一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法制造方法及图纸

本发明专利技术涉及一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法，利用脑机接口BCI信号采集设备采用渐冻症ALS患者群体用户的脑电信号；利用主计算单元用于人工智能模式识别计算，实现对采集后的脑电信号数据进行特征提取及信号分析；获得大脑行动指令的识别分类结果；根据大脑不同的行动指令状态对智能移动装置中的电机驱动控制系统进行指令编码。本发明专利技术基于可穿戴便携式BCI设备，通过对大脑神经信号的采集和监测，采用人工智能算法自动化识别分类用户的行走意图，并且将大脑信号转变为移动装置的行走指令，从而实现ALS不能自主行走的问题。能自主行走的问题。能自主行走的问题。

【技术实现步骤摘要】
一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法


[0001]本专利技术涉及脑科学EEG、BCI和人工智能技术结合的移动机器人控制
，具体涉及一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法。

技术介绍

[0002]当前大部分能够用于ALS患者移动的装置主要为普通轮椅，对应的已有移动轮椅结构设计为手动助力设置，在力传动方面主要借助外界人力(看护人员和使用者本人的力驱动)的作用力来进行移动控制。
[0003]除了普通机械传动轮椅，部分轮椅安装了电池驱动传动装置，在电池驱动的作用力下，可以进行直线上的自动化移动控制，也能够用于ALS患者使用。
[0004]目前市场上尚不存在高度智能的轮椅设备和技术方案，当前存在的自动化轮椅技术，都是基于电机驱动的机械自动化设计方案进行，而且需要外界操作人员进行指令发布。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法，可以根据渐冻症患者自己的大脑意念想法对轮椅进行自动化移动控制的智能轮椅。
[0006]为实现以上目的，本专利技术第一方面提供一种基于脑机接口设备控制的ALS患者使用智能移动装置，包括智能移动轮椅、主计算单元、信号处理单元，电机驱动控制系统，供电系统、脑机接口BCI信号采集设备和可视化交互控制屏；
[0007]所述供电系统用于给所述智能移动轮椅提供电能；所述主计算单元设置在所述智能移动轮椅上；所述脑机接口BCI信号采集设备用于采用渐冻症ALS患者群体用户的脑电信号；所述信号处理单元，所述电机驱动控制系统，所述脑机接口BCI信号采集设备和所述可视化交互控制屏分别与所述主计算单元电连接；所述可视化交互控制屏设置在所述智能移动轮椅的背面和/或正前方。优选的，还包括紧急制动锁装置，所述紧急制动锁装置与所述主计算单元电连接。优选的，还包括云端数据平台，所述云端数据平台与智能移动轮椅上的主计算单元通信连接。
[0008]本专利技术第二方面提供一种基于脑机接口设备控制的ALS患者使用智能移动装置控制方法，其特征在于：该控制方法采用上述智能移动装置，其至少包括如下步骤：
[0009]S1、利用脑机接口BCI信号采集设备采用渐冻症ALS患者群体用户的脑电信号；
[0010]S2、利用主计算单元用于人工智能模式识别计算，实现对采集后的脑电信号数据进行特征提取及信号分析；
[0011]S3、获得大脑行动指令的识别分类结果；
[0012]S4、根据大脑不同的行动指令状态对智能移动装置中的电机驱动控制系统进行指令编码。
[0013]进一步的，在步骤S2中主计算单元基于不同行动意图构建对应大脑神经信号控制指令数据集，并且通过机器学习和深度学习算法模型分别训练分类模型识别对应指令。
[0014]进一步的，还包括如下步骤：
[0015]降噪去伪：将采集到的数据进行采用滤波算法对原始数据进行滤波，过滤其中的高频、低频伪迹，以及工频干扰噪音和眼电噪音，得到稳定分布的脑电信号；
[0016]频仪转换：对脑电信号进行傅里叶变换或者小波变换，计算不同频率不同频段波的能量分布密度；
[0017]提取时间分布特征值：计算主要特征波段信号数据，并计算其特征与数据趋势分布趋势，选取合理区间将其作为对应时间段下的特征值作为模型计算输入值；
[0018]模型识别分类：将特征值送入算法模型中进行模型识别分类，检测用户此时的动作指令。
[0019]进一步的，将脑机接口BCI信号采集设备与可编程控制传动的智能移动装置相连接，并且在轮椅座位下方主计算单元进行数据处理，实现信号采集后的计算并且对大脑识别分类结果进行传动指令以进行脑机信号控制编码设置，通过不同阈值和不同状态意图对应的移动指令进行智能移动装置的行动控制。
