一种基于脑电控制的电路板手工焊接辅助方法与流程

1.本发明涉及一种基于脑电控制的电路板手工焊接辅助方法，该方法采用控制者通过眨眼方式产生脑电波，经过脑电传感器产生控制信号驱动机械臂做出相应动作，以辅助电子元器件辅助焊接；本发明属于机器人控制技术领域，可应用于工业制造及生产等方面。


背景技术：

2.科技水平的不断提高促进了各项信息技术的发展进步，脑机接口(brain computer interface，以下简称bci)技术得到了迅猛的提升；目前人们研究的bci技术主要是基于人脑电波进行操控的一种新型技术，脑电操控打破了以往物理按键的控制方式，属于一种意念控制方式，该方式的应用达到了人机互动的基本要求，因此基于脑电信号的智能机械臂控制系统成为一种新型的人机交互方式，它能够通过某些特定的测量技术手段提取大脑内部的思维活动信息，然后通过计算机的处理能力分析该信息中蕴含的人的真实意图，并将其转化为对外界设备的控制命令，最终实现人脑直接控制外设的目的。
3.在电工电子类实验室及电子产品生产车间，实验人员及工人进行电子元器件焊接操作时，针对复杂电子元器件的焊接操作往往需要两个人协同操作，极大的降低了产品生产效率；本发明设计了一种基于脑电控制的电路板辅助焊接机械臂控制方法，通过脑电控制的mini机械臂操作待焊接的电路板进行移动、反转，这样由一人即可完成2
‑
3人配合完成的复杂焊接工作，具有较好的应用价值和前景。


