用于肌电假肢手控制的表面肌电双线性模型分析

表面肌电信号(sEMG)被广泛应用于假肢控制,但是由于解剖组织、生理状态等因素使肌电信号表现出较大的个体差异,传统的参数归一化方法需要大样本的训练构建适合用户的肌电控制模型,新近发展起来的一种基于动作因素和个体因素的双线性模型为肌电假肢控制提供了新的思路。利用指总伸肌的综合强度和肌电活动的空间分布特征构建双线性模型,将指总伸肌肌电活动从神经-肌肉生理机制的角度分解为用户相关的个人因素矩阵和与动作相关的动作模式矩阵。为了验证该模型,设计了食指、中指、无名指在20%MVC、40%MVC、60%MVC 3个力量水平的单指按压实验,然后利用32通道柔性阵列电极所采集的6名志愿者的指总伸肌sEMG完成双线性模型的构建,在较少的样本训练下实现了对力量水平和手指模式的较好识别。结果表明双线性模型可用于简化肌电假肢接口的训练过程,对肌电假肢手力量和手指动作控制有较大的应用前景。

基于MYO和Android的肌电假肢手控制系统设计与实现

针对目前假肢手控制系统成本高、操作不灵活、实用性差等问题,设计了一种基于MYO和Android的肌电假肢手控制系统;在Android平台上,开发了一款智能终端应用,实现了对MYO臂环采集的表面肌电信号进行数据处理和模式识别,并实时控制假肢手完成5种模式;实验结果表明,系统的在线识别率可达98.2%,并可在300ms左右完成一次识别过程,满足了假肢手控制的精度和实时性要求;该系统设计成本低廉、方便携带且易于扩展,很好地满足了截肢患者对假肢手控制的需求。

假肢手恒定力量输出的诱发肌电反馈控制研究

肌电假肢手的连续动态控制有益于提高假肢手的使用性能和用户对假肢手的交互控制能力,产生持续稳定的力量是假肢手需要完成的一种常见任务,但是疲劳、注意力分散等诸多因素都可能导致肌电信号发生变化从而影响假肢手稳定力量输出。本文提出了一种基于电刺激诱发肌电的假肢手稳定力量输出控制方法,通过电刺激尺神经诱发肌电信号对假肢手恒定力量输出进行持续控制。为验证方法可行性,招募了7名健康被试,首先测试了稳定抓握过程中注意力分散对屈肌肌电活动水平的影响,并确定电刺激强度与诱发肌电(M波)幅度的关系模型;在此基础上,测试了电刺激在注意力分散过程中是否能诱发出预期的肌电信号。结果表明注意力分散会引起肌电信号幅度下降,通过电刺激方法可以得到恒定的肌电输出;同时,通过调节刺激参数可以控制诱发肌电强度,可为肌电假肢手的稳定力量输出提供有效的控制信号。

基于FSR的假肢手抓握力控制

为了帮助上肢残疾者稳定抓取日常物品,提出了一种基于力敏电阻(FSR)的假肢手抓握力控制方法。FSR采集假肢手抓取力,并根据抓握力及其梯度,建立了假肢手抓握力模糊估计模型。然后将模糊控制器应用于假肢手抓握力控制,并采用试凑法得到模糊控制参数的值。假肢手抓握实验表明:所提出的基于FSR假肢手期望抓握力的估计和抓握力控制的方法是有效的。

肌电假肢手抓握力控制系统的设计与实现

为使上肢残疾者佩戴的肌电假肢手能够稳定地抓握物体,设计了一种基于表面肌电(sEMG)信号和力敏电阻器(FSR)的假肢手抓握力控制系统。系统以数字信号处理器(DSP)-ARM双处理器作为控制核心,通过sEMG传感器采集上肢残疾者手臂的表面肌电信号,从中解码期望的抓握力;通过FSR传感器采集假肢手抓握物体时的实际抓握力,作为反馈信号;然后运用无模型自适应控制方法实现假肢手抓握力的闭环控制。抓握力控制实验表明:该系统能够控制假肢手以期望力稳定地抓握物体。

