(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221090264 4.4 (22)申请日 2022.07.29 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 孟伟　俞璇琦　刘泉　刘泽民　 左洁　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 王琪 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种基于模糊Petri网的意图预测与消歧方 法及系统 (57)摘要 本发明公开了一种基于模糊Petr i网的意图 预测与消歧方法及系统， 预测用户待抓取目标并 对可能出现的运动歧义进行消除。 本发明设计了 基于短期方向偏差和短期路径距离的预测度量， 分别解决两待定目标物体与机械臂末端在距离 相似和同处一条直线的问题， 同时引入消歧度 量， 提高目标预测的准确性， 可实现低分类脑电 信号完成精确辅助抓取任务， 减 轻共享控制系统 中的用户负担， 提高辅助过程的安全性和适应 性。 本发明能有效地预测目标物体并对运行过程 中出现的歧义进行消除， 可提高机械臂共享控制 系统在多目标物体环境中的适应性和精确性。 权利要求书4页 说明书11页 附图4页 CN 115091467 A 2022.09.23 CN 115091467 A 1.一种基于模糊Pet ri网的意图预测与消歧方法， 其特 征在于， 包括如下步骤： S1， 采集得到原始脑电信号， 通过进行预处理、 特征提取和分类后， 得到运动想象分类 为想象左手和右手的识别结果， 用于表达人脑意图； S2， 根据运动捕捉系统采集到人体习惯的运动偏好轨迹， 对人体习惯 的运动偏好轨迹 进行优化， 获得机 械臂末端优化轨 迹； S3， 对人类期望抓取目标进行意图预测与消歧； S4， 建立模糊Petri网模型， 通过步骤S3中的意图预测与消歧调整模糊Petri网模型中 的共享控制权 重， 进而与机械臂系统和脑机 接口系统构建辅助共享控制系统； S5， 根据运动想象的输入实时调整机械臂末端的轨迹输出实现脑机共享辅助抓取控 制， 所述运动想象的输入即步骤S1中得到的识别结果。 2.如权利要求1所述的一种基于模糊Petri网的意图预测与消歧方法， 其特征在于： 步 骤S2中采用多亚种群的NSGA ‑III多目标优化算法对运动偏好轨迹的速度、 加 速度、 加速度 率进行优化， 获得机 械臂末端优化轨 迹。 3.根据权利要求1所述一种基于模糊Petri网的意图预测与消歧方法， 其特征在于： 建 立预测度量ξ对人类期望抓取目标进 行意图预测， 所述预测度量采用动态场方法进 行计算， 具体如下； 其中ξ为一个对人类控制命令和任务特征影响时间演化的非线性函数， 该函数对捕捉 到的人体运动的潜在意图进行编码： 该公式可简化 为 其中 表示对机械臂运动短期方向性偏差的预测， η表示用户意图与机械臂末端到 目标物体之间的矢量， ψ表示对机械臂末端运动短期路径距离参数， uhrot·ur,grot表示用户 命令于机械臂自主性之间的一致性， 式中uh表示用户输入， ur,g表示机械臂到达 目标g的自 主控制输入， rot 表示旋转矩阵， t rans表示 转置矩阵， 式中， xg表示目标物体位置， xr表示机械臂末端位置， | |·||表示范数； ψ表示对机械臂末端运动短期路径距离参数， 式中， R表示设定接近分量为零的球体半 径， 即当机械臂末端与目标物体的距离小于R时判定为机 械臂到达了目标物体处。 4.根据权利要求3所述的一种基于模糊Petri网的意图预测与消歧方法， 其特征在于： 建立消歧度量M对人类期望抓取目标进行意图消歧， 所述消歧度量用于在多个待定目标中 对单个目标进行概 率评估， 有效消除意图歧义；权　利　要　求　书 1/4 页 2 CN 115091467 A 2消歧度量的计算方法为： M＝ω(Γ·Λ·Ω)+(1‑ω)γ， 式中， M表示消歧度量矩阵， ω是用来平衡短期和长期组成部分的权重， Γ表示多个目 标物体中选取概率的最大值， 值越高代表机器人对预期目标的预测有更大 的信心； Λ表示 相邻两物体目标概率的差值之和， 目标概率之 间的邻间隔越大， 消歧的准确度越高； Ω表 示 第一目标和第二目标概率之差， 差异 性越大， 准确性越高； Υ表示在一段长时间运动时目标 概率发生变化的梯度， 个体空间梯度的差异越大， 相互偏 离的概率就越大， 从而有助于消除 歧义； 式中， pi(t)表示到 达物体i的目标概 率； 式中， 表示目标概 率的梯度。 5.根据权利要求4所述的一种基于模糊Petri网的意图预测与消歧方法， 其特征在于： 步骤S4中模糊Pet ri网的建立过程具体为； 41)检测机 械臂和多个目标物体之间的相对位置， 将其模糊化处 理输出相对 模糊角度； 42)由末端与目标物体之间距离， 通过优化轨迹算法计算出优化轨迹， 将其模糊化处理 输出模糊距离， 并定义模糊初始化状态为Z； 43)通过步骤1中得到的二分类运动想象信号将其进行0、 1编码， 获得定长编码的4个方 向信号， 分别对应前后左右的机 械臂末端二维方向控制； 44)将模糊角度与模糊距离通过隶属度映射函数分别映射为具体数值CF1和CF2， 同时 将人类控制命令映射 为CF3； 45)通过给CF1、 CF2和CF3分配权重ω1、 ω2和ω3， 其中ω1+ω2+ω3＝1， 实现共享控制动 态分配。 6.根据权利要求5所述的一种基于模糊Petri网的意图预测与消歧方法， 其特征在于： 预测度量ξ用于动态调节步骤4中模糊Petri网的ω1与ω2之间的权重， 消歧度量M将用于动 态调节步骤4中ω3和(ω1、 ω2)之间的权 重。 7.一种基于模糊Petri网的意图预测与消歧系统， 其特征在于， 包括： 数据预处理模块、 轨迹规划模块、 意图预测与消歧模块、 共享控制模块和辅助抓取模块； 数据预处理模块， 用于采集得到原始脑电信号， 通过进行预处理、 特征提取和分类后， 得到运动想象分类为想象左手和右手的识别结果， 用于表达人脑意图； 轨迹规划模块， 用于根据运动捕捉系统采集到人体习惯的运动偏好轨迹， 对人体习惯 的运动偏好轨 迹进行优化， 获得机 械臂末端优化轨 迹；权　利　要　求　书 2/4 页 3 CN 115091467 A 3