基于PSO-SVM的仿生肌电假手反馈控制系统设计

针对目前研究的肌电假手的控制方式存在不直观、不灵活,缺乏多感知功能等缺陷,设计了一种具有模式识别和多感知功能的肌电假手的控制方法。该方法采用粒子群优化算法改进的支持向量机(PSO-SVM)构建动作分类器,实现肌电假手动作的模式识别与在线控制。利用经验模态分解法分解滑觉信号,引入模糊逻辑控制,对硬度、滑觉程度不同的物体,实现握力的自适应调节。实验结果表明:采用PSO-SVM算法在线控制肌电假手的识别率高达93.6%,同时PSO-SVM假手在抓握目标过程中能够及时可靠的完成抓握控制任务,具有较高的稳定性,实现滑觉、硬度反馈在模式识别假肢上的实际应用。     

具有触觉临场感和肌电仿生控制功能的遥控机械手研究

提出了一种结合触觉临场感和肌电仿生控制技术的遥控机械手控制方法．采集手臂皮肤表面的肌电信号（表面EMG）,结合AR模型和贝叶斯分类方法判断出手部的运动模式,控制机械手完成相应的动作．触滑觉组合传感器以压电材料PVDF为敏感体,安装于遥控机械手的手指上．机械手抓握或触摸物体时产生触滑觉,触滑觉信号经处理后通过电刺激来刺激操控人员,实现触觉临场感;操控者可根据触觉临场感来掌握自己的手部动作．实验表明,所提方法能提高遥控机械手的仿生控制能力．     

电容式滑觉传感器设计与应用

提出了一种用于智能机器人仿生皮肤的电容式滑觉传感器,用以解决智能机器人软抓取过程中滑觉信息的感知问题.阐述了电容式滑觉传感器的结构设计、滑觉感知机理,并借助ANSYS有限元仿真软件进行滑觉感知机理验证.基于CC2530低功耗微处理器与AD7147-1型电容数字转换器构建便携式电容滑觉信息感知系统.根据差分电容式滑觉传感器的输出可实现全方向性滑觉力检测功能.实验结果表明:该电容式滑觉传感器具有结构简单、设计合理、加工制作方便、成本低且高灵敏度等优点.     

仿生假手触滑觉研究

实现人体假手的触滑觉传感器，包括其结构设计、传感信号的采集、处理和感觉信息输出。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。信号调理电路完成信号的放大、滤波。信号数字处理完成触觉、滑觉信号的分离，并根据特征值的大小判断是否输出相应的感觉信息。     

智能假肢手的生机电集成

探讨了智能假肢手生机电集成的关键问题,包括与生机接口功能匹配的灵巧操作机构设计、假肢本体的机电集成、假肢与人体的物理集成界面、双向生机接口集成等.然后,研究了驱动内置型智能假肢手指的集成化设计方法,该手指具有3维力触觉、力矩和位置感知功能,且传感器、驱动器和控制器均集成在手指内部.针对神经控制通道与感知反馈通道间的干扰,结合电刺激对肌电信号(EMG)的干扰模型,提出了基于双相电刺激和自适应滤波的干扰抑制方法.实验验证了该方法的有效性.     

基于多感知的空间机械手爪控制研究

对融合了视觉、滑觉、角位移等多种传感器的欠驱动空间机械手爪,研究其对不同形状、质地的物体实现自适应抓取控制。通过传感器反馈控制机械手运动、抓取力,提高机械手的自主能力。在抓取模式选择中,采用基于专家系统的抓取规划,根据物体不同的形状、尺寸选择不同的抓取模式;在抓取力控制中,通过由PVDF制作的滑觉传感器反馈,采用基于滑觉信号的模糊控制方法,对不同质地的物体选择不同的控制参数。通过实验研究验证基于多感知的控制方法对各种物体可以进行可靠的抓取。     