技术实现要素：

4.本方法的突出优点是解决需要多人协同的复杂电子元器件焊接工作的难题，提供一种基于脑电控制的辅助焊接机械臂控制方法，该方法通过实时采集焊接者的脑电信息，通过数据处理后进而控制mini机械臂实现电子元器件辅助焊接的功能，本发明采用的技术方案为一种基于脑电控制的电路板手工焊接辅助方法，包括下列步骤：
5.(1)脑电信号实时采集，通过安装在焊接者头部的脑电信号传感器采集其因眨眼等操作输出的意念控制信号，直接输入到微控制单元(microcontroller unit，mcu)中；
6.(2)脑电信号预处理，在mcu平台中通过滤波器过滤掉工频干扰信号，以提高控制信号的信噪比；
7.(3)脑电信号特征提取，通过特征提取算法求出所有脑电信号的各频段平均能量及其占比值；
8.(4)脑电信号训练库构建及分类识别，在mcu平台上构建bp网络模型，从而实现对输入脑电信号的识别与分类；
9.(5)mini机械臂控制信号转换，将识别出的脑电信号转换为mini机械臂控制命令信号，以驱动机械臂对待焊接电路板做出移动、翻转等操作；
10.步骤(1)中，采用非植入式bci技术：通过无创方式采集焊接操作人员的大脑皮层脑电波信号，焊接操作人员只需头戴一个用于检测该脑电波的电极传感器即可完成信息采
集工作，并且该传感器能够直接将脑电信号直接传输至计算机或者其它处理平台的微控制单元(microcontroller unit，mcu)中，方便进行下一步的处理和分析工作；
11.步骤(2)中，信号预处理的目的主要是为了提高脑电控制信号的信噪比，主要滤除50hz和60hz的工频干扰噪声，其它含有生物电噪声、环境噪声和设备电极接触不良导致的噪声，可以通过软件滤波算法进行消除；
12.步骤(3)中，本发明将针对脑电信号测试集(30个基准样本和30个眨眼样本)进行频带能量分析，包括delta(0.5
‑
3.5hz)、theta(4
‑
7.5hz)、alpha(8
‑
13hz)、beta(13.5
‑
30hz)、gamma(30.5
‑
49.5hz)共5个频段，针对所有样本(包括基准样本和测试样本)计算出各个频段的能量和能量占比信息，作为特征信号集合，为识别焊接者的脑电输出指令奠定基础；
13.步骤(4)中，根据提取到脑电信号的特征集合，基于arduino平台的mcu单元上构建脑电特征库的bp网络模型，然后对输入的实时脑电控制信号进行识别及分类；
14.步骤(5)中，根据识别出的焊接者的脑电信号，arduino平台负责将根据脑电信号转换为mini机械臂动作指令，通过编码成机械臂运动执行机构能理解的指令字符串，机械臂运动指令发送模块和运动执行部分之间通过usb总线连接，从而机械臂将能够根据焊接者的要求对待焊接的电路板做出移动、翻转等操作，最终实现电子元器件焊接辅助。
15.本方法与现有技术相比较具有如下优点：
16.1.该方法可以解决需要多人协同的复杂焊接工作的难题，提高工作效率，通过基于脑电波采集系统并经过训练后实现对机械臂的精确控制，焊接者能够使用意念操作机械臂按需运动，并完成基本运动控制，突破了传统的多人合作焊接的局限性；
17.2.系统的设备由便携式脑电采集设备，信号处理设备，串口电路以及机械臂依次相连组成机械臂是六自由度mini机械臂，可以控制完成向前，向后，向左，向右，向上和向下六种动作的变化，本发明具有操作简单、使用安全、抗噪能力强、稳定性好的优点，为实现人机交互提供了一种现实可行的方案。
附图说明
18.图1：基于脑电控制的机器臂控制原理图；
19.图2：基于脑电控制的电路板手工焊接辅助结构图；
具体实施方式
20.本发明原理如图1所示，该方法为首先通过脑电bci系统采集焊接者脑电信号，经过对信号的放大、滤波、去噪、模数转换等预处理过程后输入至特征提取模块，待提取到能够有效反映焊接者的真实意图的特征量后，送往分类器进行分类识别，最后将分类结果转换为实际mini机械臂控制命令，控制机械臂进行相应操作；下面结合附图，对本发明的技术方案的具体实施过程加以说明：
21.(1)脑电信号实时采集
22.本发明采用非植入式bci技术：通过无创方式采集焊接操作人员的大脑皮层脑电波，焊接操作人员只需头戴一个用于检测该脑电波的电极传感器即可完成信息采集工作，并且该传感器能够直接将脑电信号直接传输至计算机或者其它处理平台的微控制单元
(microcontroller unit，mcu)中，方便进行下一步的处理和分析工作；脑电信号是一种由大脑中的神经元之间以电离子形式传递信息而产生的生物电现象，即神经细胞电生理活动在大脑皮层或头皮表面的总体反映，它具有一定的规律，因此可以通过在头皮表面放置电极传感器采集得到，其频率变动范围通常在0.1hz
‑
50hz之间，根据其频率不同可划分为delta波，theta波，alpha波，beta波，gamma波等多种类型，分别表示人的不同精神状态，例如放松、集中、思考、无意识等；由于采集到的大脑头皮上的电位并不是单一的神经源细胞电位的变化，而是大量神经源共同放电产生的，所以采集到的脑电信号是由各种不同频率的信号叠加而成，因此需要进行信号预处理；
23.(2)脑电信号预处理
24.信号预处理的目的是为了提高脑电信号信噪比，由于脑电信号本身是一种非常微弱的电信号，具有很高的时变敏感性，采集时极容易受到无关噪声的干扰；这些噪声的存在会给后续进行的分析和处理工作带来很大的困难，本发明拟利用硬件滤波器自动过滤掉50hz和60hz的工频干扰噪声，而后续的含有生物电噪声、环境噪声和设备电极接触不良导致的噪声，通过软件算法进行消除；
25.(3)脑电信号特征提取
26.在bci系统中，如何从复杂的脑电信号中提取出能够有效地表征焊接操作者实际控制意图的特征向量是bci系统的一个重要环节，本发明针对测试集(30个基准样本和30个眨眼样本)进行脑电信号频带能量分析，包括delta(0.5
‑
3.5hz)、theta(4
‑
7.5hz)、alpha(8
‑
13hz)、beta(13.5
‑
30hz)、gamma(30.5
‑
49.5hz)共5个频段，针对每个样本使用周期图法计算各频段的能量和能量占比(频带能量与0.5
‑
49.5hz频带总能量的比值)，并求出所有基准样本的各频段平均能量和平均能量占比值；
27.(4)脑电信号训练库构建及分类识别
28.根据提取脑电信号的特征集合，在arduino平台上实现对脑电特征库的bp网络模型的构建，利用bp神经网络归一化方法为：各子带能量除以所在样本各子带能量的最大值；神经网络结构为两层网络，输入层节点数为4，隐层节点总数为6，输出层节点数为4；输入层和隐层的传输函数为线性传输方程purelin，隐层和输出层的传输函数为log
‑
sigmoid传输方程；训练方法为：levenberg
‑
marquardt反向传播；输出点值为：0或1，0为基准状态，1为脑电波输出状态；
29.(5)mini机械臂控制信号转换
30.经过上述5个处理模块，焊接操作者的实际控制意图已经被解析出来，将这些结果转换成机械臂的控制信号后，便能够完成对机械臂一系列实际控制，从而实现完整的bci控制过程，通过识别出的脑电波进行选择控制信号，通过指令判断模块组成，包括：自由度(舵机)的选择，范围为1到6；运动方向和角度的选择，根据滑动条形式的示意图进行选择；速度的选择，可选低速、中速、高速，arduino平台将识别出的脑电信号通过编码成运动执行部分能理解的指令字符串并传送至运动执行部分，机械臂运动指令发送模块和运动执行部分之间通过usb总线连接，从而机械臂将能够根据焊接者的要求对待焊接的电路板做出移动、翻转等操作，最终实现电子元器件焊接辅助。