新型欠驱动拟人假肢手指的设计与分析

根据欠驱动原理设计了一种用于拟人假肢手的新型欠驱动手指。通过静力学分析得到了手指抓取力的表达式以及影响因素。通过分析和仿真表明,该欠驱动手指结构简单,并具有很强的抓取形状自适应能力,抓取性能优异。这种设计和分析方法为拟人假肢手指的设计提供了一种新的思路。

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。

欠驱动假肢手的运动学与静力学仿真

应用虚功原理建立了SJT2欠驱动仿人假肢手的抓取静力学模型,实现了抓取操作过程中静力分配的仿真计算。利用Open inventor建立了假肢手的虚拟场景,同时利用Coldet完成了图形仿真系统的碰撞检测功能。利用虚拟仿真系统,实现了对圆柱形物体的抓取仿真。

兼顾多动作与轻量化的仿生假肢手设计创成

假肢手的动作数量与轻量化之间存在矛盾关系,为兼顾两者之间的平衡,满足假肢手多动作和轻量化的要求,该研究通过分析人手的16种日常抓取动作,设计了一种合理的电机驱动结构。该结构在四指中应用了多关节同时屈曲传动,在拇指中应用了定轨迹适应性传动,掌骨使用可自动切换为弧面和平面的对称弹性串联驱动式传动,以及配置五指的自动伸展,将这些机能融合在假肢手中,仅用3个电机实现了11种假肢手动作,达到了132.1 g的轻量化设计。该文还通过肌电信号结合神经网络算法,实现了假肢手直觉控制,并验证了其具有良好的抓取稳定性和操作性。

腱驱动假肢手抓取力跟踪性能控制

研究腱驱动假肢手抓取力跟踪性能的控制问题,良好的抓取力控制性能是实现假肢手稳定抓取物体的基础。针对腱驱动假肢手手指关节之间存在的高度耦合和非线性因素以及外界扰动和环境知识等不确定问题,分析了假肢手的抓取过程并建立了接触空间的抓握模型,提出一种基于模糊滑模控制的腱驱动假肢手抓握力控制方法。仿真和实验结果表明,相对于传统的PID控制和滑模控制方法,采用基于模糊滑模控制方法能够有效的提高抓取力跟踪精度,并使系统具有较好的鲁棒性。

基于电流信号估计抓握力的假肢手抓握控制

为避免假肢手需外置力传感器进行抓握力控制的不足,提出了一种通过电流信号估计抓握力的假肢手抓握力控制方法。根据假肢手模型、接触力模型和直流(DC)电机模型建立基于电流信号的假肢手抓握力估计模型,将抓握力估计模型与比例—积分—微分(PID)控制器结合,在无需外置力传感器的情况下对假肢手进行抓握力控制。抓握控制仿真和实验表明:所提出的假肢手抓握力估计方法和控制方法有效。

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.

一种具有内收外展功能的假肢手手指结构设计与分析

设计了一种能实现内收外展功能的假肢手手指。利用腱传动原理实现手指的屈曲伸展运动;四指的内收外展运动采用连杆机构实现。通过对上述两种机构的运动学分析得出理论结果,再将仿真结果与理论结果对比,并对理论曲线与仿真曲线进行分析,最后通过搭建样机进行实验验证。结果表明屈曲伸展运动符合人手的真实运动情况,内收外展运动的转角范围0°~20.53°,与人手真实的运动范围相似。

神经假肢手的感知反馈重建技术及应用

重建假肢手的感知反馈功能是当前神经康复工程的重大挑战之一。从触觉感知的神经基础、重建技术分类及其应用等方面,综述了神经假肢手人机交互技术的进展。功能性电刺激是常用的神经调控技术,可用于刺激大脑皮层、外周神经及皮肤感受器等,达到重建感知功能的目的,并已取得一些重大技术突破和临床应用。基于诱发指感的表面电刺激技术可形成一种非侵入神经接口,结合神经移植再造感知功能,有很好的应用前景。

