磨矿过程控制中专家操作人员脑电特征分析
来源期刊:东北大学学报(自然科学版)2017年第6期
论文作者:张驰 卢绍文 王宏 王宏
文章页码:828 - 833
关键词:磨矿过程;脑电信号;小波熵;时频分析;B样条曲线;
摘 要:面向选矿生产系统的优化和智能升级,为进一步保证产品的质量和产量,针对磨矿过程中操作人员行为因素的评定和量化问题,提出一种基于脑电信号(EEG)特征的实时分析方法.首先采用小波分解的方法提取大脑不同脑区的δ,θ,α和β波节律.然后通过小波各尺度的能量序列、分布计算不同脑区EEG的小波熵,根据小波熵的熵值比较确定待分析的脑区.根据小波时频分析的结果确定谱特征(α+β)/(δ+θ+α+β),最后采用B样条拟合及滑动窗,进行实时评定.结果表明,提出的量化指标可以在一定程度上反映操作输出的粒度曲线的变化趋势,能够较为客观地评定操作人员的行为因素.
张驰1,卢绍文2,王宏2,3,王宏1
1. 东北大学机械工程与自动化学院2. 东北大学流程工业综合自动化国家重点实验室3. 曼彻斯特大学自动化中心
摘 要:面向选矿生产系统的优化和智能升级,为进一步保证产品的质量和产量,针对磨矿过程中操作人员行为因素的评定和量化问题,提出一种基于脑电信号(EEG)特征的实时分析方法.首先采用小波分解的方法提取大脑不同脑区的δ,θ,α和β波节律.然后通过小波各尺度的能量序列、分布计算不同脑区EEG的小波熵,根据小波熵的熵值比较确定待分析的脑区.根据小波时频分析的结果确定谱特征(α+β)/(δ+θ+α+β),最后采用B样条拟合及滑动窗,进行实时评定.结果表明,提出的量化指标可以在一定程度上反映操作输出的粒度曲线的变化趋势,能够较为客观地评定操作人员的行为因素.
关键词:磨矿过程;脑电信号;小波熵;时频分析;B样条曲线;