1.一种基于梯度范式与人机闭环的脑控轮椅方法，其特征在于，包括：基于稳态视觉诱发电位的视野空间分布特征，构建基于梯度控制的大脑特征诱发系统，获取特征电位；利用复合神经网络构建脑电解码系统，输出脑电控制指令；其中，所述复合神经网络通过采集的脑电数据和所述特征电位构建并训练获得；根据所述脑电控制指令和原始轮椅控制指令，获取初始轮椅控制指令，并通过PID-滑模控制方法，生成最终轮椅控制指令，通过所述最终轮椅控制指令驱动轮椅进行相应运动；所述复合神经网络，包括：特征提取子网络：用于进行特征提取；脑电指令输出子网络：用于输出脑电指令；其中所述特征提取子网络包括三层DenseNet网络结构，所述脑电指令输出子网络包括三层全连接网络结构；训练所述特征提取子网络，包括：在目标区域中均匀设置目标点，让用户注视各个目标点并采集他们的脑电数据，并对所述脑电数据进行预处理；测量所述目标点与各个刺激块的距离之比，将比值归一化至[0,1]范围内，获得目标位置所诱发脑电信号的理想脑电特征向量，用于后续的脑电指令解码；基于人类不同视野位置SSVEP的诱发规律，通过监督训练的方式，构建可以关联用户脑电数据与脑电特征向量之间的特征提取子网络结构；训练脑电指令输出子网络，包括：建立目标位置坐标与输出脑控指令的关系函数，按照均匀采样的方法获取所述理想脑电特征向量与其对应输出的脑控指令数据；基于所述理想脑电特征向量和对应的所述脑控指令数据通过监督训练的方式对所述脑电指令输出子网络进行训练；构建所述脑电解码系统，包括：提取特征电位和定位注视目标点；其中，所述提取特征电位，包括：将若干不同频率的诱发电位的诱发强度，通过所述复合神经网络中的特征提取子网络提取出来，形成特征向量；所述定位注视目标点，包括：找出所述特征向量的分量中的最大值，判断用户的意图；去除所述用户无控制意愿的特征向量分量，将分量值之比对应于注释目标点到各个刺激图案之间的距离之比，确定所述用户注视的目标点位置；通过计算获取所述目标点的位置坐标，输出所述脑电控制指令；所述用户的意图为控制轮椅运动或调整脑控权限大小。
2.根据权利要求1所述的基于梯度范式与人机闭环的脑控轮椅方法，其特征在于，构建所述基于梯度控制的大脑特征诱发系统，包括：通过刺激源，对用户提供视觉刺激，获取用户注视目标点位置，其中，所述刺激源为用于控制轮椅行进和旋转运动的刺激图案和用于控制脑控权限占比的图案；基于所述用于控制轮椅行进和旋转运动的刺激图案围出的区域，即目标区域，获取用户注视目标点一，在所述注视目标点位置设置笛卡尔二维坐标系，通过二维坐标描述所述注视目标点位置，并将所述二维坐标的两个分量分别转化为轮椅行进速度和转动角速度；其中，所述用于控制轮椅行进和旋转运动的刺激图案呈简谐波形式变化；基于所述用于控制脑控权限占比的图案连接出线段，获取用户注视目标点二，用于描述人脑指令所占的权重。
3.根据权利要求1所述的基于梯度范式与人机闭环的脑控轮椅方法，其特征在于，所述初始轮椅控制指令为：其中，v target 为轮椅要实现的目标速度，v old 为轮椅当前时刻的速度，λ为脑控权限系数，v brain 为当前脑电控指令所生成的速度，v esc 为轮椅靠近障碍物时产生的逆向速度。
4.根据权利要求1所述的基于梯度范式与人机闭环的脑控轮椅方法，其特征在于，所述PID-滑模控制方法为：其中，u(t)表示当前时刻需要施加的控制指令，包括角速度和线速度；e(t)为当前时刻理想值与实际值的差值；e(∙)为误差函数；K p 、K i ，K d 分别是比例、积分和微分增益。
5.一种基于梯度范式与人机闭环的脑控轮椅系统，用于实施权利要求1-4任一项所述的基于梯度范式与人机闭环的脑控轮椅方法，其特征在于，包括：人脑特征诱发模块、数据采集模块、数据处理模块、脑特征识别模块和人机闭环控制模块；所述人脑特征诱发模块，用于基于刺激源，构建大脑特征诱发系统；所述数据采集模块，用于采集用户的脑电数据；所述数据处理模块，用于将所述脑电数据进行前处理，构建和训练复合神经网络；所述脑特征识别模块，用于基于所述复合神经网络，构建脑电解码分类系统；所述人机闭环控制模块，用于根据脑电控制指令和原始轮椅控制指令，基于PID-滑模控制方法，构建人机闭环控制系统。
6.根据权利要求5所述的基于梯度范式与人机闭环的脑控轮椅系统，其特征在于，所述人机闭环控制系统包括：人脑控制指令发送模块，用于脑电控制指令发送到人脑控制指令接收模块；人脑控制指令接收模块，用于接收发送的脑电控制指令；轮椅原始控制指令输出模块，用于输出原始轮椅指令；最终轮椅控制指令输出模块，用于综合分析所述脑电控制指令和所述原始轮椅指令，产生最终的轮椅控制指令，并通过PID-滑模控制算法生成控制信号输出到轮椅执行终端；轮椅执行终端，用于接收所述控制信号，并驱动轮椅进行相应的运动。
