Let the control signals for the two controllers at time t is c1(t) and c2(t), respectively, and the corresponding error at time t is e(t), which is given by Table 3 Average of the controller performance for five subjects Parameters Controllers

c1 + c2 c1

Average success rate (in  %) 95 80

Steady-state error (in  %) 0。045 7

Peak overshoot (in %) 2。8 7

Settling time (in sec) 50 38

Best results marked in bold

c2(t) = 0,    if e(t) = 0

=  - off 。u(t) for t ∈ [0, δ], if e(t) < 0 and Err(t)(1=1)1

= 0, for t >δ 

where u(t) is a step function of magnitude A which is preset by the operator, off is the small offset value and δ is a very small positive number representing offset time of Err。 The value of off and δ is set experimentally by taking average offset time of ten trials for each inpidual subject。

摘要本文提出了一种新颖的利用脑电图像，P300和错误相关电位（ERRP）以使机器人手臂达到期望目标位置的脑电驱动的机器人手臂。在该方案,用户生成脑电图像信号来控制机器人手臂的运动。当用户打算停止到达目标位置的运动机器人，P300波形可被检测到。误差电位被用户采用作为反馈响应。一个支持自适应增强向量机（SVM）分类器用于解码四级电机的影像和SVM是用来解码P300和错误相关电位波形的存在。我们所提出的方法中，平均稳态误差，峰值过冲，目标的平均速率和稳定时间分别为0。045，2。8%，95%和44秒。最终让所提出的控制方案适合应用在康复假肢设计。

毕业论文关键字：脑机接口；脑电图像；P300；错误相关电位；机械臂的位置控制；脑电描记法

目  录

第一章  绪论 1

第二章  方法和实验 3

2。1脑电图数据采集 3

2。2 控制方案的设计 3

2。3 实验与数据处理 5

2。3。1脑电图像检测仪的设计 6

2。3。2 P300检测仪的设计 9

2。3。3 提供的检测器的设计 9

2。4实时机器人ARM控制器设计 10

2。5性能指标 12

第三章 结论 14

3。1 探测器性能分析 14

3。2 实时机器人手臂控制器的性能 14

第四章 讨论 16

第五章 结论