表面肌电信号的自适应激活特征提取算法

为了提高表面肌电(sEMG)—外骨骼系统对多使用者多节点系统的通用性,设计了一种人体sEMG信号的自适应激活特征提取(SAFE)算法。该算法通过创建信号极值点空间(EPS)描述了信号一段时间内整体的能量分布,通过一定判别方式对短期EPS与长期EPS的比较计算获取信号激活特征分数,以便确认当前时刻的肌肉激活状态。该方法摒弃了传统的类参数固定阈值算法需要先验知识的缺陷,具备良好的自适应性和泛用性。实验结果表明:所提方法在外骨骼人机交互系统的应用中可以有效提高运动识别准确率。

基于相位划分的下肢连续运动预测

为了实现针对特定个体的运动特点进行更精确的下肢连续运动预测和用更短的时间开展预测模型训练,采用对每个步态相位都建立预测模型的方法.在识别出当前的步态相位后,使用当前相位的预测模型进行关节角度的预测.使用支持向量机(SVM),对提出的方法进行验证.实验表明,采用基于相位划分的下肢连续运动预测方法相比于对整个运动状态进行关节角度建模的预测方法,具有更高的预测精度和更短的模型训练时间.髋、膝、踝关节的预测结果与真实值的相关系数均大于0.99,每次预测的角度与真实值的平均均方根误差均小于2°,训练时间缩短4.0~5.0倍.

下肢外骨骼人机协同控制的体系设计与仿真

针下肢外骨骼机器人协同步态预测和控制方法,结合三维图形学,提出一种体系研究方案,并通过实时仿真对人机协同效率进行评估。通过实时采集人体运动信息和肌电信息,构造虚拟人体运动骨骼模型,预测运动步态,并采用三维骨骼重定向技术对机器人运动进行实时控制,达到人机协同运动效果。实验证明,当人体动作变化时,在仿真环境中外骨骼机器人能够实时同步人体动作。