基于稳态视觉诱发电位的脑-机接口实验研究

为提取应用于脑-机接口系统的稳态视觉诱发电位信号(SSVEP),运用叠加平均与快速傅里叶变换(FFT)相结合的方法,由其频谱图上得到作为输入信号的稳态视觉诱发电位信号.通过实验确定了叠加平均次数与最佳视觉刺激颜色,并对混合闪光刺激下SSVEP的提取进行了研究.实验结果表明,该方法提取出的SSVEP信号能够反映使用者的控制意图,可应用于脑-机接口系统.     

公路养护资源分配中遗传算法的参数优化

为辨明公路养护资源优化分配中遗传算法参数对运算效率和精度的影响,提出基于正交试验的参数优化方法.选取种群规模与迭代次数比例、交叉形式和变异概率3个参数,利用正交设计方法进行3因素3水平试验,建立主效应和交互效应的假设检验模型,并计算出构造统计量值和临界值.试验结果表明:种群规模与迭代次数的比例及交叉形式对算法的影响比变异概率显著,并且3个参数的最优取值分别为1/4、两点交叉和0.05.该方法能够减少标定遗传算法参数所需的大量试验.     

用于稳态视觉诱发电位脑机接口目标识别的深度学习方法

针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题,提出一种用于SSVEP信号分类识别的深度学习方法。该方法以原始多通道SSVEP信号为输入,利用SSVEP信号的时空特性,首先使用一维时间卷积核对输入信号的时域进行卷积操作;然后使用一维空间卷积核进行空域卷积,对多通道信息进行融合;最后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别。实验结果表明:利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别;在1 s刺激时长时,该方法的平均离线信息传输率为94.17 b/min,平均识别准确率为93.3%,相比于无监督典型相关分析方法和有监督支持向量机分析方法,识别准确率分别提升了48.73%、41.21%。该方法具有较高的目标识别效率及鲁棒性,有效提高了基于稳态视觉诱发电位信号的脑-机接口的性能。     

数据区间优化对SSVEP算法性能的影响

稳态视觉诱发电位(steady-state visual evoked potential, SSVEP)响应的个体差异性较大,不同环境下各被试者脑电信号的质量有差别.针对这个问题,研究了SSVEP中数据区间的优化对CCA(典型相关分析)和ECCA(扩展典型相关分析)方法分类结果的影响.首先通过网格搜索方法找到脑电信号的最优数据区间,然后使用CCA和ECCA方法对该区间数据进行特征识别,使得识别效果得到提升.实验结果表明,同时对数据区间起始点和终点进行优化能够有效提升信息传输率(ITR),数据区间优化后的CCA和ECCA分类平均ITRs为(61.18±27.20)bit/min和(71.37±32.24)bit/min,比使用传统的仅优化数据区间终点的方法提高了29.89%和8.3%,证明了通过数据区间优化能够提升SSVEP算法的性能.     

基于概率群集的多战机协同空战决策算法

为解决多战机在无中心控制条件下的自主协同空战决策问题,提出了一种基于概率群集的分布式协同算法.以导弹为Agent构建协同分布式决策模型,并基于概率群集将离散的组合优化问题映射为概率分布空间上的一个凸优化问题;通过定义Agent的贡献度扩展概率群集架构.上述2种方法分别解决了模型中存在较大局部最优值区域和由于异构Agent间的非线性协同导致系统无法准确收敛的问题.实验结果表明,所提算法与传统算法相比具有更好的鲁棒性、可扩展性,收敛速度也有一定提高.     

影响单眼SSVEP控制的视力因素研究

基于稳态视觉诱发电位脑机交互方法的脑控机器人研究是国际上的热点话题.从20名被试中选取8名双眼具有不同视力差的被试,完成长时间单眼SSVEP机器间协作控制.通过总平均时长为11分41秒的实验得到双眼和单眼SSVEP控制的平均准确率分别为86.85%和82.74%.本研究显示,对于传统SSVEP刺激范式长时间单眼SSVEP机器间协作任务控制的准确率可以满足基本控制要求,被试双眼视力差值较大时会降低SSVEP控制的准确率.本研究结果可望应用于基于单眼SSVEP可穿戴设备的开发以及单眼SSVEP控制的相关研究,期望为脑控多机器人协作任务推向实用化控制打下一定的基础.     

