研究领域(Research Interests)

脑机一体化及智能机器

(脑控机器人与车辆)

(Brain-controlled Vehicles and Robots, Intelligent Machines)


      脑机一体化及智能机器旨在将脑机接口技术、共享控制技术与智能传感技术等相结合,构建一种全新的智能机器,实现全新的人机交互和控制方式,使脑机接口技术更加智能化和实用化,机电技术更加人性化。该部分主要从两个方面开展研究:

1 脑驱智能机器人    

以载人移动助残机器人和康复机器人为研究对象,开展关于脑控技术的各种研究。主要的研究内容包括:研究基于脑机接口的脑控技术,融合环境感知、脑机接口、模型预测控制的脑控机电系统,以及基于触觉脑机接口的康复技术等。

                                 

2脑控智能车辆

脑控车辆是指由驾驶员“意念”直接控制的车辆。脑控车辆的研究涉及车辆动力学、人机工程学、信息与控制科学以及脑与神经科学等多种学科和多种技术,具有重要的科学意义和应用价值。

主要研究脑控车辆的理论和方法。包括通过融合脑车交互模型、驾驶员认知计算模型、车辆动力学模型以及道路模型,建立脑控车辆运动控制模型,揭示脑控车辆的脑驱机制;提出新的脑车交互模式和脑电解析方法;发展利用脑电信号驾驶车辆的控制方法,建立脑控车辆系统。


智能系统与控制

(Intelligent Systems and Control)

   驾驶员车辆控制模型是在排队网络认知体系(QN-MHP)上建立车辆的侧纵向综合控制模型以探究驾驶行为的认知结构和机理。主要实现方式为:将认知体系和控制技术相结合,认知体系可以体现人的生理局限和机能,控制技术可以体现人的驾驶特性和控制方法,两者相互融合,相互补充。该部分主要从两个方面开展研究:


1、驾驶员车辆控制模型
   以排队网络认知体系为模型框架,结合控制技术,开展关于驾驶员车辆控制模型的研究。主要的研究内容有:驾驶员决策机理、驾驶员侧向控制模型(典型的测试道路、驾驶任务下)、驾驶员纵向控制模型(跟车、速度保持等常见驾驶任务)以及侧纵向综合控制的驾驶员模型研究等.

2、驾驶员车辆控制模型的应用

   上述驾驶员车辆控制模型可以揭示和仿真真实驾驶员的驾驶特性和生理局限,因此在实践中有着广泛的应用。本部分就是探究利用驾驶员模型代替真实驾驶员控制车辆的相关技术以及其在辅助车辆设计方面的应用。主要的研究有:利用驾驶员模型推断驾驶员的驾驶意图(换道、跟车、车道偏离等)以发展相应的辅助驾驶系统、利用驾驶员模型操控测试车辆以评估车辆的操纵稳定性、利用驾驶员模型辅助车载系统人机交互界面设计等。



相关学者

最近来访

相同研究领域

同一单位

相同研究兴趣