周富佳

摘要：针对当前排爆机器人无法拆解复杂爆炸装置的缺点，提出脑机接口技术远程控制排爆机器人的方案。脑机接口系统采用MindWave mobile提取排爆人员基于运动想象模式大脑皮层的脑电信号，然后经过BCI2000平台深度处理后将控制信息发送到下位机控制系统。同时，下位机控制系统把采集的数据反馈到遥控箱。分析表明：在提高脑电信号识别、转换率之后，此方案可有效降低拆弹风险。

Abstract： In response to the shortcomings of current EOD robots that cannot dismantle complex explosive devices， this paper proposes a brain-computer interface technology to remotely control the EOD robots. The brain-computer interface system uses MindWave mobile to extract EEG signals of the brain cortex based on the motor imagery pattern of EOD personnel， and then sends control information to the lower machine control system through the BCI2000 platform after depth treatment. At the same time， the control system of the lower computer feedback the collected data to the remote control box. The analysis shows that， after improving the recognition and conversion rate of EEG signal， this scheme can effectively reduce the risk of missile.

关键词：脑机接口；排爆机器人；移动载体；排爆机械臂；无线通讯

Key words： brain-computer interface；EOD robot；mobile carrier；EOD manipulator；telecommunications

中图分类号：TP242 文献标识码：A 文章编号：1006-4311（2018）16-0137-02

0 引言

当前远程遥控排爆机器人主要用于检查、转移和销毁爆炸物。当爆炸装置复杂、不具备现场销毁条件时就需拆弹专家近距离、手动完成拆弹任务，这会极大增加拆弹风险。针对以上问题，提出脑机接口技术远程控制排爆机器人的方案，并对其可行性进行分析。整个排爆系统由脑机接口设备、遥控箱、移动载体和排爆机械臂组成。排爆人员通过运动想象脑电模式，像控制自身肢体一样来控制排爆机器人，可即时、安全、精准地完成对爆炸装置引信的切断和整体拆解。

1 脑机接口系统

脑机接口（Brain-computer interface，BCI）是基于大脑思维和意念的一种控制技术，不依靠外部神经系统和肌体组织，直接通过脑电信号与计算机或其它电子設备建立控制通道。上世纪70年代，加州大学洛杉矶分校维达尔教授首次通过视觉诱发电位来控制光标在电脑屏幕上的位置，据此提出脑机接口技术的初步概念[1]。脑机接口技术经过几十年的发展，逐渐运用于智能家居、游戏体验、医疗康复训练和军事装备等领域。

1.1 脑电信号

大脑在进行思维活动、产生动作意识或受到外界刺激时，大脑皮层会产生脑电信号[2]。脑电信号具有节律特征，其可分为四个频段，即δ波、θ波、α波、β波，不同频段反映大脑不同的思维状态、意识。通过对脑电信号的辨识、提取，就可对外传输大脑的控制指令。脑电信号的识别模式分别为：运动想象、稳态视觉诱发电位（SSVEP）、P300事件相关电位和皮层慢电位。本文根据实际工作情况，选择基于运动想象模式远程控制排爆机器人。

运动想象是指操纵者通过想象肢体的运动来刺激大脑皮层，促使μ节律与β节律发生变化，并且产生脑电信号。运动想象时，大脑皮层存在明显的ERD/ERS现象，有助于脑电信号的采集和分析，所以被广泛用于对实时性、稳定性、精度要求高的脑机接口系统。

1.2 脑机接口原理

脑机接口系统由信号采集、信号处理、控制系统和反馈组成[3]。脑机接口系统的信号采集设备对脑电信号进行预处理，然后转换成计算机可识别的信号，再通过无线设备传输到计算机平台进行特征提取、特征分类、模式识别，最后转换成具体的控制指令。排爆人员也可根据反馈信息对指令做出调整，修正机器人的运动，最终精确无误的完成排爆任务。脑机接口控制系统原理如图1所示。

1.3 脑电信号采集

市面上已有多款商用非侵入式脑电信号采集设备，本方案选用 MindWave mobile脑电耳机，测量精度高，信号稳定，调试时间短，质量轻，佩戴舒适[4]。MindWave Mobile通过蓝牙与遥控箱相连，将预处理信号发送到遥控箱。MindWave mobile采用干电池供电，工作时长可达10小时。排爆人员使用MindWave mobile时，需使信号采集部位与头皮紧密接触，然后将耳夹夹在耳垂上，降低身体其他部位所产生电信号的干扰。

1.4 脑电信号深度处理

遥控箱可选惠普PC机作为核心控制设备，其将MindWave mobile传送的预处理信号导入BCI2000进行信号深度处理。BCI2000是美国科学家针对BCI研究所开发的识别系统，对接收的脑电预处理信号进行小波变化，去除噪声，然后进行特征提取，识别排爆人员的主观意图，最后转换成对外部设备的控制指令，再通过无线设备发送到下位机控制系统。

当信号传输中断或信号质量较差时，系统会立即停止指令传送，并提示故障原因，待故障排除，信号再次相连和稳定，排爆机器人才会重新工作，以确保排爆人员的安全，减少设备的损坏。