基于稳态视觉诱发电位的脑电控制上肢康复机器人

针对现阶段基于脑机接口(brain-computer interface,BCI)的康复机器人存在多目标分类时间长、识别准确率仍有待提升的问题,设计了一种由脑电信号控制的上肢康复机器人,对脑电信号中的稳态视觉诱发电位(steady-state visual evoked po-tential,SSVEP)分类,进而判断出受试意图并输出相应动作指令.基于MATLAB的Psychtoolbox工具箱设计了包含5个刺激矩形的频闪界面作为视觉刺激器,刺激大脑生成SSVEP信号,对应上肢康复机器人的5个控制指令.运用多导联同步指数(multivariate synchronization index,MSI)算法对采集到的信号进行分类并输出控制指令,机器人在接收指令后执行特定动作.实验得到的机器人动作正确率最佳为98.33％,平均信息传输速率为23.11 bit/min.结果表明:SSVEP信号控制的上肢康复机器人在辅助治疗的方面具有良好的应用前景,可以有效提高肢体偏瘫患者的康复效果.     

P码直捕的搜索策略与参数设计

研究低信噪比和高动态环境下P码直接捕获算法的搜索策略与参数设计.利用非相干积累与峰值位置约束的唐判决算法,增强灵敏度性能;提出了一种改进的搜索策略,将时域不确定范围分段,以适应高动态环境;通过一个实例介绍算法参数设计的方法,优化了单次检测概率、虚警概率、非相干积累次数、唐检参数与时域分段数.仿真结果表明,改进的搜索策略降低了漏检概率达30%;设计的参数可以在接收信号功率为-133 dB(mW量级),运动速度为900 m/s,加速度为20g,时间不确定范围为±1 s的情况下,虚警概率低于10-7,检测概率大于90%,捕获时间低于50 s.     

基于混沌退火粒子群优化算法的路径测试数据生成

为实现指定路径的软件测试数据自动生成,提出了一种基于粒子群优化(PSO)算法的演化测试方法.利用分支函数插装和强制路径执行策略,得到用于优化搜索的路径适应值.通过引入混沌搜索、模拟退火和早熟收敛判断机制,克服了标准PSO算法易陷入局部最优而无法找到测试数据的缺陷.三角形判断程序的测试数据自动生成实验表明:在最大迭代次数Tmax为500时,混沌退火粒子群优化(CAPSO)算法的命中概率为99%,标准PSO的命中概率为95%;在Tmax为2 000时,CAPSO算法的命中概率为100%,标准PSO算法的命中概率为95%左右;继续增大Tmax不能使标准PSO算法的命中概率提高,而CAPSO算法总能摆脱局部极值找到满足要求的测试数据.     

直接接触式换热器传热性能优化

建立了以容积换热系数为目标函数,工质流率U0、喷头喷孔直径di、导热油液位高度Z为决策变量的直接接触式换热器性能优化模型,同时进一步将液滴群行为与传热协同关系作为约束条件引入优化模型中,重点分析该约束条件对优化过程及结果的影响。运用遗传算法对原模型和补充模型进行了优化分析,结果表明:原模型优化后的容积换热系数达到了初始值的6.7倍;而补充模型最优值的迭代次数比原模型减小了约55%,同时最优值比原模型提高了0.3%。所以该约束条件不仅提高了迭代速率,还提高了寻求全局最优值的概率,使得最优解更逼近全局最优值。     

一种基于概率鲁棒的分散PID控制器设计

基于概率鲁棒方法,针对具有实参数不确定性的多输入多输出被控对象,提出一种分散PID控制器设计方法.根据被控对象模型的参数摄动状态,计算闭环系统满足性能设计要求的概率作为优化算法的目标函数,利用遗传算法对分散PID控制器参数进行优化,用Monte Carlo实验对控制系统进行鲁棒性检验.对5个多变量化工过程进行了仿真试验,并与基于标称参数的设计方法进行比较.仿真结果表明,基于概率鲁棒的分散PID控制器设计方法对模型参数不确定性具有较好的鲁棒性,在被控对象存在一定的不确定性时,系统能以最大的概率满足设计要求.     

