-
公开(公告)号：CN109614932B
公开(公告)日：2022-03-25
申请号：CN201811514551.4
申请日：2018-12-12
Applicant: 西安科技大学
Abstract: 本发明提供一种基于脑电场变化机理的环境识别方法、矿用头盔及云平台。本发明通过智能矿用头盔采集脑电波信号，构建脑电场，根据不同环境诱发脑电场的变化，完成对环境危险种类的识别及安全预警，并利用矿用智能头盔作为物联网节点，构建智慧矿井安全监控物联网云平台，利用物联网平台以及云服务器，实时监测环境和人员的安全信息，并能够实现实时预警。本发明利用多种信息的检测，井下环境信息反映全面，避免井下固定安装传感器带来的易碰撞、进水、破损等故障，利用矿工头盔作为信息节点，构造感知层，系统抗干扰能力增强，简化监控系统的线路复杂度；整体监控平台大大提高了系统的及时性和准确性，降低了整体的阻抗，信号功率增强，系统传输故障维修简单，便于大规模的生产应用，物联网云平台的应用增加了系统预警的及时性和便捷性。
-
公开(公告)号：CN109614932A
公开(公告)日：2019-04-12
申请号：CN201811514551.4
申请日：2018-12-12
Applicant: 西安科技大学
Abstract: 本发明提供一种基于脑电场变化机理的环境识别方法、矿用头盔及云平台。本发明通过智能矿用头盔采集脑电波信号，构建脑电场，根据不同环境诱发脑电场的变化，完成对环境危险种类的识别及安全预警，并利用矿用智能头盔作为物联网节点，构建智慧矿井安全监控物联网云平台，利用物联网平台以及云服务器，实时监测环境和人员的安全信息，并能够实现实时预警。本发明利用多种信息的检测，井下环境信息反映全面，避免井下固定安装传感器带来的易碰撞、进水、破损等故障，利用矿工头盔作为信息节点，构造感知层，系统抗干扰能力增强，简化监控系统的线路复杂度；整体监控平台大大提高了系统的及时性和准确性，降低了整体的阻抗，信号功率增强，系统传输故障维修简单，便于大规模的生产应用，物联网云平台的应用增加了系统预警的及时性和便捷性。
-
公开(公告)号：CN108478189A
公开(公告)日：2018-09-04
申请号：CN201810182903.4
申请日：2018-03-06
Applicant: 西安科技大学
IPC: A61B5/00 , A61B5/0476 , B25J9/00 , B25J9/16
Abstract: 本发明公开了一种基于脑电信号的人体外骨骼机械臂控制系统及方法，包括数据采集单元、数据处理单元和主控单元，当第一单元采集的数据发送给第二单元后，第二单元对数据处理后发送给第三单元，主控制器将信号转换成控制信息，对机械臂进行控制动作。数据采集单元、数据处理单元以及主控制单元形成一个完整的机械臂控制系统。采用自发脑电、眨眼信号以及位置偏移多模式共同对机械臂进行控制。与现有技术相比，本发明使用5个电机模块协同工作，使机械臂有5个自由度；通过蓝牙传输采集的脑波数据，使用手机对信号进行处理；设计一个基于脑电信号的人体外骨骼机械臂控制系统；提出基于脑电信号的人体外骨骼机械臂控制方法。
-
公开(公告)号：CN108196566A
公开(公告)日：2018-06-22
申请号：CN201810219091.6
申请日：2018-03-16
Applicant: 西安科技大学
Abstract: 本发明公开了一种小型无人机云脑控制系统及其方法，受试者通过佩戴脑电信号采集设备，观察移动终端上的不同闪烁频率的刺激源后，将得到的脑电信号进行coif5小波降噪重构及频域分析，经编码后对飞行指令打包，然后移动终端MicroUSB端口连接遥控射频装置将飞行指令发送给无人机；同时移动终端通过遥控射频装置获取无人机的飞行状态信息，并和搭载的环境感知平台经GPRS通信模块传回的环境信息，一同向Web服务器发送，Web服务器将信息存储在Web服务器的数据库中，用户通过浏览器访问获取所有信息。本发明能够实现云平台远程监测飞行器电量状态，飞行状态，环境信息等，经过一定训练后可通过意念控制飞行器的起飞、降落、上升、下降、前进、后退、左转、右转等。
-
公开(公告)号：CN109015635A
公开(公告)日：2018-12-18
申请号：CN201810896826.9
申请日：2018-08-08
Applicant: 西安科技大学
CPC classification number: B25J9/1602 , B25J9/1697 , B25J13/006 , G06F3/015 , G06F2203/011
Abstract: 本发明公开了一种基于脑机交互的服务机器人控制方法，包括以下步骤：S1、将机器人控制单元分为机器人运动控制单元、机械臂动作控制单元；机器人控制单元由主控制器进行控制；S2、通过视觉刺激器发出不同频率的视觉刺激使得视觉诱发大脑中产生不同频率的脑电信号；S3、通过TGAM芯片对大脑中的脑电信号进行采集并通过手机APP将不同频率的脑电波信号转化成对机器人的控制指令；S4、手机APP将控制指令通过无线蓝牙发送给机器人上的主控制器；S5、主控制器通过采用机器人速度模糊控制算法与增量式PID控制算法相结合的方式对机器人控制单元进行控制。
-
Patent Agency Ranking
公开(公告)号：CN108903936A
公开(公告)日：2018-11-30
申请号：CN201810715885.1
申请日：2018-07-03
Applicant: 西安科技大学
IPC: A61B5/0476 , A61B5/048 , A61B5/18
