基于Petri网的移动机器人脑机协同控制方法和系统与流程

本发明涉及脑机接口领域，特别是指一种基于petri网的移动机器人脑机协同控制方法和系统。

背景技术：

脑机接口(brain-computerinterface,bci)是一种新的人机交互方式，能够不借助语言和肢体动作直接通过大脑控制外部设备。脑控机器人系统把bci系统和机器人系统相结合，通过采集用户的脑电信号对机器人进行实时控制，是bci的一个重要研究方向。脑控机器人技术在残疾人康复领域有着重要的应用，可以为那些具有正常思维能力，但运动控制方面存在严重问题的人提供一种有效的辅助控制手段。此外，脑控机器人技术在军事、民用以及娱乐等方面均有着重大的研究意义。

最初脑控机器人的研究倾向于直接控制的方法，但是直接脑控机器人存在控制效率低，并且容易使用户疲劳等缺点。因此，有人提出了将机器智能与bci技术相结合的共享控制方法。共享控制的引入使得脑控机器人的控制效率大大提高，并且有效地减轻了用户的思维负担。但由于应用场景的复杂化、突发事件、以及脑电指令的延时等因素，人的智能和机器智能可能会出现决策上的冲突，并且采用不同的共享控制策略也会对脑控机器人系统的运行效率产生重要的影响。

为了实现更好的共享控制效果，选择一种适当的模型来描述脑控机器人系统的特性和行为尤为重要。脑控机器人系统是一个动态、不确定、随机且不可完全观测的系统；而且系统的状态数随着单元个数的增加指数级增长，存在“状态空间爆炸”问题。

petri网是一种能对异步、并发、动态系统进行模拟和处理的图形化、数学化的建模工具，并且具有结构化建模优点，可用较小的结构描述一个很大的状态空间，因此适用于脑控机器人系统的建模。目前将petri网应用于bci的研究较少，fuchunsun等通过融合模糊petri网的方法控制机械臂，但只是将模糊petri网的模糊规则用于最终的决策，并未通过petri网来描述整个系统的结构和动态特性。

技术实现要素：

本发明的主要目的在于克服现有技术中人的智能和机器智能的协作与冲突的问题，提出一种基于petri网的移动机器人脑机协同控制方法和系统，减轻了脑控机器人系统中用户的思维负担，提高了脑控机器人在未知复杂环境中的适应性和安全性。

本发明采用如下技术方案：

一种基于petri网的移动机器人脑机协同控制方法，包括以下步骤：

步骤1，采集脑机接口系统中原始脑电信号，进行预处理、特征提取和两级分类后，至少得到空闲、向左和向右三类脑电识别结果，分别控制移动机器人直行、左转和右转。

步骤2，搭建至少具备直行、左转、右转、左避障、右避障、自动避障和循环控制机器人启停功能的移动机器人系统。

步骤3，结合脑机接口系统和移动机器人系统，制定共享控制策略，具体包括：

(1)当移动机器人系统检测为无障且脑电信号的一级分类为空闲时，移动机器人系统执行直行动作；

(2)当移动机器人系统障碍检测为无障，且脑电信号的一级分类为非空闲时，若脑电信号的二级分类为向左，移动机器人系统执行左转动作；若脑电信号的二级分类为向右，移动机器人系统执行右转动作；

(3)当移动机器人系统障碍检测为有障，且脑电信号的一级分类为非空闲时，若脑电信号二级分类为向左，移动机器人系统执行左避障动作；若脑电信号的二级分类为向右，移动机器人系统执行右避障动作；

(4)当移动机器人系统障碍检测为有障，脑电信号的一级分类为空闲，移动机器人系统执行自动避障动作；

(5)为防止机器人过度偏离路线，通过一个定时器模块实现对移动机器人系统运行3秒停止2秒的循环控制；定时器模块的共享控制策略为：定时器1的计时周期为3秒，在定时器1计时期间，移动机器人系统执行直行、左转和右转的动作，定时器1计时满3秒后由定时器2开始计时，移动机器人系统进入停止状态，定时器2计时满2秒后进入定时器2清零状态，然后回到定时器1计时状态；在定时器1计时期间一旦检测到障碍物，则定时器1立即清零，移动机器人系统转为避障状态，避障动作执行完成以后定时器1重新开始计时。