助老伴行机器人的触滑觉驱动控制系统设计开发

为了帮助老年人能够更加柔顺自然的与助老伴行机器人之间进行交互,设计开发了一种基于触滑觉感知的助老伴行机器人驱动控制系统。首先提出了助老伴行机器人触滑觉驱动控制系统的总体设计方案;然后设计开发了一种触滑觉感知系统,并以助老伴行机器人机械本体为基础设计搭建了完整的驱动控制系统;提出并研究了一种基于BP神经网络的助老伴行机器人驱动模式识别方法。最后,对整个系统进行集成并进行了试验。结果表明：为助老伴行机器人设计开发的触滑觉驱动控制系统是完全可行的,能够实现老年人与助老伴行机器人之间的驱动控制功能。     

一种低成本滑觉传感器的试验研究

滑觉检测是机器人实现软抓取的关键环节.为提供可靠的、全面的滑觉信息,提出了一种低成本的基于光电原理的小型滑觉传感器并进行了性能试验研究.该传感器主要由弹性触头和一对光电管组成,结构简单,成本低.通过把物体滑动时造成的微小震动信号转化为光电信号,既而由信号处理来实现滑觉检测.性能试验表明,该传感器不仅能够提供可靠的滑动信号,并且可以通过数据处理提供滑动程度的判定,本文通过试验建立了判定模型.     

基于柔性三维力触觉传感器的滑觉识别算法研究

针对智能机器人在软抓取过程中对三维力感知和滑觉识别的需求,本文以炭黑/碳纳米管为敏感材料,硅橡胶为基体,聚酰亚胺为柔性电极,设计了可以实现三维力感知的柔性触觉传感器;同时设计了一种可以实现滑觉识别的基于小波变换-相空间重构-支持向量机(DWT-PSR-SVM)的融合算法。针对机器人软抓取的实验结果表明,该传感器能够有效地检测三维力,通过所设计融合算法能识别在机器人抓取任务中的滑动状态和非滑动状态,可以进一步应用在机器人软抓取的工作中。     

基于声电原理触滑觉传感器的研究

滑觉检测是机器人实现软抓取的关键环节,首次提出了一种低成本的基于电声原理的小型滑觉传感器并进行了性能试验研究.该传感器主要由麦克风和一个密封腔组成,结构简单,成本低.通过把物体滑动时造成的微小震动信号转化为声电信号,利用小波分析处理采集到的信号.性能试验表明,该传感器能够提供可靠的触滑动信号.     

一种可感知三维力的新型柔性触觉传感器及滑觉识别算法研究

针对智能机器人在软抓取过程中对三维力感知和滑觉识别的需求,以炭黑/石墨烯为敏感材料,硅橡胶为基体,聚酰亚胺为柔性电极,设计了可以实现三维力感知的柔性触觉传感器;同时设计了一种可以实现滑觉识别的基于小波变换-相空间重构-支持向量机(DWT-PSR-SVM)的融合算法.针对机器人软抓取的实验结果表明,该传感器能够有效地检测三维力,通过所设计融合算法能识别在机器人抓取任务中的滑动状态和非滑动状态,可以进一步应用在机器人软抓取的工作中.     

基于PVDF压电薄膜灵巧手触觉传感器的研究

研制一种可以感知触滑觉的传感器,该传感器由PVDF薄膜制作,因其柔顺的表面及小巧的尺寸使之能粘贴在手指上.信号处理电路对薄膜产生的微弱电荷信号进行转换、滤波、放大.软件程序采集并分离触滑觉信号,根据特征值的大小判断是否输出相应的感觉信息.     

基于力敏传感器的假肢手倾斜抓握滑动检测

为了防止假肢手因受干扰而导致抓握失稳,分析并建立倾斜抓握状态下的假肢手抓握力模型,提出一种基于力敏传感器和短时傅里叶变换的滑动检测方法,对不同干扰下的滑动检测进行了实验研究。结果表明:在不同抓握角度下,运用力敏传感器和短时傅里叶变换,能够实时有效地检测出被抓握物体滑动情况,从而可以进一步实施防滑控制。     