[0020]进一步的，具体至少步骤包括：
[0021]对大脑行动指令的分类主要为，集中状态，情绪状态，运动想象状态；
[0022]基于大脑信号不同指令状态对轮椅行动驱动电机进行指令编码，主要指令为前行，后移动，左转，右转，加速，减速，停止。
[0023]进一步的，根据集中状态，其包括集中与不集中；还有情绪状态，其包括喜怒哀乐，进行初级控制编码；
[0024]进一步根据运动想象状态，其包括行走、跑步以及飞翔，进行高级控制编程；
[0025]最后基于大脑信号不同指令状态对轮椅行动驱动电机进行指令编码，实现对智能移动轮椅的运动控制。
[0026]进一步的，所述可视化交互控制屏上能够进行移动状态显示与用户意念状态显示。
[0027]进一步的，所述控制方法中额外配置机械制动装置，在检测到异常行动后进行自主制动和后台自主报警系统，实现特殊情形外界干预感知制动功能。
[0028]进一步的，在进行个体训练与适配过程中，在设备装置第一次使用时，实时将用户的数据特征传回到后台数据库，纳入到算法模型进行自动校正。
[0029]本专利技术采用以上技术方案，至少具备以下有益效果：
[0030]本专利技术基于可穿戴便携式BCI设备，通过对大脑神经信号的采集和监测，采用人工智能算法自动化识别分类用户的行走意图，并且将大脑信号转变为移动装置的行走指令，从而实现ALS不能自主行走的问题。
[0031]本专利技术可以通过脑机接口技术结合人工智能算法让ALS可以根据自己的大脑意念想法对轮椅进行自动化移动控制；
[0032]本方案通过对ALS患者大脑神经信号的采集和分析，识别其要表达的移动指令，从而实现让轮椅根据使用者的意图自主进行移动和控制，方便无法较好使用肌肉控制力渐冻症患者ALS用户自主使用；
[0033]本专利技术是基于模式识别策略对大脑EEG及EMG信号使用机器学习算法进行分类监测，从而基于分类指令，进行人机交互设计，实现轮椅的意念控制自主行驶功能。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1是本专利技术智能轮椅装置结构示意图之一；
[0036]图2是本专利技术智能轮椅装置结构示意图之二；
[0037]图3是本专利技术神经信号数据处理流程图之一；
[0038]图4是本专利技术神经信号数据处理流程图之二；
[0039]图5是本专利技术BCI与移动装置交互控制屏显示示意图；
[0040]图6是本专利技术BCI与移动装置指令识别系统示意图；
[0041]图7是本专利技术异常干预与制动机械装置示意图。
具体实施方式
[0042]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑机接口设备控制的ALS患者使用智能移动装置，其特征在于：包括智能移动轮椅、主计算单元、信号处理单元，电机驱动控制系统，供电系统、脑机接口BCI信号采集设备和可视化交互控制屏；所述供电系统用于给所述智能移动轮椅提供电能；所述主计算单元设置在所述智能移动轮椅上；所述脑机接口BCI信号采集设备用于采用渐冻症ALS患者群体用户的脑电信号；所述信号处理单元，所述电机驱动控制系统，所述脑机接口BCI信号采集设备和所述可视化交互控制屏分别与所述主计算单元电连接；所述可视化交互控制屏设置在所述智能移动轮椅的背面和/或正前方；还包括紧急制动锁装置，所述紧急制动锁装置与所述主计算单元电连接；还包括云端数据平台，所述云端数据平台与智能移动轮椅上的主计算单元通信连接。2.一种基于脑机接口设备控制的ALS患者使用智能移动装置控制方法，其特征在于：该控制方法采用上述智能移动装置，其至少包括如下步骤：S1、利用脑机接口BCI信号采集设备采用渐冻症ALS患者群体用户的脑电信号；S2、利用主计算单元用于人工智能模式识别计算，实现对采集后的脑电信号数据进行特征提取及信号分析；S3、获得大脑行动指令的识别分类结果；S4、根据大脑不同的行动指令状态对智能移动装置中的电机驱动控制系统进行指令编码。3.根据权利要求2所述的控制方法，其特征在于：在步骤S2中主计算单元基于不同行动意图构建对应大脑神经信号控制指令数据集，并且通过机器学习和深度学习算法模型分别训练分类模型识别对应指令。4.根据权利要求3所述的控制方法，其特征在于：还包括如下步骤：降噪去伪：将采集到的数据进行采用滤波算法对原始数据进行滤波，过滤其中的高频、低频伪迹，以及工频干扰噪音和眼电噪音，得到稳定分布的脑电信号；频仪转换：对脑电信号进行傅里叶变换或者小波变换，计算不同频率不同频段波的能量分...

【专利技术属性】
技术研发人员：杨洵哲，崔丽英，刘明生，卢树强，张倬瑞，
申请(专利权)人：北京姬械机科技有限公司，
类型：发明
国别省市：