基于脑电控制的智能机械臂控制系统研究

刘维健

（广东交通职业技术学院，广州 510800）

1 智能机械臂控制系统的结构

在进行实际项目研究过程中，需要使用脑机接口技术，利用该技术采集所需的脑电波信号，完成信号采集后，在系统内部进行相关数据处理，数据处理完成后再进行相应的指令传输，通过指令控制机械臂的操作。单独的脑波传感器无法满足所有控制需要，需要通过添加空间位置传感器的方式来实现，两种传感器在实际工作中相结合，实现对于智能机械臂的全面控制。图1是智能机械臂控制系统的总体结构。可以看出，通过脑部信号采集、上臂六轴传感器和前臂六轴传感器的信号传递，将信号传递至数据采集端主控制器，数据采集端主控制器将采集到的信号通过蓝牙的传递，将信号传输至接收端主控制器，信号传输完毕之后，接收端主控制器将数据进行处理和分析，最终生成相关指令以驱动整个机械臂运动。

2 智能机械臂控制系统的硬件设计

在智能机械臂控制系统的硬件设计中，有几个需要注意的设计难点，包括脑波数据采集模块、空间方位传感器、主控制器以及六自由度的机械臂，这四个方面都是整体设计的重点部分，影响整个系统的运转效果。脑波数据的采集需要注意其中的眨眼强度和专注度的具体数据，两者会直接影响机械臂的运行状态，空间方位传感器主要是对空间融合结果整合以补充脑波信号的部分缺陷，同时主控制器和六自由度机械臂的设计都会直接影响最终机械臂的操作。

图1 系统总体结构

2.1 脑波数据采集模块的设计

在脑波数据采集模块，需要使用相关的脑电采集设备进行脑波检测，通常情况下，会选择单通道的脑电采集设备。同时，对于脑电采集设备所适用的相关采集频段、采样频率以及其他有关数据进行分析了解，根据需求选择合适的脑电采集设备。脑电采集设备除了具备基本的脑波检测、脑波信号采集的功能外，同时可以对采集到的信号进行数据分析和处理，除此之外，部分还具备其他功能。通过对数据的检测、采集、分析和处理，可以实现对于数据滤波的输出以及放大转换的输出。在数据处理中，需要注意使用相关算法进行数据的分析和处理，数据的分析和处理有助于对于佩戴者的心理状态进行实施监控和分析。不同的脑电采集设备具体工作的程序有所不同，以MindWave为例，MindWave的传输模式主要为串口传输，在具体的传输手段上可以通过蓝牙进行脑电数据的输出，可以进行输出的主要原始的脑波数据有8类，其中包括眨眼强度、专注度、放松度、delta、theta、gamma波EEG参数、alpha这8个数据类别，眨眼强度和专注度是其中较为重要的两项，可以直接决定和控制机械臂的操作以及机械臂的启动等动作。

2.2 空间方位传感器的设计

空间方位传感器主要是利用其中的相关部件对空间融合结果进行计算整合，并实现向控制器的输出，在输出过程主要需要使用相关的I2C接口以及DMP运动库，I2C接口主要作用是与外界的电子罗盘相连接，而DMP运动库作为主要的运动处理器系，两者相结合才能实现数据的完美输出。I2C接口在实现与电子罗盘对接的同时，还可以与内部传感器融合，如加速度与角速度传感器，同时本身自带相应的数字引擎加速硬件，也可以提升数据收集、处理以及传输的速度。DMP运动库作为主要的运动处理器系，在进行数据处理的过程中，可以使用产品本身生产公司所提供的关于运动处理的资料库，进一步提高数据处理及解算过程的速度及便捷度。在提升速度的同时，这样可以减少数据处理过程中对于单片机所造成的负担，降低了开发过程中的技术难度。在智能机械臂控制中，对于空间方位传感器位置的布置也需要注意，空间方位传感器的种类多为六轴空间传感器，安装的位置为上臂和前臂，主要作用是为了全面实时捕捉整个手臂的运动姿态，以更好地实现对机械臂运动的控制。

2.3 主控制器的设计

在整个设计过程中，完成对于脑波数据采集模块以及空间方位传感器的设计后，需要对主控制器的设计进行把控。主控制器根据端口的不同分为两种，一种为数据采集端的主控制器，另一种为接收端主控制器。首先需要对主控制器的构造及工作原理进行了解，以Arduino Mega 2560为例，该主控制器的主要部件有7个部分，包括14路脉冲宽度调节PWM、6路外部中断、4路串口信号以及256KB Flash Memory、8KB SRAM、4KB EEPROM和54个IO接口，每一个部分需要和其他模块和传感器进行通信，最终把信号发至主控制器。首先，串口信号与脑波数据采集模块进行通信，IO接口与空间方位传感器进行通信，在进行信号传递的过程中，需要使用串口信号与蓝牙进行通信以实现信号的传递。一般接收端主控制器的类型与数据采集端主控制器的类型相同，通过接受蓝牙传输的相关信号，以实现对整个机械臂系统中所有大功率舵机的控制，进一步控制机械臂的动作。

