一种肌电假手的自适应模糊控制方法

针对肌电假手的力控制问题,提出了一种基于肌电信号自适应学习的动作识别方法,同时结合模糊神经网络PID控制算法实现肌电信号对假手的控制.设计的肌电信号自适应学习动作识别方法在时域内进行,减小运算复杂度和计算量的同时保证了动作识别精度.采用模糊神经网络PID算法设计了假手握力控制器,在没有位置传感器的情况下保证了假手握力的控制精度.进行了肌电信号动作识别跟踪实验、假手握力跟踪实验、肌电信号控制假手抓取实验,实验结果证明了肌电信号自适应学习动作识别方法和模糊神经网络PID握力控制方法在肌电假手控制中的有效性.     

仿生电动假手的研究

设计一种带有触觉和滑觉传感器的肌电控制电动假手。触滑觉组合传感器采用PVDF作为敏感材料．柔顺的传感器表面和小巧的尺寸使之能完全应用于仿生假手的手指上。以AR模型特征分析方法与神经网络相结合的方法完成肌电信号的运动模式识别，并在电动假手的控制上，采用肌电信号与触滑感觉信号作为双重控制信号源，取得了良好的电动假手仿生控制效果。     

腕长伸肌表面肌电与握力大小的相关性研究

研究了桡侧腕长伸肌(ECRL)表面肌电信号与手握力大小的相关性.9名健康的志愿者参加了本次实验,实验测量最大自主收缩力(MVC),并记录20%MVC、40%MVC、60%MVC及80%MVC时ECRL的表面肌电信号,采用积分肌电图方法提取表面肌电信号的特征参数,统计以受试者自身的MVC为基准的不同握力水平的相对特征值,分析受试者ECRL表面肌电特征参数和握力大小的相关性.结果表明,受试者ECRL表面肌电的特征值与握力大小存在正相关性,即可以通过ECRL表面肌电信号的特征值预测握力的大小,评价运动功能和康复程度.     

基于sEMG和GRNN的手部输出力估计

针对智能肌电假手力控制的需要,提出一种基于表面肌电信号(s EMG)和广义回归神经网络(GRNN)的手部输出力估计方法。首先在介绍实验平台的基础上详细描述了肌电信号的采集和特征提取方法以及广义回归神经网络的构建;然后,通过在手臂8个不同部位粘贴肌电传感器来检测手部动作过程中的肌电信号;同时为了全面测量人手在三维空间中的输出力,采用三维力传感器对手部的输出力进行测量;在同步获得手臂上的多通道肌电信号(X)和手部三维力推拉信号(F)后,对采集得到肌电信号进行了特征提取得到特征矩阵X_F;将X_F和F用于构建GRNN网络,并用均方差和残差绝对值均值对手部输出力的估计结果进行评估。为验证该方法的有效性,进行了实验验证,结果表明,该方法能够很好地利用sEMG对手部的输出力进行估计。     

基于力触觉感知与电刺激反馈的灵巧假手

针对生机电一体化灵巧操作假手这类典型共融机器人,开展结构优化、力触觉感知和临场感反馈功能重建的研究。为此,提出了一种用于欠驱动手指机构设计的交叉四连杆参数优化方法,该方法实现了手指运动轨迹最优、近指关节(PIP)扭矩与掌指关节(MCP)扭矩之比最大;提出了义肢手指与柔性压力传感器的集成设计方法,实现假手对抓握物体的实时力触觉感知;提出了基于电刺激的指端力触觉临场感反馈方法,实现对义肢抓握情况和握力的再现,增加操作者的本体感。该假手手指运动学与动力学仿真结果表明,所提出的连杆参数优化方法能够提升手指的抓握能力。对9名肢体健全受试者与1名前臂截肢患者进行灵巧假手控制试验,试验结果表明,所提出的指尖力触觉感知方法能够很好辅助受试者完成精细抓握控制;使用电刺激方式作为力触觉临场感反馈器具有更好的本体感知效果。同时,明显提升受试者在视觉受阻碍状况下使用假手完成抓取任务的成功率。     

基于预抓取模式识别的假手肌电控制方法

为解决多自由度假手肌电控制难题,建立一种人手预抓取模式的在线识别方法,并将其应用至HIT-DLR假手的抓取控制。基于Teager-Kaiser能量算子增幅肌电信号在肌肉动作发起时的变化,引入后处理解决噪声影响,提出一种预抓取发起的在线检测方法。针对人手4种预抓取模式,讨论不同肌电信号分段方法,不同时域特征、频域特征和时频域特征以及多种分类方法所能获得的识别成功率。最终建立了基于波形长度及支持矢量机的最优识别方法,成功率可达95%,延迟小于300 ms。肌电控制试验表明,假手可以准确快速地抓取各种不同形状的物体。     

采用肌电信号控制残疾人假手的研究

介绍了采用肌电信号来控制假手的运动。手指部分的设计采用欠驱动机构和耦合原理，控制电路与机械结构进行系统化设计，假手由皮肤表面肌电（EMG）信号进行控制，肌电信号处理运算全部在DSP内完成。研究表明，该控制算法简单，特征识别成功率高。     

多FSR传感器的手部姿态识别系统

提出一种新型的手部姿态识别系统,用于控制多自由度假手。系统利用FSR传感器检测前臂肌肉的收缩情况来实现不同动作的识别。通过安装在手臂筒当中的FSR传感器获取不同手部姿态对应的信号大小,经过支持向量机SVM（support vector machine）分类器在2类数据之间布置一个超平面,并使数据距离此超平面距离最大而对2类数据进行线性的分隔,处理后归入相应手部运动模式。实验结果表明,该方法在一定程度上克服肌电信号缺点,并实现多达33种手部姿态识别。     

三自由度比例控制肌电假手的设计

针对电动假手的仿生控制问题,给出了一种三自由度实时比例控制肌电假手的设计方案。通过采集残臂上的4路表面肌电信号（SEMG）,采用能量时域分析法对信号进行了特征提取,并采用二叉决策树模式分类方法识别得到了手部3个自由度7个动作模式。由单片机构成的信号处理和控制电路,实现了三自由度电动假手的实时仿生控制;并根据表面肌电信号的强弱,采用多路SEMG能量加权法来求取多自由度假手的比例控制系数,实现了对电动假手的比例控制。试验结果表明,基于表面肌电信号的三自由度肌电假手响应速度快。动作准确率达到96％以上。     

新型仿人型假手及肌电控制研究

综述了几种新型多自由度仿人型假手的机构、传感系统,并对肌电信号控制方法进行了详细讨论.假手机构及控制的多自由度实现将逐步应用于残疾人康复工程,为其生活带来极大的便利.