非完整约束广泛存在于轮式移动机器人(wheel mobile robot,WMR)系统中,由于移动机器人系统物理约束的存在,对脑机接口(brain computer interface,BCI)控制移动机器人带来挑战。研究基于脑电信号控制非完整移动机器人系统的方法,通过脑电信号直接控制机器人,将脑机接口技术应用于非完整移动机器人系统控制具有重要的理论价值和实际意义。针对脑控非完整约束机器人系统运动控制,本文重点提出了基于非向量空间的脑电控制方法,研究了稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口、非完整移动机器人系统轨迹规划和运动控制等内容。本文的主要贡献总结如下:1.以豪斯多夫(Hausdorff)距离、突变方程、非向量空间转换矩阵等数学知识为理论基础,提出了基于非向量空间的脑电控制方法。该方法通过Hausdorff距离来表示两幅图像之间的匹配差异,能够避免传统视觉控制系统中存在的特征提取问题。利用双目摄像头模拟人的双目视觉,在图像空间(非向量空间)计算Hausdorff距离得到目标图像与当前图像的匹配误差。大脑根据这个误差反馈,产生了在非向量空间的运动意图,通过视觉诱发提取相应的脑电信号,对脑电信号进行解码,得到非向量空间脑电控制命令。由于非向量空间不同于传统的向量空间,提出通过转换矩阵,将非向量空间的命令转换到向量空间,发送给非完整移动机器人,控制其在笛卡尔空间的运动。2.设计了SSVEP视觉诱发的脑机接口系统,基于非向量空间的误差反馈,实时显示运动环境信息,解决了操作者与机器人的人机交互问题。为了得到非向量空间脑电命令,提出了AdaBoost SVM和多变量同步指数(multivariate synchronization index,MSI)两种算法对脑电信号进行解码,平均识别率分别为86.95%和93%。并对两种解码算法的分类结果做了分析与对比。3.考虑非完整约束移动机器人系统物理约束的存在,设计针对脑电命令参数化的轨迹规划方法。具体提出了贝塞尔(Bezier)曲线和极坐标多项式曲线(ploar polynomial curve,PPC)两种脑电命令参数化轨迹规划的方法。将轨迹规划与脑电信号分类结果结合起来,由脑电信号实时控制轨迹规划。针对非完整约束,设计了基于误差模型的控制器,以线速度、角速度为控制变量,通过速度实现对移动机器人的运动控制。利用设计的控制器,实验验证了Bezier和PPC参数化轨迹规划方法的有效性。4.设计了基于非向量空间的脑控单个非完整约束移动机器人和脑控移动机器人编队控制方法,该方法用脑电信号遥操作控制单个和多个非完整移动机器人。实验验证了脑电信号遥操作控制机器人系统的性能,并且移动机器人运动过程中能够满足物理约束和非完整性约束。5.考虑受限环境下障碍物的约束,将人工势场融入到脑控机器人系统中,创新地提出了基于人工势场的脑电信号控制方法。建立脑电信号的强弱与势能场分布之间的函数关系,脑电信号变化反映出环境中障碍物的分布和势能场的变化。将势能场的变化施加于机器人,产生机器人的控制命令,对移动机器人进行导航与控制。最后,结合具体走廊环境狭小空间进行了脑控机器人的实验验证。