脑控车辆是指驾驶员通过思维直接控制的车辆,它已经成为智能车辆的前沿研究领域。脑控车辆的研究在科学理论和实际应用方面都有重要意义。在科学理论方面,不仅可以促进脑控车辆关键技术的研究,而且有助于从大脑神经表达的角度来研究对驾驶行为的认知。在实际应用方面,可以提高残疾人或肢体运动受限者的活动范围,也可以为正常驾驶员提供一个驾驶车辆的新途径,甚至是为无人驾驶提供新的脑控辅助系统,在民用和军用领域中都有广阔的应用前景。但是脑机接口(Brain Computer Interface,BCI)本身具有一些固有问题,如:识别准确率低、响应时间长和信息传输率低,从而导致脑控车辆的控制性能不佳。本文围绕脑控车辆的共享控制方法实现了脑控车辆系统,在BCI弊端不可避免的情况下提高其控制性能,并进行了在线测试。本文取得的主要贡献及创新成果包括以下方面:(1)建立了基于运动想象BCI的脑控车辆方向与速度综合控制模型,包括脑控驾驶员模型、运动想象模型、脑机接口模型、控制模型以及车辆模型。仿真结果表明,所建立模型可以完成驾驶任务,且其驾驶性能容易受到BCI识别准确率的影响。(2)设计了一种基于模糊控制的脑控车辆共享控制方法。通过摄像头和超声波采集环境信息,当在线识别到有运动想象的脑电指令产生时,则进入基于模糊控制的容错机制,当没有识别到运动想象的脑电指令时则进入基于模糊控制的辅助驾驶模块,由模糊逻辑运动控制器执行最终的实际控制指令。既能对错误的脑电信号进行修正,也能够在没有脑电指令的情况下自主监督车辆。仿真结果表明,该共享控制方法可以显著提升脑控车辆的控制性能。(3)搭建了脑控车辆系统平台,设计了规范化的实验流程并进行了离线实验和在线实验,在线实验分为3种类型,分别为BCI直接控制、不考虑避障的共享控制以及考虑避障的共享控制。通过与仿真结果对比,验证了本文提出的脑控车辆模型和共享控制方法的有效性。实验表明该共享控制方法可以显著提高小车的控制性能,同时能够大大降低脑控驾驶员的疲劳程度。