仿人型假手多運動模式的肌電控制研究.pdf

1、肌電假手是一種面向截肢患者康復，由人體肌肉電信號（Electromyography，EMG）進行控制的仿人型機器手。它是集機械電子、計算機與生物等多學科領(lǐng)域的集成化系統(tǒng)，具有多自由度、多傳感器、高集成化及小型化等發(fā)展趨勢。目前，多功能仿人型假手的肌電控制方法遠遠滯后于其本體的發(fā)展，面臨控制模式少、精度低、控制感官性差等缺點。本文針對多自由度假手，以多種人手運動模式的高效識別為主要目標，茲建立新型的肌電控制方法。主要研究內(nèi)容包括：基于模式

2、識別方法的肌電控制總體結(jié)構(gòu)，人手預(yù)抓取模式的識別，手指姿態(tài)動作模式的識別，以及識別系統(tǒng)的在線學習等方面。
　　文中首先對國內(nèi)外新型的仿人型多自由度假手、典型假手肌電控制方法進行了細致的綜述。隨后建立了基于模式識別方法的多功能性假手控制系統(tǒng)的總體結(jié)構(gòu)，將其劃分為人體層、生物信息采集層、模式識別層、假手本體層和反饋層5個重要組成部分，給出了各層次內(nèi)相關(guān)關(guān)鍵技術(shù)的具體實現(xiàn)方法。具體地，由人體解剖學原理確定每個手指運動的功能性肌肉，以確定

3、識別各運動模式所需的肌電電極安放位置。選用獨立式模塊化表面肌膚肌電電極進行肌電信號的采集。驗證模式識別算法的不同搭配以獲得經(jīng)驗最優(yōu)的分類率，并建立假手虛擬操作環(huán)境進行控制算法演示及肌能訓練。
　　確定了人手的4種基本預(yù)抓取模式，將對預(yù)抓取肌電模式的識別應(yīng)用于假手抓取控制策略，使得在人手實際抓取動作未實施時即能判斷假手所需采用的抓取模式。采用Teager-Kaiser Energy（TKE）算子增幅肌肉收縮時肌電信號的變化，通過判斷

4、信號統(tǒng)計值和引入在線后處理步驟，得到準確的預(yù)抓取肌電信號。詳細驗證了多種預(yù)抓取肌電信號分段方法、特征提取方法以及特征分類方法對于模式識別成功率的影響。最終采用波形長度與支持向量機作為最優(yōu)的信號特征及分類器，進行預(yù)抓取模式的在線識別。假手抓取肌電控制實驗表明，預(yù)抓取模式識別成功率高、延遲小，假手能正確地、快速地按規(guī)定模式抓取物體。
　　除了抓取模式的識別，人手手指動作的識別在假手肌電控制中也同樣重要?；趯θ耸肿藨B(tài)模式的重新配置，文

5、中采用6通道肌電信號實現(xiàn)了多種姿態(tài)模式的可靠識別。使用閾值決策同支持向量機決策相結(jié)合的雙層決策規(guī)則，增加了參與訓練的肌電瞬態(tài)特征，有效提高了人手手指在動作發(fā)生時的識別成功率。提出波動式訓練方法（肌肉快節(jié)奏收縮時的樣本作為各模式肌電訓練數(shù)據(jù)），以提高單組次訓練數(shù)據(jù)的完備性。進行了基于PC機的虛擬假手控制實驗、基于DSP的嵌入式假手控制實驗、以及截肢患者肌電控制實驗。實驗結(jié)果表明人手各運動模式識別正確，識別速度較快，控制的直觀感覺較為強烈。

6、
　　由于肌電信號具有時變特性，會引起識別系統(tǒng)識別率的下降。文中建立了正、負樣本同時訓練的多類數(shù)據(jù)描述分類算法，通過引入遺忘因子對懲罰因子進行加權(quán)，建立了基于超球支持向量機多類分類的剝殼增量算法。定義動作序列，并基于動作序列進行肌肉模式的在線持續(xù)性學習。對預(yù)抓取模式以及動作模式的在線學習實驗表明：預(yù)抓取模式的持續(xù)性學習可以看成是其模式描述逐漸完備的過程，因此識別成功率會越來越高；而對于動作模式的學習，使用多組次的樣本進行訓練并不能