具有感觉反馈的仿生假手人机交互研究

仿生假手是一个典型的生机电一体化系统.针对现有假手缺乏感觉反馈的问题,研究了具有双向信息传输能力的生机电一体化假手人机交互系统.采用压力传感器阵列检测肌肉压力分布信号,通过压力分布图的构建,基于主成分分析的特征提取和基于KNN分类器的特征识别方法实现了人手多运动模式的解码.基于假手力传感器,采用电刺激方式实现了假肢接触力向人体的感觉反馈.实验表明,基于肌肉压力分布信号的手部多运动模式识别方法具有较高的正确率,采用具有感觉反馈的交互控制系统可提高假手的抓取能力.     

一种基于HHT和AR模型的手部运动模式识别方法

为了实现基于表面肌电信号(SEMG)的手部动作运动模式识别,提出一种Hilbert-Huang变换(HHT)和自回归(AR)模型相结合的特征提取算法.该方法依据HHT后各层固有模态函数(IMF)的瞬时频率定义每层IMF的频率有效度,由频率有效度选取6层平稳的IMF,同时考察具有最大频率有效度的IMF,并以该IMF的瞬时幅值确定动作信号的起止点.对6层IMF中的动作信号建立AR模型提取手部运动模式的特征向量.提取主成分后,将降维的动作特征向量输入SVM分类器,实现基于SEMG信号的手部多运动模式的识别,对伸腕、屈腕、握拳、展拳4种手部动作的识别实验表明,该方法的识别正确率可达91%.     

一种基于WPT和LVQ神经网络的手部动作识别方法

针对表面肌电信号(SEMG)的手部动作识别,提出一种采用小波包变换(WPT)和学习向量量化(LVQ)算法的神经网络分类器。对SEMG信号进行基于熵准则的最优小波包基分解得到各个节点分解系数,计算信号各个节点相应子频段的系数能量,归一化处理后的特征向量输入LVQ神经网络,实现基于SEMG的手部动作识别。实验结果表明,采取两路SEMG信号,该分类器能有效识别伸腕、屈腕、展拳和握拳4种动作模式,达到96%的识别率,能可靠应用于2个自由度肌电假手的控制。     

基于LLE和SVM的手部动作识别方法

为了提高人体手部动作的识别性能,针对高维特征数据给模式识别带来的问题,提出了一种基于局部线性嵌入(LLE)算法和支持向量机(SVM)的模式识别方法.该方法从肱桡肌和尺侧腕屈肌上采集两路表面肌电信号(sEMG),通过对样本信号的时域分析和小波分析,提取原始信号的特征,构造特征矢量.再利用LLE算法对原始特征数据进行降维,挖掘出具有内在规律的低维特征.将降维后的特征数据输入SVM分类器进行4种动作的模式识别.实验表明:此方法可以有效、准确地对人体手部动作进行分类.     

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。     

针对上肢高位截肢者的肌电假肢设计

给出了一种基于人体表面肌电信号控制的上肢假肢系统,服务于基于靶向肌肉神经移植术的高位截肢者.通过解析人体肌电信号包含的动作意图控制假肢的运动.系统包括假肢的机械结构、控制系统的硬件和算法.假肢的机械结构包括肘关节、腕关节和手部.控制系统的硬件包括主控板、驱动板和肌电采集模块.模式识别算法采用基于贝叶斯原理的线性分类器,通过在线实时训练,得到需要的线性分类器参数.根据得到的分类器模型,对采集到的肌电信号进行在线实时识别,并根据识别的结果实时控制相应假肢关节的运动.系统样机在健康受试者身上进行了测试,效果良好.     

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．     

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。     

基于支持向量机多分类的眼电辅助肌电的人机交互

针对单一肌电信号在控制系统中正确识别率不高问题,设计并实现了一种基于支持向量机(SVM)多分类的眼电(EOG)辅助肌电(EMG)的人机交互(HCI)系统。该系统采用改进小波包算法和阈值法分别对EMG信号和EOG信号进行特征提取,并对特征向量融合;然后提取特征参数作为SVM的输入来识别EMG信号和EOG信号动作模式,根据分类结果生成控制命令。实验证明,该系统比单一肌电控制系统更便于操作,稳定性好,正确识别率高。     

多自由度仿生假手嵌入式控制系统及其抓取策略

为一种能够实现5 指独立动作以及具备人机交互能力的多自由度仿生假手设计了手部嵌入式控制系 统．该系统由传感器系统和运动控制系统构成,集成于假手机体内部,通过通信总线与上层控制器交换信息．传感 器系统包括3 种类型,共12 个传感器,可为假手自主抓取以及人机交互中的感觉反馈提供数据,运动控制系统用于 控制、驱动各手指动作．此外,本文以基于位置的阻抗控制为底层,以动作预构形为上层设计了分层控制策略．实 验表明,该嵌入式控制系统和分层控制策略使假手实现了自主抓取功能,提高了抓取的柔顺性、稳定性和适应性．