基于鸟群算法的SVM参数选择

针对支持向量机(SVM)分类器参数选择问题,提出了基于鸟群算法(BSA)的SVM参数选择方法(BSASVM),以优化SVM惩罚参数和核参数.鸟群算法具有优化精度高、鲁棒性好等特点,将SVM参数作为鸟群算法目标函数的优化参数,在搜索到最优值的同时得到最优参数.通过8个UCI标准数据集的MATLAB仿真对比实验,验证了BSA-SVM能有效提高分类准确性.实验结果表明:BSA-SVM能更加准确地找到SVM最优参数,从而加强SVM学习与泛化能力,是一种有效的SVM参数优化方法.     

相位同步方法用于稳态视觉诱发电位的测量

稳态视觉诱发电位(SSVEP)被广泛用于脑-机接口和脑电的稳态标记频率检测中.在这些研究中,都需要解决一个问题:当视觉刺激的频率发生变化时,如何通过分析SSVEP信号,快速准确地跟踪上这种变化.解决这个问题通常的分析方法是利用信号的频谱特征.该文依据稳态视觉诱发电位与视觉刺激之间的时间锁定关系,提出用相位同步化方法来解决这个问题.实验结果表明,相位同步化方法能够更加准确地定位刺激频率的变化时刻.在SSVEP研究中,相位同步化可以作为一个新的可资利用的特征.     

基于人工神经网络和模拟进化算法的分级燃烧优化

为控制锅炉燃烧向环境排放NOx造成的污染,提出了分级燃烧技术的综合优化方案.建立了基于人工神经网络及模拟进化算法的100MW火电机组锅炉分级燃烧优化模型,选取16个影响因子进行了分级燃烧的7个可调节参数优化,以达到机组的性能优化目标.锅炉负荷为100%、90%、80%及70%,相应神经网络训练次数分别为11523、14810、13410及19732时满足均方差要求.该神经网络模型优化时采用的种群数为80,交叉概率为0.8,变异概率为0.15.结果表明锅炉效率和NOx排放量优化计算值同实测值相对误差低于1%;NOx平均排放量由原来的812mg/m3降为645mg/m3.     

基于适应度评价扩展自适应遗传算法的门级电路进化设计

针对遗传算法适应度评价阶段指定输出单元容易丢失潜在解的问题,该文提出了一种基于适应度评价扩展的电路进化设计方法.该方法将每个逻辑单元的输出都视为一个潜在的解处理,得到一个最优适应度评价值,避免了潜在解的丢失,有效地提高了自适应遗传算法的性能.通过多种电路的进化设计实验比较了该文方法与传统自适应遗传算法设计的性能,结果表明,该文方法具有收敛速度快、迭代次数少、获得最优解成功概率高的优点.     

采用A星-遗传算法的船舶管路智能布置

针对船舶管路设计中的路径寻优问题，提出了一种采用A星-遗传算法的船舶管路智能布置方法。首先，建立了船舶管路布置空间模型，包括网格单元模型、管路简化模型、设备障碍物模型和约束规则模型。其次，对传统遗传算法进行了优化设计，在种群初始化阶段，加入障碍物判定函数替换以往其他研究采用的罚函数；在交叉和变异过程，引入A星算法生成子路径；引入父子比较环节，每经过交叉、变异一次，便比较一次父代与子代的适应度值；在选择操作中，对传统的轮盘赌方法进行改进，引进个体的相似度比例，个体的被选择概率由相似度比例和适应度值共同决定。最后，对所提优化A星-遗传算法和粒子群、A星、迷宫-遗传算法进行了仿真对比实验。结果表明：A星-遗传算法在管路的长度、拐角数、能量值、适应度值、最优解次数和平均收敛代数等6项指标上均得到了最优值；与同为混合算法的迷宫-遗传算法相比，优化A星-遗传算法在两个案例中的最优解次数分别增加了44.4%、100%,平均求解时间分别减少了57.6%、58.1%,平均收敛代数分别减少了36.9%、44.1%。A星-遗传算法在保证管路布置质量的同时，有效提高了寻优效率，其对于船舶管路智能布置的适配性和...     

