[發明專利]一種基于腦認識的自動化系統決策快速干預方法

有效

• 申請號: 201811204037.0
• 申請日: 2018-10-16
• 公開（公告）號: CN109460145B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 陳遠方;張利劍
• 申請（專利權）人: 北京機械設備研究所
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06K9/62
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 李明里;龐許倩

1.一種基于腦認識的自動化系統決策干預方法，其特征在于，包括，

訓練決策動作—腦電特征模型：建立決策動作訓練樣本集，自動化系統執行訓練樣本集中樣本時，同步采集注視自動化系統的操作人員的腦電信號，提取相應的腦電特征，進行模型訓練，得到訓練錯誤決策動作—腦電特征模型；具體包括以下步驟：

步驟S101、建立決策動作訓練樣本集；

步驟S102、自動化系統執行每個訓練樣本時，采集操作人員注視自動化系統執行每個訓練樣本時的腦電信號；

步驟S103、提取與每個訓練樣本對應的腦電信號的腦電特征，建立腦電特征與決策動作類型映射數據集；

步驟S104、以得到的腦電特征為輸入，以決策動作類型為標簽，輸入檢測模型中進行模型參數訓練，得到模型參數；

步驟S105、根據得到的模型參數，建立錯誤決策動作與腦電特征之間的對應關系，即得到所述錯誤決策動作—腦電特征模型；

在線實時決策干預：實時采集注視自動化系統執行決策動作下的操作人員的腦電信號，提取相應的腦電特征，輸入到所述錯誤決策動作—腦電特征模型進行檢測，當檢測到錯誤決策動作時，發出干預控制指令到自動化系統，進行決策干預。

2.根據權利要求1所述的決策干預方法，其特征在于，所述決策動作訓練樣本集包括正確決策動作樣本和錯誤決策動作樣本。

3.根據權利要求2所述的決策干預方法，其特征在于，同步采集操作人員注視自動化系統執行決策動作時的腦電信號，是通過預設時長的滑動窗，從自動化系統執行決策動作后，立即開始抽取操作人員的腦電信號。

4.根據權利要求3所述的決策干預方法，其特征在于，所述腦電特征包括時域特征、空域特征和頻域特征。

5.根據權利要求4所述的決策干預方法，其特征在于，采用ESSP方法提取滑動窗內腦電信號的腦電特征。

6.根據權利要求1所述的決策干預方法，其特征在于，所述檢測模型為SVM支持向量機模型。

7.根據權利要求1所述的決策干預方法，其特征在于，所述在線實時決策干預過程包括，

1)實時采集自動化系統執行過程中，注視自動化系統執行的操作人員在預設時長滑動窗內的腦電信號；

2)提取所述腦電信號的腦電特征，輸入錯誤決策動作—腦電特征模型，進行錯誤決策動作檢測；

3)如果檢測結果中不存在錯誤決策動作，則回到1)；如果檢測結果中存在錯誤決策動作，則輸出決策干預指令到自動化系統；

4)自動化系統接收決策干預指令，對錯誤決策動作進行干預。

8.根據權利要求3-5或7任一項所述的決策干預方法，其特征在于，所述滑動窗的預設時長根據人腦對突發事件的反應速度進行設置。

9.根據權利要求8所述的決策干預方法，其特征在于，所述滑動窗的預設時長范圍為100ms到500ms。