脑机接口通常可分为三个前后相连的模块,采集器、解码器、执行器。采集器负责采集实验对象的神经信号,解码器负责解码神经信号从而得到信息并发送控制信号给执行器,接受到解码器发来的控制信号后,执行器负责执行完成指定任务。在脑机接口技术的实际应用中,经常面临的问题有:（1）采集器采集的神经信号的信息量不高,噪声大;（2）解码器解码困难,只能解码出离散指令,执行器很难从解码器获取到连续的指令控制机械臂去做抓取。本文的项目针对上述问题,采用共享控制的思想,即从大脑活动中提取一般的运动命令,而运动的精细细节则由假肢的控制器处理;设计一种智能抓取系统实现执行器的功能,在只有离散指令的情况下完成连续任务,例如解码器给出目标物体、大概方向、抓取这三个离散指令,执行器的连续任务就是对机械臂连续、顺滑、稳定的控制去抓取目标物体送到既定位置释放。需要说明的是本项目设计完成执行器功能,采集器以及解码器不在本项目范围之内。作为执行器的智能抓取系统的框架分为三个模块,目标识别模块、坐标转换模块和机械臂控制模块。基于YOLOv5算法的目标识别模块,可以做到实时识别,将左右相机中识别出来的目标物体的图像坐标传递给坐标转换模块;坐标转换模块在已知左右相机目标物体的图像坐标的情况下,随机初始化世界坐标,使用牛顿法基于坐标转换公式不断逼近真实的世界坐标,将世界坐标传递给机械臂控制模块;基于脉冲神经网络模型的机械臂控制模块在获取到世界坐标后可以移动到目标物体位置进行抓取,对环境的干扰有更强、更快的自适应能力。已完成系统框架构建及算法实现,以识别并抓取不同种类的葡萄为试验目标,利用六自由度机械臂,验证整个系统对目标物体的识别准确性、抓取和递送精度、灵敏度等。同时已优化系统,提高各模块的效率,完善系统功能,帮助解决脑机接口技术应用中的实际问题。本文的实验场景是猴子脑控机械臂抓取葡萄并送入嘴中食用,本文设计的项目作为脑机接口的执行器部分,在只能从解码器获得离散指令的情况下,依然可以完成连续、顺畅的运动任务。创新之处有以下几点:（1）设计了智能抓取系统去完成猴子脑控机械臂这个脑机接口中执行器的功能,在只有目标物体、大概方位、动作这三个离散控制指令的情况下该系统完成抓取葡萄并送入猴子嘴中食用的动作。（2）采用识别速度快、轻便、算力小的目标识别算法YOLOv5,基于YOLOv5的算法框架训练新模型对目标物体葡萄进行快速识别,弥补了现有的YOLOv5模型只能识别大型水果的不足。（3）基于脉冲神经网络的类脑运动控制算法来完成机械臂自适应运动控制,在机械臂受到意外的力的干扰情况下,相比于传统的PID算法,速度能提升10%以上。