面向假肢的场景动画稳态视觉诱发脑控方法

针对现有脑控假肢技术的控制精度低、稳定性差的问题,基于稳态视觉诱发电位(SSVEP)的产生机理,提出一种由场景动画稳态视觉诱发的脑控新范式。该范式以正常人或残疾人的生活场景为刺激源蓝本,根据智能假肢的控制目标,在将生活场景分解为对应的独立刺激场景图、且对其进行灰度标准化处理后,采用方波调制模式对一组对比鲜明的黑白反转色图片进行视觉刺激,由此诱发出一种基于场景动画的SSVEP;进而,通过对场景动画的SSVEP神经传导过程进行数学建模与仿真,建立了一种基于典型相关分析(CCA)的脑电信号处理方法。在专用于场景动画SSVEP的智能假肢脑控平台上进行实验,系统的平均正确率为91.41%,平均信息传输率为15.32bit/min,其最高平均识别率达到了98.44%。实验结果表明:该方法可将正常人生活场景图与传统稳态视觉诱发方法进行结合,不仅能够提高假肢动作的平均识别精度和信息传输率,而且具备可降低使用者视觉疲劳的作用。     

T形管液压成形自适应径向基函数优化设计

讨论T形管液压成形加载路径代理模型优化的设计.采用径向基函数(RBF)模型,引入自适应优化算法,通过逐步向静态RBF模型样本库中增加样本点的方法,提升最优点附近局部近似计算精度,进而提升全局精度并获得最优解.该方法兼顾了优化效率与计算精度.首先通过数值算例证明此方法应用于全局优化的有效性;然后,以管件与中间冲头接触面积最大为优化目标,以最大减薄率小于对标实验值、成形高度大于对标实验值为约束条件,通过拉丁方试验设计抽取一定数量的样本点并调用实际分析模型构建T形管液压成形加载路径优化自适应RBF模型,开展载荷路径优化设计.结果表明,在最小厚度与成形高度不变的情况下,T形管与中间冲头的接触面积较对标实验值提高了71.912%.     

多梯度钻井动态控制参数优化设计

为了确定多梯度动态钻井过程中的关键控制参数,优化钻井效率,建立多梯度钻井动态参数优化模型。以每次调整控制参数后的最大钻进深度和同一井身结构条件下的最大钻进深度为优化目标,以旋流分离器位置和钻井液密度为优化参数,以钻井液循环当量密度与安全密度窗口之间的约束关系以及钻头预期寿命为约束条件,并利用粒子群优化算法对该优化模型进行求解。结果表明:每次调整控制参数后都存在同一组最优的旋流分离器位置和钻井液密度值使单趟钻进深度最大;随着调整次数的增加,旋流分离器距钻头的最优距离和钻井液的最优密度均逐渐增大,但单趟最大钻进深度逐渐减小;旋流分离器和钻头预期寿命的设计应协调,避免起下钻浪费。     

稳态视觉诱发电位脑机接口的现场可编程逻辑门阵列实现

针对稳态视觉诱发电位(SSVEP)脑机接口(BCI)系统对计算机性能要求较高的问题,提出一种以现场可编程门阵列(FPGA)和商用脑电采集设备为核心的SSVEP-BCI系统。该系统通过FPGA独立的显示模块,实现了视频图形矩阵(VGA)接口的控制;按照显示刷新帧的方式分配闪烁频率对应的范式图案,实现了诱发SSVEP信号所需范式的稳定显示。通过实验对所设计的VGA视觉刺激器光闪烁频率进行采集分析可知,视觉刺激器范式显示频率与所设计的频率基本一致,可用于SSVEP诱发实验。结合所设计的视觉刺激器,完成了基于FPGA的脑电信号处理和特征识别。设计方案使用串口将脑电信号传输到FPGA端,采用快速傅里叶变换分析频率成分,对视觉刺激器对应的频率进行分析比较,最终通过实验对系统进行验证。结果表明:设计的系统在4个刺激目标和单次实验时长2s的情况下,实现了平均85.25%的识别正确率,表明系统能够实现SSVEP信号的诱发和有效识别,并且能够达到较好的效果。