2.4 六自由度机械臂的设计

机械臂的整体结构由两大部分构成，第一大部分为2个伸臂，第二大部分为6个RB-150MG的大扭力舵机，整个机械臂的构成方式主要为关节式结构，同时也会采用六自由度的串联式结构进行。在机械臂的构成部分中，6个大扭力舵机主要对机械臂的动作进行控制，前五个舵机的主要作用是实现对机械臂的旋转和伸屈的全面控制，不同的是，末端的舵机主要控制机械臂的抓取动作。

3 软件设计

在智能机械臂的整体设计中，完成基本的硬件设计外，还需要进行软件设计。在软件设计工作中，有4个比较重要的软件设计部分需要注意，包括数据采集端的设计、脑波信号提取流程的设计、MPU6050信号提取流程的设计以及机械臂控制器主程序流程图的设计。对于软件设计的每一个步骤和环节，人们都要进行严格把控，这样才可以更好地实现脑电控制的可持续性。

3.1 数据采集端的设计

在进行智能机械臂控制系统硬件设计中，主控制器的设计分为两种，一种是数据采集端的主控制器，另一种是接收端主控制器。在软件设计中，需要对数据采集端的设计进行更细致的研究。首先需要对数据采集端的工作原理和流程进行了解，数据采集端的工作流程首先是通过串口来获得脑波传感器传递的相关信号，之后再通过空间方位传感器I2C接口来获得上臂六轴传感器的信号以及前臂六轴传感器的信号，该信号主要代表前臂和上臂所呈现出的运动姿态，完成信号数据采集后，再通过蓝牙将信号传递至机械臂的控制器，再进行后续的数据以及指令的传输。

3.2 脑波信号提取流程的设计

脑波模块在进行信号数据传递和放松的过程中，在传递上一般会选择异步串行的方式，其中会涉及相关的数据帧和数据包，两者都有其基本的结构呈现方式。数据帧的结构大多呈现为【同步字符】【数据长度】【数据值…】【校验码】；而数据报呈现的基本结构为（【扩展码】…）【类型码】【长度】【值…】。脑波信号的提取流程如图2所示。

图2 脑波信号提取流程

在脑波信号的具体提取流程中，首先要进行数据的接收，接收完毕后，进行有效数据的提取，之后再读取相关的扩展码以及类型码，读取完毕后，还需要进行长度的读取，所有数据接收、提取和读取完毕后需要进行判断。首先需要进行注意力集中度的判断，如果判断结果呈现肯定值，则可以直接进行数据的读取并保存值再进行返回。如果注意力集中度的判断结构呈现否定的状态，还需要眨眼强度进行判断，一旦呈现肯定的状态则可以进行数据的读取以及保存值，之后再进行返回；一旦呈现否定的状态，则不进行任何读取和保存的操作，直接返回。

3.3 机械臂控制器主程序流程图设计

对于机械臂控制器主程序流程图的设计，首先需要了解机械臂控制器的基本工作原理，机械臂控制器接收信号的方式均为蓝牙传递，其中信号分为脑波信号以及六轴传感器的运动姿态信号，两者均通过蓝牙接收，再传递至控制器，在脑波信号中，注意力集中度和眨眼强度是影响最终信息传递的两个重要因素，其中眨眼强度的合理范围为80～120（不包括80和120），该强度范围内可以进行机械臂的启动。如果出现眨眼强度数值大于120的现象，则需要及时关闭机械臂，注意力集中度可以直接控制机械臂的相关动作，注意力集中度可以产生相应的PWM，PWM可以实现对于末端舵机抓取动作的控制，同时根据上臂六轴传感器和前臂六轴传感器的传输信号，实现对于上臂和前臂运动姿态的把控，包括偏航角Yaw、滚转角Roll以及俯仰角Pitch等，其间会产生5路不同的PWM波，以此来控制整个机械臂中其余5个舵机，更进一步控制整个机械臂的操作，实现旋转、伸屈等动作。首先进行系统的初始化，初始化完成后通过蓝牙读取相关的传感器信号，包括脑波信号、六轴传感器的运动姿态信号等，之后对读取到的信号进行判断，判断因素为眨眼强度。如果眨眼强度呈现的数值在80～120的范围内，可以正常启动机械臂；如果出现眨眼强度大于120的现象，需要及时停止机械臂的操作，检测当前的启动状态。未启动的需要重新返回进行信号的读取，成功完成机械臂启动的可以继续进行专注度的读取，读取完毕后需要控制末端舵机以此来读取上肢的运动状态，状态读取完毕后再进行其余5个舵机的控制，控制完毕后继续进行下一轮流程操作。

4 结语

脑电控制下的机械臂控制系统相较于传统的按键式机械臂控制系统，更为人工智能化，数据读取和信号传递更为简单、便捷、准确，可以实现实时监督和传输。但是，在脑电控制中，单纯的脑波信号控制无法真正实现设计所需的多种控制量输出，对于信号的提取也较为困难。为了进一步实现脑电控制，需要与相应的肢体空间运动姿态相结合，两者的结合可以给整个控制系统提供更为准确和充分的控制参数，可以更好地实现对机械臂的全面控制。传统按键式的控制方法有很多操作上的局限性，难以实现真正的人机交流和互动，结构较为复杂，实际应用也不够便捷。但是，脑电控制的应用真正实现了人机互动，基本结构较为简单，实际操作应用也更为简单便捷，对于日常娱乐或辅助残疾人士进行运动等都有很重要的意义。