步骤4，根据共享控制策略建立petri网模型，并与脑机接口系统和移动机器人系统构成脑控机器人系统。petri网模型的建立过程具体为：先根据每一条共享控制策略所实现的功能和控制规则建立对应的petri网子网，将各个功能的petri网子网合成为脑控机器人系统的petri网全局网即构成petri网模型。

步骤5，对petri网模型采用可达图分析法进行分析，从而判断所建立的脑控机器人系统是否存在死锁现象，以及分析脑控机器人系统的控制策略和规则等是否存在逻辑上的错误。

步骤6，根据petri网模型的演化算法设计脑控机器人系统的演化决策程序模块，使脑机接口系统、petri网决策系统和移动机器人系统实现实时协同工作，最终实现脑机协同控制。

本发明还提供一种基于petri网的脑控机器人系统，所述基于petri网的脑控机器人系统包括：脑机接口系统，用于采集和识别脑电信号；移动机器人系统，至少具备空闲、向左、向右、左避障、右避障、自动避障和循环控制机器人启停的功能；petri网模型，根据脑机接口系统和移动机器人系统制定的共享控制策略建立，采用可达图分析法分析脑控机器人系统的控制策略，采用演化决策功能实现脑机协同控制。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

本发明的方法和系统，利用petri网结构化建模以及能够对异步、并发、动态系统进行模拟和处理的优点，建立一个能够描述机器人运动信息、脑指令信息、周围环境障碍物信息以及共享控制策略的脑控机器人系统petri网模型。通过petri网对脑控机器人系统的动态演化可以实时观测系统的所有运行状态，具有分析和改进共享控制策略的作用。

本发明的方法和系统，通过petri网执行共享控制策略，协调人与机器的控制作用，实现机器人前进、左转、右转、左避障、右避障、自主避障以及循环控制机器人启停等功能，减轻了脑控机器人系统中用户的思维负担，提高了脑控机器人在未知复杂环境中的适应性和安全性。

附图说明

图1是本发明中脑控机器人系统框图；

图2是本发明中障碍检测petri网子网；

图3是本发明中脑电信号检测petri网子网；

图4是本发明中左转决策petri网子网；

图5是本发明中直行决策petri网子网；

图6是本发明中右转决策petri网子网；

图7是本发明中避障决策petri网子网；

图8是本发明中定时器petri网子网；

图9是本发明中脑控机器人系统petri网全局网；

图10是本发明中脑控机器人系统petri网的可达图；

图11是本发明中脑控机器人系统工作流程图。

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

一种基于petri网的移动机器人脑机协同控制方法，包括以下步骤：

步骤1，采集脑机接口系统中原始脑电信号，进行预处理、特征提取和两级分类后，至少得到空闲、向左和向右三类脑电识别结果，分别控制移动机器人直行、左转和右转。其中两级分类的第一级分类识别空闲和非空闲脑电信号，第二级分类是从非空闲脑电信号中识别向左和向右。

步骤2，搭建至少具备直行、左转、右转、左避障、右避障、自动避障和循环控制机器人启停功能的移动机器人系统。

步骤3，结合脑机接口系统和移动机器人系统，制定共享控制策略。该共享控制策略具体包括：

(1)当移动机器人系统检测为无障且脑电信号的一级分类为空闲时，移动机器人系统执行直行动作；

(2)当移动机器人系统障碍检测为无障，且脑电信号的一级分类为非空闲时，若脑电信号的二级分类为向左，移动机器人系统执行左转动作；若脑电信号的二级分类为向右，移动机器人系统执行右转动作；

(3)当移动机器人系统障碍检测为有障，且脑电信号的一级分类为非空闲时，若脑电信号二级分类为向左，移动机器人系统执行左避障动作；若脑电信号的二级分类为向右，移动机器人系统执行右避障动作；

(4)当移动机器人系统障碍检测为有障，脑电信号的一级分类为空闲，移动机器人系统执行自动避障动作；

(5)为防止机器人过度偏离路线，通过一个定时器模块实现对移动机器人系统运行3秒停止2秒的循环控制；定时器模块的共享控制策略为：定时器1的计时周期为3秒，在定时器1计时期间，移动机器人系统执行直行、左转和右转的动作，定时器1计时满3秒后由定时器2开始计时，移动机器人系统进入停止状态，定时器2计时满2秒后进入定时器2清零状态，然后回到定时器1计时状态；在定时器1计时期间一旦检测到障碍物，则定时器1立即清零，移动机器人系统转为避障状态，避障动作执行完成以后定时器1重新开始计时。