面向智能假肢手臂的生机接口系统与类神经协同控制

针对肢体残障患者的假肢控制问题,搭建了一种基于s EMG（表面肌电信号）的智能假肢手臂系统,实现手臂残障程度较高患者的手-肘协调控制。首先,基于肌肉协同理论,使用非负矩阵分解（NMF）方法提取肌肉协同作用,并进行手部动作识别以及肘关节的连续运动估计。其次,基于意图识别结果构建“前馈-反馈”控制框架,对受试者进行前馈监督与反馈检测;根据前馈-反馈结果调整期望的控制输入,提高假肢系统的舒适性与鲁棒性。然后,针对手部动作,构建一种自适应调整抓握力度的框架,通过力、位信息交替控制,实现不同刚度、不同形状物体的自适应抓握;对于肘部运动,设计一种基于识别结果的阻抗控制算法,实现手-肘一体化假肢的稳定的人机交互控制。最后,由6名健康受试者、1名手臂残障受试者对以上控制策略进行实验验证,对手臂整体运动实现了较为准确的意图识别,同时也完成了稳定的肘部屈伸以及手部抓取,做到了手-肘的一体化协调控制。最终该套系统在北京2022年冬残奥会实现了应用展示。     

HI—1三感觉机械手的研究

本文对机器人的接近觉、接触觉、滑觉进行了研究,设计并制作了能装于机械手爪上的小型组合传感器.传感器组成的系统在一简易的机械手上完成了抓鸡蛋、纸盒、玻璃瓶、铁块等多种操作.     

具有触觉和肌电控制功能的仿生假手研究

研究一种能感知接触和滑动、且由肌电信号控制的高仿生能力电动假手.触滑觉组合传感器以压电材料PVDF为敏感体,安装于仿生电动假手的手指上,具有良好的动态触、滑传感能力,同时,假手佩戴者通过一皮肤刺激器获得人工触滑感觉.用改进后的功率谱比值与基于Bayes统计决策的多信息融合相结合的方法完成肌电信号的多运动模式识别,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,取得了良好的仿生控制效果.     

一种高分辨力柔性触觉传感器

本文描述了一种基于全内反射原理，用透明橡胶材料作为波导板的柔性触觉传感器。该传感器除具有一般刚性波导板触觉传感器的高分辨力等特点外，还具有柔性好，力灵敏阈值低，不怕碰撞等特点，该传感器特别适合装在智能机器人手爪上，为机器人系统高效率地获取物体形状，位置和姿态信息，实现智能抓握物体，操作物体等功能提供了有效的手段。     

利用滑觉传感器实现机器人握力自适应控制

介绍了一个应用滑觉传感器组成的握力自适应控制系统,并给出了一种新型滑觉传感器的设计及结构,实验证明,它能够满足自适应控制的需要。     

一种触觉感知与脑启发的触觉传感系统

触觉智能感知是当前研究的热点问题之一.然而,大规模触觉数据集的缺乏限制了机器人触觉感知领域的发展,解决问题的关键在于构建覆盖手掌的高时空分辨率触觉压力传感器系统.对此,构建一种脑启发的触觉传感系统(BITSS),以高时空分辨率对触觉压力信息进行获取,并实现基于脉冲事件的触觉感知.受皮肤触觉感受器启发,BITSS使用神经形态模型对触感压力信号进行脉冲编码,实现两种触觉感受器神经元的模拟.实验结果表明,BITSS模拟的神经放电活动可以解码出抓握状态的低维空间.在10种日常物体的分类任务中,基于脉冲事件的分类器分类精度达到94%,具有较快的执行速度,并验证了BITSS对触感压力信号的时空编码能力.     

基于肌电信号的多模式抓握力估计

针对大多肌电控制的假肢只研究模式识别而没有对抓握力和抓握模式同步解码的问题,提出一种同时分析抓握模式和抓取力的方法。首先,采用4通道表面电极采集人体手臂肌电信号(EMG),采用力敏电阻(FSR)采集抓取力信号;然后,分别利用线性判别分析(LDA)方法和人工神经网络(ANN)进行抓握模式识别和力估计。在4种抓握模式下分别建立4个肌电信号-力关系,一旦判别出抓取模式,则调用相应模式下肌电信号-力模型估计抓握力大小以实现模式识别和力估计的结合。实验结果表明,当进行模式和力的同步解码时,模式平均分类精度约为77.8%,力估计的准确率约为90%。该方法可以用于假肢的肌电控制,不仅可以解码使用者的抓取动作的意图,还可以解码使用者期望的抓取力,辅助假肢实现稳定抓取。