）W及BCI參數的設置（即；響應時間、準確度），按照設計要求進行修改。 綜合考慮車輛動力學模型中參數的設計，W及BCI參數的設置，通過對測試的結果進 行分析，選擇合適的參數組合，針對每一位用戶設計個性化的腦-控車輛系統。
【文檔編號】G06F17/50GK104462716SQ201410816042
【公開日】2015年3月25日 申請日期:2014年12月23日 優先權日:2014年12月23日
【發明者】畢路拯, 范新安, 王明濤, 滕騰, 陸赟 申請人:北京理工大學