基于表面肌电信号的前臂手部多运动模式识别

基于表面肌电信号的肢体运动模式识别是假手仿生控制的基础，SEMG的个体差异与识别率是肌电假手实用化必须面对的问题。本文根据SEMG的频谱特性提出了一种新的特征提取方法——功率谱比值法。该方法的主要特点是以实时取得的SEMG功率谱信号为基础，确定最大功率谱附近的谱能量与全信号段谱能量之比为特征值，将人的个体差异影响降低到最低程度。模式分类器采用特别设计的Bayes统计决策算法，该方法在非特定人的条件下应用于前臂肌群的多运动模式识别时，识别正确率达到84％，已具备一定的实用性。     

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。     

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.     

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。     

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.     

基于动态阈值的肌电假手动作控制方法研究

由于构成肌电信号采集电路的电子元器件性能不可能完全对称及干扰信号的存在,有时会导致两路肌电信号发生阈值不一致。这时仍采用固定阈值来对两路肌电信号控制的动作进行判别,会导致动作的误判率增加。为了提高对假手动作判别的正确率,本文提出了利用动态阈值对假手动作进行判别。实验结果表明,利用动态阈值对假手动作进行判别,能够提高对动作判别的正确率达约10%。     

多自由度假手控制和实验系统的设计

设计了多自由度假手控制系统,采用了分布式结构,有2个DSP分别进行假手的本体控制和基于EMG信号动作识别.建立了多自由度假手控制实验平台,可以进行离线训练和基于DSP的在线动作识别.     

基于磁场刺激与神经网络肌电信号的模式识别

针对表面肌电(SEMG)信号的非平稳特性,采用bior3.1小波对在磁场刺激下从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌四块肌肉上采集的四路表面肌电信号进行了分析,并用小波变换方法提取其肌电信号的特征,构成特征矢量,输入Elman神经网络分类器进行模式识别,经过训练能够成功地识别出握拳、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋八种运动模式.实验表明,该方法识别率高,为肌电信号的模式识别提出了一种基于磁场刺激的新方法.     

基于最优小波包分析的肌电信号消噪

为了清除表面肌电信号(SEMG)夹杂的生理噪声,提出了一种基于最优小波包分析的消噪处理方法.该方法以受试者做内旋动作,采自尺侧腕屈肌的SEMG信号为例,基于symlet5小波函数,分别采用小波方法、小波包方法和最优小波包方法进行了消噪处理.分析比较结果表明,该消噪处理方法能更有效地去除肌电信号中的噪声.     

基于生物力学分析Q值对颈肌疲劳的反映效果

颈肌疲劳是导致颈椎病的主要原因之一。为了有效预测和缓解颈肌疲劳,结合生物力学理论分析了表面肌电信号(SEMG)对颈部肌肉疲劳状态的反映效果。选取身体健康,年龄在21~33岁的8名志愿者作为被试者。所有被试者保持屈颈位2h,采集颈6、颈7节段两侧上斜方肌的表面肌电信号。首先,采用经验模态分解(EMD)对肌电信号进行去噪;然后,提取并分析了积分肌电(IEMG)、近似熵(ApEn)、疲劳状态指标Q值等3种特征参数在屈颈过程中的变化规律。实验结果表明,随着屈颈时间的增加,积分肌电值呈上升趋势,近似熵和疲劳状态指标Q值呈下降趋势;其中,状态指标Q值对颈肌疲劳的反映效果最好,表现在数据稳定、差异明显、同生物力学分析相一致。本实验条件下,颈6、颈7节段肌电信号屈颈疲劳前后Q值的均值由0.37降低至0.21,采用按摩缓解后又恢复到0.33。本研究内容对长期处于屈颈位人群预防颈肌疲劳,减少颈椎病的发生具有重要的指导意义。     

基于温度传感器AD590的电热锅炉温度控制器

介绍了一种以AT89S51单片机为核心的温度控制器的设计,在该设计中采用高精度的温度传感器ADS90对电热锅炉的温度进行实时精确测量,用超低温漂移的高精度运算放大器OP07将温度-电压信号进行放大,再送入12位的AD574A进行A＼D转换。从而实现自动检测。实时显示及越限报警。控制部分采用PID算法。实时更新PWM控制输出参数,控制可控硅的通断时间。最终实现对炉温的高精度控制。给出了温度计设计方法及其实现方案并验证可行。     