基于形状记忆合金的仿生假手设计

目前假肢手大多由电机驱动,其体积大、质量大不够便携,为此本文设计了一种基于形状记忆合金驱动的模块化仿生手,整体质量为188 g,每根手指可独立驱动控制。通过滑轮组绕线的方式增大SMA丝的有效长度。绘制了假肢手的三维模型并对手指7连杆机构进行运动学分析及仿真,利用MATLAB验证了其关节角度和指尖轨迹曲线,以STM32单片机作为控制器结合多传感器设计了控制系统。并通过实验验证假手指的运动状态,结果表明,SMA驱动器的输出位移可以达到假手指所需的驱动行程,假手指的指尖轨迹与理论值相符合,可以达到设计的预期目标。研究结果解决了SMA驱动位移较小的问题,为形状记忆合金材料作为仿生假手的新型驱动器以及仿生手的机械结构提供了设计思路。

猴子PMd区脑电解码抓握手势及机械手实时控制

过去的10年,脑机接口中对上肢有关的伸解码取得了非常大的成功,这给残障人士运动康复带来了希望。但与日常生活息息相关的手部的抓握动作的研究却很少涉及。当前,在解码手势方面有很多初步的工作,但是实时的抓握手势的解码工作还没有被系统地研究过。该研究首先建立了基于非人灵长类动物的植入式脑机接口平台,训练猕猴完成伸抓动作并记录PMd区的神经信号。通过FKNN算法异步解码出4种抓握手势和休息状态。然后,利用共享控制策略驱动灵巧的机械手完成与猴子相同的动作。结果表明大部分PMd区的神经元对伸抓动作具有调和特性,利用PMd区的神经元的解码正确率可以达到97.1%。在线控制模式中,猴子手的瞬时状态能够被成功解码出来并用于机械手的控制,正确率可以达到85.1%。我们的研究为残疾人士抓握运动的康复提供了新的思路和方法。

人工电触觉反馈对手抓握力的影响

目的:为了给受试者提供触觉反馈来完成抓取力的闭环控制,提出各种方法和相应的控制策略,以探究触觉反馈对手抓握力的影响,为假肢手的研究提供参考。方法:主要根据动态系统的输出特性提出了四类考察变量(三种失败次数、完成时间、握力的均值和握力的标准差),以及稳定性、快速性和经济性指标,依据上述准则来比较基于经皮电刺激的触觉反馈和无反馈对于控制握力的影响。结果:对于三种失败次数,无反馈模式下的表现均高于触觉反馈模式,尤其是在由摔碎和捏碎引起的失败次数上,无反馈模式下的结果分别为4.3次和4.9次,而电触觉反馈模式下的结果仅为0.6次和0.5次。对于反映时间,无反馈模式下的受试者完成实验的时间为26.4s,而在电触觉反馈模式下,受试者仅用17.7s。在对6个物体的抓取中,电触觉反馈下的握力始终小于无反馈模式下的结果。触觉反馈模式下的等效握力的稳定性要高于无反馈模式下的结果。结论:经皮电刺激的触觉反馈在四类考察变量以及3种目标上均优于无反馈,提示经皮电刺激的触觉反馈对于假肢手握力控制的重要性。随着物体重量的增加,无反馈和经皮电刺激的触觉反馈下抓取力的经济性和稳定性差异逐渐的减小。

应用于人工皮肤的压电驻极体触觉传感阵列研究

基于聚丙烯压电驻极体(Piezoelectret)设计了一种应用于人工皮肤的触觉传感器。该传感器具有柔性良好、压电效应稳定、制备简单、成本低廉等特点。通过触压、滑动、同时触压与滑动、恒定力重复触压等实验,可观察到该传感器对不同触觉信号具有明显的特征差异,且阵列传感器的信号检测稳定性比单路传感器高40%。将该传感器置于假肢手指前端反馈触觉信号,并根据触觉信号调控假肢手的抓握力,可实现对易脆和光滑物体的稳定抓握。

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。

智能化产品指标体系及测试方法探讨

针对原标准无法检验智能化产品新增智能化相关指标,探讨如何建设智能化产品的技术指标体系并确定各类指标的测试方法。以智能假肢手为例,建设指标体系应考虑产品的传统性能指标和新增指标,结合技术发展对传统基本性能指标进行合理保留、改进或删除处理,对产品智能化后的新增性能指标及智能化特征评估指标则审慎确定其名称、类别及具体要求;测试方法应与指标体系相对应,分析每个指标的测试方法现状,决定借用、修改已有测试方法或研究制定新的测试方法。