一种基于sEMG信号多重分形的肌肉疲劳特征分析方法

针对由表面肌电信号(sEMG)非平稳、非线性、自相似性等复杂特性导致的肌肉疲劳估计不准的问题,提出一种基于sEMG信号多重分形降趋移动平均法(MFDMA)的肌肉疲劳特征分析方法。首先,利用MFDMA方法对采集的sEMG信号、洗牌信号和高斯白噪声信号进行非线性动力学分析;其次,利用MFDMA方法计算sEMG信号的多重分形谱宽度、Hurst指数变化差值、概率测度值和峰值奇异指数4种多重分形特征;最后,利用t-检验法分析肌肉疲劳与非疲劳状态下的多重分形特征的显著差异性。结果表明,MFDMA方法能够描述sEMG信号的多重分形行为,谱宽等多重分形特征在肌肉疲劳与非疲劳状态下具有显著性差异。所提方法能够可靠表征运动性肌肉疲劳,可为肌肉疲劳识别模型建构、康复医学研究提供特征参考。

一种基于模糊控制的分数阶自适应导纳控制方法

针对下肢康复外骨骼机器人在主动康复训练中运动柔顺性不足的问题,提出一种基于模糊控制的分数阶自适应导纳控制方法。该方法是先在导纳控制模型中,惯性项、阻尼项和刚度项的阶数由整数变为分数,同时通过设置不同分数阶参数对比分析,找到最佳分数阶参数,用于人机交互控制中,可以有效提高康复机器人系统的平稳性和柔顺性。然后将实际人机交互力与期望交互力的偏差转化为位置偏差,以此来修正期望轨迹,其中位置控制器采用PID控制,实现位置跟踪。再利用模糊推理实时地调整导纳控制器的阻尼与刚度参数,相比固定导纳参数更能顺应人体运动意图,改善人机协调性,实现下肢康复外骨骼机器人的自适应主动柔顺控制。在Matlab/Simulink平台对分数阶自适应导纳参数控制器进行仿真实验,与固定导纳参数控制器进行对比分析。仿真结果显示,该方法可以有效降低轨迹跟踪误差,提高跟踪精度,使得人机之间的协同程度更高,同时降低人机交互力,有效改善运动柔顺性,保证患者的安全,避免肌肉二次损伤。