空域相关滤波在下肢表面肌电信号中的应用

针对消噪过程中信号细节难以保留的问题,采用了一种基于小波变换的空域相关消噪方法。通过运用信号小波分解后与噪声的小波系数随尺度变化规律不同的特性,实现了信号与噪声的分离,同时给出了表面肌电信号噪声能量阈值的估计算法。实验结果表明,该消噪处理方法不仅能有效地去除肌电信号中的噪声,而且可以较好地保留肌电信号的边缘特征,为下肢表面肌电信号特征的提取创造了良好的条件。     

仿生关节驱动器动力学分析

传统的"电机+转换机构"及改良电机的关节运动实现方式,难以满足现代关节应用工程对关节运动越来越高的性能要求。本文模拟生物关节简洁紧凑的结构和肌肉纤维收缩联合式驱动机理,建立一个仿生关节驱动器;重点解决仿生关节驱动器的结构优化仿生设计和动力学仿真,分析仿生关节驱动器在空载情况下的运动形式、动力学性能和接触力。仿真结果表明:仿生关节驱动器具有优秀的运动和驱动性能,可望解决未来机器人、主动假肢、仿生机器、探测操纵装备等高新应用工程对高性能关节驱动器的需求。     

一种新的阈值方法在肌电信号消噪中的应用

为了清除表面肌电信号（SEMG）夹杂的噪声,在分析了软阈值法、硬阈值法等常用阈值消噪方法的基础上,提出了一种改进阈值函数的新消噪方法。该阈值消噪方法结合了折中阈值方法与μ律绝对值阈值方法的优点,解决了阈值消噪连续性和恒定误差的问题。SEMG消噪实验结果表明,新消噪方法可取得较好的效果。     

遥控器用压电发电装置的供电特性

提出利用压电发电装置替代电池为遥控器提供实时的能量供应。针对遥控器的操作方法和负载特性,提出采用脉冲激励和按压激励压电振子的实施方案,通过试验的方法研究了压电振子在两种激励方式下对恒流负载的供电特性。结果表明,脉冲激励可获得更多的电能,适合于较大负载的工作场合。压电振子固有频率一定时,其有效的工作时间随电流负载增加而缩短;电流负载一定时,存在最佳的压电振子固有频率使其有效供电时间最长。利用尺寸为50x50x0.5mm的悬臂梁型压电振子为汽车遥控器供电,1次脉冲激励生成的电能可满足汽车遥控器信号发射的功率需求,信号传输距离达到15米以上。     

SMA人工肌肉模块的热力学分析及力位特性研究

设计了一种SMA人工肌肉直线驱动模块,其具有能量密度高、带载能力强、无声操作、力位输出可控且具备自感知能力等一系列与肌肉极为相似的特性。依据电热驱动原理,通过COMSOL Multiphysics热力学仿真,分析了人工肌肉模块工作过程中的热传递情况及热积累现象。对人工肌肉模块进行了力位输出特性的探究,根据人工肌肉模块的组成特点,提出了一种力位混合控制策略。并将人工肌肉模块与该控制策略应用到单自由度的仿生脚踝中,验证了人工肌肉的驱动性能及力位混合控制策略实现力位分阶可控输出的可行性。     

基于 sEMG 和肌肉骨骼模型的手指 多关节力矩耦合分析

手指内部力矩受表面肌电信号、肌力、手部姿态等因素影响而无法直接获取,为了实时且准确地获取手指各关节力矩以 及耦合力矩并应用于手部康复机器人的交互控制中,提出了一种基于表面肌电信号和肌肉骨骼模型的手指多关节力矩和耦合 力矩分析与实时获取方法。 首先设计了自适应手指关节角度采集系统,通过实验同步采集指浅屈肌与指伸肌的肌电信号以及 手指各关节的角度数据,建立手指多关节力矩模型,从而获取手指各关节力矩。 然后建立手指 D-H 模型,结合虚功原理获取手 指的耦合力矩。 最后,辨识了手指多关节力矩模型的参数,并通过 OpenSim 软件获取了仿真力矩。 计算力矩与仿真力矩的对比 结果显示:4 名被试 3 个关节力矩的均方根误差分别为 0. 156 7、0. 097 425、0. 084 95,证明了该方法能够实时并准确的获取手指 各关节力矩和耦合力矩,能够满足手部康复机器人交互控制准确性和实时性的需求。