基于肌電信號的假手運動模式識別及控制系統(tǒng)的研究.pdf

1、肌電假手采用殘肢者殘端肌肉上檢測出的微弱的，但卻能反映人的運動意志的肌電位變化作為假手動作的控制信號，它是一種典型的生物機電一體化系統(tǒng)。目前，肌電假手正朝著多自由度的方向發(fā)展，同時人們也對它的舒適性、實用性、準確性和靈活性提出了更高的要求。因此，為了解決基于肌電信號的多自由度假手動作模式的識別問題，本文結合國家自然科學基金重點項目“新一代仿人型殘疾人假手系統(tǒng)及理論的研究”(項目編號：50435040)，重點研究HIT三自由度欠驅(qū)動仿人型

2、假手的肌電控制方法，為多自由度假手的商業(yè)化做準備。
　　本文首先基于PC機平臺建立了HIT三自由度仿人型假手控制系統(tǒng)，包括多通道肌電信號的采集系統(tǒng)、肌電信號在上位機內(nèi)的分析處理系統(tǒng)、上位機與假手之間的通訊系統(tǒng)和基于DSP的假手控制系統(tǒng)。多通道肌電信號的實時數(shù)據(jù)采集系統(tǒng)的建立采用了德國OttoBock公司的13E125電極和ADLink公司的9118HR數(shù)據(jù)采集卡。在上位機與假手之間的通訊系統(tǒng)中，從動作識別的準確率方面考慮給出了兩種

3、控制方式，并制定了上位機與假手之間的串口通訊協(xié)議。在基于DSP的假手控制系統(tǒng)中，根據(jù)HIT假手特點，采用了基于TMS320F2810芯片的假手控制系統(tǒng)，并完成了假手電機的控制和同上位機的通信。
　　肌電信號在上位機內(nèi)的分析處理系統(tǒng)是本篇論文的核心，它的研究內(nèi)容包括肌電信號的特征提取、特征選擇和特征分類。在肌電信號的特征提取部分本文選擇了在信號處理中使用的時域分析法AR參數(shù)模型、時頻域分析法小波變換和非線性分析方法（LZ復雜度、樣本

4、熵和近似熵）來提取肌電信號的特征參數(shù)。并提出不只選擇這些特征參數(shù)、而且將其組合方式也作為特征參數(shù)進行選擇，即提出了將時域特征與時頻域特征、時域特征與非線性特征以及時頻域特征與非線性特征相結合的特征提取方法。而對于肌電信號的特征分類器，本文提出使用三層前饋神經(jīng)網(wǎng)絡作為分類器的基本結構，采用VariableLearningRate(VLR)加動量項算法、ResilientBackpropagation(RP或RPROP)算法和Levenbe

5、rg-Marquardt(LM)算法確定不同分類器的網(wǎng)絡參數(shù)。并提出將這三種不同算法的神經(jīng)網(wǎng)絡進行組合，建立組合神經(jīng)網(wǎng)絡分類器，進一步提高分類器的識別能力。此外，本文還給出了提高特征分類器泛化能力的設計方法。
　　針對建立的HIT三自由度仿人型假手系統(tǒng)，本文進行了大量的實驗，實驗結果表明：基于兩通道肌電信號，采用4階AR模型特征參數(shù)與LM算法神經(jīng)網(wǎng)絡分類器的組合方式，可以實現(xiàn)對人手拇指、食指和中指彎曲動作高達99％以上平均識別率，