2 排爆机器人

2.1 遥控箱

遥控箱是整个排爆系统的控制核心，是脑机接口系统和下位机控制系统的连接枢纽。遥控箱需把脑电信号转化为控制指令发送到下位机控制系统，同时将下位机回传的视频信息和当前各个模块的状态参数显示在屏幕上。排爆人员可实时了解设备运行状态和根据实际工况做出状态、指令的调整，从而提高控制精度，完成对可疑爆炸物的拆除。

2.2 移动载体

排爆机器人属于移动机器人，因此运动需通过移动载体实现。排爆机器人可采用履带式行走系统，其优点是能穿越障碍和壕沟，不易打滑，具有良好的姿态稳定性，利于排爆机械臂的定点作业[5]。

移动载体主要由控制系统、驱动系统和传感系统组成，采用蓄电池供电。移动载体的控制系统可选择华北BIS-6660F型工控机，具有较高的抗冲击、防尘和连续长时间工作的能力，适合恶劣的排爆环境。工控机借助无线传输设备和遥控箱进行信息交互，并且通过CAN总线把移动载体各个子模块连接在一起，在接收到上位机的控制指令以后，对其进行指令解调和转换，然后发送到CAN总线上，子模块根据事先制定的协议，通过识别标识符来接收相应的数据帧，从而实现对各个子模块的精确控制。同时，工控机还可通过CAN总线接收特定模块的状态参数和所采集到的数据信息，经过信号转换之后发送到上位机控制系统。

2.3 排爆机械臂

排爆机器人采用双臂作业。机械臂具有多个自由度，其底座可以自由旋转，每个关节具备独立运动和自锁功能[6]。排爆机械臂选用固高运动控制器作为控制核心，控制器通过输出脉冲或模拟量指令来控制步进电机和伺服系统，并且通过DSP和FPGA进行空间运动路径规划，支持多轴同步、空间螺旋插补运动模式，满足排爆机器人在复杂环境下的工作需求。

机械臂执行末端可安装微型摄像头和迷你检测仪，通过调整机械臂的姿态，可多角度观察目标；检测仪可对爆炸物成分和危险程度做出初步的判断，帮助排爆人员做出正确的排爆决策。机械臂在整个拆弹过程中，采用的是末端控制模式，排爆人员只需要想象执行末端的运动即可，系统通过逆运动学计算，自动调节各个关节的转动角度和手臂的运动速度。

炸弹在转移过程中，需通过手爪夹持，但夹持力度过大会使爆炸物因强力挤压而爆炸，因此采用气动柔性手爪，吸附力强，能够抓紧爆炸物，并且具备自锁功能，能够防止爆炸物滑落，同时系统采用安全合抱机构，可以保证爆炸物平稳转移。排爆机器人面临的环境是未知和复杂的，为提升排爆机器人的排爆性能，机械手爪可采取模块化设计，能够自主拆卸和更换，同时在移动载体上安装手爪库。排爆机器人还可预留辅助设备安装空间，如散弹枪，击毙隐藏在角落的恐怖分子，以减少民警的伤亡。

2.4 通讯系统

排爆机器人的无线通讯系统不仅要完成上位机和下位机交互指令的有效传输，还要向上位机发送视频信息，因此数据传输量大。為保证数据传输的实时性、完整性，选用AirNET 900无线网络电台，传输速率高，超过20Mbps；覆盖范围广，利用多径传输，在市区非视距情况下传输距离可达1000米；稳定性好，抗干扰能力强。

排爆机器人的通讯机制是基于TCP/IP模型，包含四个层级结构：应用层、传输层、互联网层和网络访问层，与OSI模型的七个层级相比，前者的结构更加精简，而且传输层具有数据确认和重传机制，可有效避免因数据包的不完整而导致排爆机器人出现操作失误[7]。

AirNET 900在遥控箱、移动载体和排爆机械臂之间建立一个广义上的局域网，通过互访IP地址来建立通信连接，实现指令的传达和数据的传输。该通讯系统采用的是客户机/服务器（C/S）结构，所以既可选择单对单控制模式，也可选择单对多控制模式。经过验证，前者存在严重延时现象，所以系统选择单对多控制模式。

3 总结

目前脑电信号的识别率虽已超过90%，但转换速度慢，且不稳定，易受环境干扰，随着控制指令的增多，识别率还会逐渐降低。未来随着神经生物学、计算机科学、微电子学和传感技术的发展，脑电系统对信号的识别能力、转换能力会显著提高。排爆机器人的模块化、标准化设计也会使其制造成本降低，使用范围更广。

参考文献：

[1]张小栋，李睿，李耀楠.脑控技术的研究与展望[J].振动测试与诊断，2014（02）：205-211，392.

[2]孙中磊，刘英富，涂悦，等.脑-机接口技术发展现状及脑控动物应用前景[J].军事医学，2016（10）：843-846.

[3]段凯文，杨帮华，张桃，等.基于ARM的脑机交互信号采集系统设计[J].测控技术，2016（07）：112-115.

[4]李居康.脑—机接口技术在机器人控制上的应用[D].东南大学，2016.

[5]王乐临.爆炸物处理机器人控制系统设计与实现[D].中国科学技术大学，2010.

[6]张云峰，马振书，孙华刚，等.一种基于混合策略的排爆机器人目标抓取轨迹规划[J].机床与液压，2015，43（21）：86-90.

[7]郑爱宇.基于嵌入式接口的可扩展TCP/IP协议栈的设计和实现[J].中北大学学报（自然科学版），2016（06）：614-619.