上肢康復(fù)訓(xùn)練機(jī)器人的肌電控制研究.pdf

1、人體神經(jīng)肌肉系統(tǒng)的電活動(dòng)可以反映肌肉運(yùn)動(dòng)狀態(tài)，并可通過(guò)皮膚表面處的sEMG信號(hào)測(cè)量獲取。由于sEMG信號(hào)采集方便、對(duì)身體無(wú)創(chuàng)傷，利用多通道sEMG信號(hào)實(shí)現(xiàn)基于模式識(shí)別的上肢康復(fù)訓(xùn)練機(jī)器人肌電控制成為當(dāng)前康復(fù)工程領(lǐng)域的研究熱點(diǎn)?；谀Ｊ阶R(shí)別的肌電控制原理是從多通道sEMG信號(hào)中提取能表征不同上肢動(dòng)作模式的信號(hào)特征，通過(guò)模式分類器識(shí)別出目標(biāo)動(dòng)作模式，進(jìn)而實(shí)現(xiàn)上肢康復(fù)訓(xùn)練機(jī)器人的運(yùn)動(dòng)控制。對(duì)于基于模式識(shí)別的肌電控制研究，評(píng)價(jià)指標(biāo)主要包括識(shí)別準(zhǔn)

2、確率和計(jì)算速度。
　　 本文的研究目標(biāo)是完善基于模式識(shí)別的上肢康復(fù)訓(xùn)練機(jī)器人肌電控制的實(shí)現(xiàn)技術(shù)，通過(guò)研制的上肢康復(fù)訓(xùn)練機(jī)器人和多通道sEMG信號(hào)采集系統(tǒng)，在以下幾個(gè)方面進(jìn)行了研究:(1)多通道sEMG信號(hào)的空間解耦;(2)表征不同上肢動(dòng)作模式的sEMG信號(hào)特征提取;(3)上肢動(dòng)作模式分類。
　　 根據(jù)sEMG信號(hào)微弱、易受干擾的特點(diǎn)，針對(duì)性地設(shè)計(jì)了面向上肢康復(fù)訓(xùn)練的sEMG信號(hào)采集方案，以降低sEMG信號(hào)的隨機(jī)性，獲得一

3、致性好的sEMG信號(hào)。本研究中，設(shè)定受試者右側(cè)上肢為機(jī)器人輔助康復(fù)訓(xùn)練的偏癱側(cè)，左側(cè)為自主引導(dǎo)運(yùn)動(dòng)的健康側(cè)，通過(guò)分析上肢運(yùn)動(dòng)與相關(guān)肌肉對(duì)應(yīng)關(guān)系，確定了受試者左側(cè)上肢的肱橈肌、肱二頭肌、肱三頭肌、三角肌中部為四通道sEMG信號(hào)的采集位置，測(cè)量電極沿肌纖維方向放置在肌腹處，參考電極放置在sEMG信號(hào)比較微弱的肌腱處。
　　 研究了基于ICA的多通道sEMG信號(hào)空間解耦，以消除四通道sEMG信號(hào)采集過(guò)程中電極串?dāng)_引起的空間耦合冗余信息

4、。利用FastICA算法將四通道sEMG信號(hào)分解成四個(gè)不同的獨(dú)立分量，針對(duì)多次ICA分解得到的獨(dú)立分量排列次序不固定的問題，提出了獨(dú)立分量次序與多通道sEMG信號(hào)的匹配方法，以ICA分解前后信號(hào)的相關(guān)性為依據(jù)建立了獨(dú)立分量和四通道sEMG信號(hào)間的一一對(duì)應(yīng)關(guān)系，保證了同一動(dòng)作模式下獨(dú)立分量的一致性，使得獨(dú)立分量能取代原始的四通道sEMG信號(hào)而成為肌電控制源。特征提取結(jié)果表明，空間解耦雖然使得特征空間的可分性略有下降，但大幅提高了特征提取速

5、度，減小了計(jì)算量，驗(yàn)證了ICA用于多通道sEMG信號(hào)空間解耦的有效性。
　　 研究中提取樣本熵作為表征不同上肢動(dòng)作模式的sEMG信號(hào)特征，針對(duì)樣本熵用于特征提取時(shí)計(jì)算量大的問題，研究了小波包變換與樣本熵相結(jié)合的sEMG信號(hào)特征提取方法，提取五層小波包分解后九個(gè)低頻子空間的樣本熵作為sEMG信號(hào)特征。針對(duì)特征空間維數(shù)大的問題，提出了一種改進(jìn)小波包分解算法，在小波變換的基礎(chǔ)上對(duì)某一高頻子空間進(jìn)行二次小波變換，提取改進(jìn)小波包分解后四個(gè)

6、低頻子空間的樣本熵作為sEMG信號(hào)特征，并與積分肌電值聯(lián)合構(gòu)造多域特征，即TDISaEn?；贑SI的特征可分性評(píng)價(jià)結(jié)果與BP神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果表明，與常用的以小波包能量構(gòu)造的特征（TDIEner）相比，TDISaEn特征的可分性要好，六種上肢動(dòng)作模式的識(shí)別準(zhǔn)確率也高，證明了特征提取算法的有效性。
　　 針對(duì)BP神經(jīng)網(wǎng)絡(luò)用于上肢動(dòng)作模式分類時(shí)收斂速度慢、訓(xùn)練時(shí)間長(zhǎng)的問題，提出了基于遺傳BP神經(jīng)網(wǎng)絡(luò)的上肢動(dòng)作模式分類方法，利用遺傳算

7、法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值，將遺傳迭代后得到的最優(yōu)解用于訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。結(jié)果表明，經(jīng)遺傳算法優(yōu)化后，雖然BP神經(jīng)網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率提高不大，但是網(wǎng)絡(luò)訓(xùn)練時(shí)間大幅縮短，說(shuō)明遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化是有效的。
　　 利用自行研制的上肢康復(fù)訓(xùn)練機(jī)器人構(gòu)建了基于模式識(shí)別的肌電控制原型系統(tǒng)，將訓(xùn)練好的遺傳BP神經(jīng)網(wǎng)絡(luò)模型集成到機(jī)器人控制系統(tǒng)中，用以生成機(jī)器人運(yùn)動(dòng)控制指令。測(cè)試結(jié)果表明，原型系統(tǒng)運(yùn)行可靠，驗(yàn)證了基于模式識(shí)別的肌電