无人机可以代替人类完成许多人力所不能及的任务，提升工作效率，在生产生活中的应用愈加广泛。高效的人机交互有利于有效发挥和提升无人机性能，是无人机的重要研究方向。脑机接口（Brain-Computer Interface，BCI）是一种新的人机交互方式，将其应用于无人机中，可以实现手脑协同控制，提升系统响应速度。在经典的BCI范式——稳态视觉诱发电位（Steady-State Visual Evoked Potential，SSVEP）范式中，刺激界面多为静态背景，与实际应用场景的结合度不够，且刺激块多在固定位置，有必要研究动态目标运动特征的捕捉方法和连贯自然的选择方式。因此，本文基于BCI技术、围绕无人机对动态目标的选择与跟随方法进行了一系列研究，主要完成了以下工作。
（1）基于SSVEP-BCI的动态目标选择方法研究。结合YOLOv5算法与SSVEP设计了动态SSVEP实验范式，以视频影像为刺激界面，在目标识别的基础上，将不同频率的SSVEP刺激块叠加在各动态目标位置处并跟随目标移动，使得用户在对动态目标进行选择时能实时感知环境变化，做出更合理的决策。招募了9名被试开展离线实验，对脑电数据的分析表明，平均准确率为82.01%，平均信息传输率（Information Transfer Rate，ITR）为26.02bits/min，验证了系统的可行性。
（2）固定翼无人机跟随控制方法研究。在坐标系转换的基础上推导出了某型固定翼无人机的运动方程，包括纵向运动和横侧向运动方程。基于参考点跟踪制导方法构建了无人机的目标跟随控制系统，结合PID控制算法设计了纵向运动与横侧向运动的控制策略，并在MATLAB/Simulink中搭建了五个控制回路（俯仰角、偏航角、滚转角、速度、高度）的仿真模型。采用自适应遗传算法对PID参数进行快速整定，并在仿真模型中进行了效果验证。5个控制回路在给定期望输入的情况下均能在短时间内到达稳定状态，系统有较小的上升时间和调节时间，且超调量均小于5%，性能良好。
（3）脑控无人机半实物模拟训练平台搭建与测试。构建了包括飞行控制系统、任务控制系统、脑机接口系统和半实物仿真系统的脑控无人机平台，并对其动态目标选择及跟随飞行的性能进行了验证。首先将MATLAB/Simulink中的仿真模型导出为C++代码，并嵌入到飞行仿真服务器中，实现无人机飞行状态实时仿真和参数分发。基于Qt框架编写了飞行控制、导航、任务控制和龙门架控制等多个客户端，实现了客户端对飞行仿真服务器中的无人机信息的实时读写。基于可编程逻辑控制器（Programmable Logic Controller，PLC）、数字量和模拟量输入设备完成了飞行控制操纵台和任务控制操纵台的开发，实现了硬件与软件平台的联合控制。基于龙门架三轴运动导轨、大疆M210 V2 RTK型无人机和高精度实物地图搭建了半实物仿真系统，对固定翼无人机的六自由度运动以及飞行视景进行模拟。编写了云台控制节点和视频传输节点，响应快速且流畅。招募了3名被试开展在线实验，平均准确率为85.71%，平均ITR为27.69bits/min，实际路径跟踪曲线与理想路径曲线良好拟合。结果表明本平台能够有效模拟飞控手脑控无人机选择动态目标并执行跟随飞行任务的过程，为脑控无人机的研究提供了新的思路和方法。
谷歌
火狐