步骤4，根据共享控制策略建立petri网模型，并与脑机接口系统和移动机器人系统构成脑控机器人系统。具体的，根据已制定的共享控制策略建立脑控机器人系统的petri网模型，加入控制库所来描述系统的外部输入，并使用petri网的分解合成方法简化脑控机器人系统的建模过程。

先根据每一条共享控制策略所实现的功能和控制规则建立对应的petri网子网，再通过共享库所合成的方法将各个功能的子网合成为脑控机器人系统的petri网全局网，即petri网模型。其中，共享库所是指由两个及以上petri网子网共有的库所。通过这种模块化的建模方法，还可以根据用户的实际需求在该系统中添加新的共享控制策略和功能，有助于提高系统的适用性。

本发明采用的petri网为五元组结构：pn＝{p，t，e，w，m0}，其中：

(1)p＝{p1,p2,…pi}是一个数量有限且不为零的库所集，pi表示第i个库所，通常库所被用来描述系统中的某种状态。

(2)t＝{t1,t2,…,tj}是一个数量有限且不为零的变迁集，tj表示第j个变迁，通常变迁被用来描述系统中状态转换时发生的事件。

(3)是一个有序对的集合，其中p×t表示由库所指向变迁的有向弧，t×p表示由变迁指向库所的有向弧。

(4)w：e→z⁺是一个正整数集合，表示有向弧上权值的集合。具体表示某个变迁使能时，指向该变迁的库所减少的托肯(token)数或者该变迁指向的库所增加的token数。

(5)m0：初始标识m0可以描述为p→n＝{0,1,2…},表示系统在初始状态时，每个库所中的资源个数token的分布。

在此步骤中建立的障碍检测petri网子网如图2所示，脑电信号检测petri网子网如图3所示，左转决策petri网子网如图4所示，直行决策petri网子网如图5所示，右转决策petri网子网如图6所示，避障决策petri网子网如图7所示，定时器模块子网如图8所示。

共享库所合成petri网全局网的定义如下：

设petri网pni＝{pi,ti,ei,wi,m0i}，i＝1,2；

令pn＝{p，t，e，w，m0}，满足：

(1)p＝p1∪p2且p1∩p2≠φ；

(2)t＝t1∪t2且t1∩t2≠φ；

(3)e＝e1∪e2；

(4)w＝w1∪w2；

(5)

称pn是pn1和pn2的合成petri网，记为

将上述各个功能子网按照共享库所合成petri网全局网定义的方式合成的脑控机器人系统petri网全局网如图9所示。全局网中各个库所描述的状态见表1。

表1库所状态

步骤5，利用petri网模型的可达图分析法分析脑控机器人系统的控制策略。采用可达图分析法进行分析，从而判断所建立的脑控机器人系统是否存在死锁现象，以及分析系统的控制策略和规则等是否存在逻辑上的错误，以提高脑控机器人系统的可靠性，该规则是指共享控制策略的具体化规则。脑控机器人系统petri网的可达图如图10所示。

步骤6，利用petri网模型的演化决策功能实现脑机协同控制。根据演化算法设计脑控机器人系统的演化决策程序模块，使脑机接口系统、petri网决策系统和移动机器人系统实现实时协同工作，最终实现脑机协同的效果。脑控机器人系统的工作流程如图11所示。

本发明还提供一种基于petri网的脑控机器人系统，包括脑机接口系统，移动机器人系统和petri网模型。其脑机接口系统，用于采集和识别脑电信号；移动机器人系统，至少具备空闲、向左、向右、左避障、右避障、自动避障和循环控制机器人启停的功能；petri网模型，根据脑机接口系统和移动机器人系统制定的共享控制策略建立，采用可达图分析法分析脑控机器人系统的控制策略，采用演化决策功能实现脑机协同控制。

本发明建立一个能够描述机器人运动信息、脑指令信息、周围环境障碍物信息以及共享控制策略的脑控机器人系统petri网模型，利用petri网分解合成的方法简化建模的过程，并加入控制库所来描述系统的外部输入，最后通过petri网的可达图算法对所建模型进行分析。在petri网模型的基础上，可以设计、验证和执行共享控制策略，有助于提高脑控机器人系统的适用性。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。