摘要：腦機接口系統(tǒng)通過大腦一計算機接口技術和控制理論的組合來彌補由于肌體的受損部分而造成的信息缺失.本研究基于心理生理皮質神經元放電率電路模型,在腦機接口控制理論分析的基礎上進行自發(fā)單關節(jié)運動任務,采用自適應ESN(echo state network)設計非線性解碼器,并引入FORCE(First Order Reduced andContrdled Error learning)算法更新網絡輸出權值,通過仿真有無自然本體反饋信息情況下的解碼器的性能來驗證所設計的解碼器的有效性.最后,通過基于遺傳算法LS—SVM(1east squares support vector machine)的直接逆模型框架,設計近似大腦皮層感覺區(qū)神經元放電率的最佳人工本體反饋去刺激大腦皮層感覺區(qū)神經元.仿真結果發(fā)現,所設計的閉環(huán)腦機接口(BMI)系統(tǒng)框架能夠很好地恢復在線自發(fā)單關節(jié)自然運動任務性能,這也為當系統(tǒng)模型未知時,根據對象的輸入輸出數據恢復閉環(huán)系統(tǒng)的性能提供了新的研究思路.