CPC classification number: A61B5/0476 , A61B5/048 , A61B5/165 , A61B5/18 , A61B5/6803 , A61B5/681 , A61B5/7253 , A61B5/7264 , A61B5/746 , A61B2503/20 , A61B2560/0242
Abstract: 本发明公开了一种基于人体信息和环境信息融合的智能矿用头盔控制方法，包括原始脑电波信号的获取；原始脑电波的预处理；原始脑电波信号的小波分解重构；脑波信号特征提取；人工鱼群算法优化BP神经网络对疲劳特征进行识别；识别矿工疲劳度、监控矿工所处环境信息、对危险情况进行报警操作。本发明提取对原始脑电波信号预处理(滤波、去噪)后获得的高精度脑电波信号中四个子带能量、ApEn近似熵、KC复杂度和C0复杂度作为人工鱼群算法优化BP神经网络的输入层，训练人工鱼群算法优化BP神经网络识别矿工疲劳，识别准确率高，并通过佩戴在矿工手腕上的智能可穿戴手环对不同危险等级的安全状态进行声、光、震动三种方式的三重报警，从而提高井下操作安全系数。
-
公开(公告)号：CN107714037A
公开(公告)日：2018-02-23
申请号：CN201710947117.4
申请日：2017-10-12
Applicant: 西安科技大学
IPC: A61B5/0476 , A61B5/00
CPC classification number: A61B5/0476 , A61B5/6803 , A61B5/7203 , A61B5/7225 , A61B5/7264
Abstract: 本发明公开了一种基于脑机接口矿用头盔的矿工疲劳识别方法，包括步骤：一、原始脑电波信号的获取；二、原始脑电波信号去噪；三、脑波特征提取；四、BP神经网络的训练，401、BP神经网络初始化，402、获取训练输入样本集合并设定期望输出向量，403、监控主机训练隐含层输入、隐含层输出、输出层输入和输出层输出，404、计算实际误差，405、判断实际误差是否小于等于实际误差阈值，406、设置学习次数并判断学习次数是否完成，407、修正连接权值，408、完成BP神经网络的训练；五、识别矿工疲劳度。本发明对原始脑电波信号去噪获取精度高的脑电波信号，采用脑电波能量波动关系量化矿工精神状态并作为BP网络输入信号，矿工疲劳识别准确率高。
-
公开(公告)号：CN107693257A
公开(公告)日：2018-02-16
申请号：CN201711018401.X
申请日：2017-10-26
Applicant: 西安科技大学
CPC classification number: A61G7/018 , A61G7/001 , A61G7/02 , A61G7/057 , A61G7/07 , A61G7/0755 , A61G2203/10 , A61G2203/18
Abstract: 本发明公开了一种基于云平台的多模态护理床BCI系统，其包括：图片显示单元、数据采集与发送单元、数据接收与处理单元、以及护理床状态及环境信息采集与发送单元。本发明的有益之处在于：(1)用两块TGAM模块采集脑波信号，没有过多的电极，使用便捷；(2)信号采集模式多样，集视觉诱发、运动想象以及语音识别于一体，多模式控制护理床，适用面广泛、使用稳定性好；(3)脑波信号由ARM处理器进行处理，ARM处理器大量使用寄存器，使得脑波信号处理分类速度加快，同时使得护理床BCI系统体积大大减小；(4)采用云平台存储数据，护理床的状态信息以及护理床周围的环境信息可以实时上传到云平台，方便用户查看，家属可以对病人进行实时监测。
-
公开(公告)号：CN108903936B
公开(公告)日：2021-01-26
申请号：CN201810715885.1
申请日：2018-07-03
Applicant: 西安科技大学
Abstract: 本发明公开了一种基于人体信息和环境信息融合的智能矿用头盔控制方法，包括原始脑电波信号的获取；原始脑电波的预处理；原始脑电波信号的小波分解重构；脑波信号特征提取；人工鱼群算法优化BP神经网络对疲劳特征进行识别；识别矿工疲劳度、监控矿工所处环境信息、对危险情况进行报警操作。本发明提取对原始脑电波信号预处理(滤波、去噪)后获得的高精度脑电波信号中四个子带能量、ApEn近似熵、KC复杂度和C0复杂度作为人工鱼群算法优化BP神经网络的输入层，训练人工鱼群算法优化BP神经网络识别矿工疲劳，识别准确率高，并通过佩戴在矿工手腕上的智能可穿戴手环对不同危险等级的安全状态进行声、光、震动三种方式的三重报警，从而提高井下操作安全系数。
-
公开(公告)号：CN108056865A
公开(公告)日：2018-05-22
申请号：CN201711251132.1
申请日：2017-12-01
Applicant: 西安科技大学
CPC classification number: A61G5/04 , A61G5/10 , A61G2203/12 , A61G2203/18 , G06F3/015
Abstract: 本发明公开了一种基于云平台的多模态轮椅脑控系统及方法，共包含三种模态实现对轮椅的并行控制：第一种模态是运动想像控制，第二种模态是稳态视觉诱发控制，第三种模态是语音控制。在云平台的监测方面，通过自主搭建MYSQL服务器对使用者的脑电数据，和轮椅的运行状况进行监测。FPGA通过串口搭载GSM模块，通过4G网络或者WIFI的形式将数据上传至服务器，当使用者登录利用JSP+HTML+CSS自主开发的网页，就可以远程监测轮椅以及使用者状况。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
