基于虚拟现实技术的多功能肌电假肢控制系统开发平台

利用虚拟现实技术开发的多功能假肢控制系统开发平台,可以研究肌电解码控制多功能假肢的实时操控性能,便于对影响多功能肌电假肢临床控制性能的动态因素及如何提高和改善多功能肌电假肢控制性能进行详细的研究.另外,肌电假肢的使用存在训练过程漫长、使用者精神负担大等问题,利用虚拟手代替真实肌电手进行训练,可以营造一种轻松训练环境;本系统利用SolidWorks绘制出三维手臂,再用虚拟现实三维建模方法和建模语言(VRML)节点语法编辑出完整的虚拟手臂场景,利用MATLAB中的simulink工具搭建虚拟手控制平台,实现虚拟世界和外界的交互;该系统可以通过从残疾人残余肌肉采集的肌电信号进行解码、时域特征提取、动作类型识别等操作,最终实现用肌电信号控制虚拟手臂.     

针对上肢高位截肢者的肌电假肢设计

给出了一种基于人体表面肌电信号控制的上肢假肢系统,服务于基于靶向肌肉神经移植术的高位截肢者.通过解析人体肌电信号包含的动作意图控制假肢的运动.系统包括假肢的机械结构、控制系统的硬件和算法.假肢的机械结构包括肘关节、腕关节和手部.控制系统的硬件包括主控板、驱动板和肌电采集模块.模式识别算法采用基于贝叶斯原理的线性分类器,通过在线实时训练,得到需要的线性分类器参数.根据得到的分类器模型,对采集到的肌电信号进行在线实时识别,并根据识别的结果实时控制相应假肢关节的运动.系统样机在健康受试者身上进行了测试,效果良好.     

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。     

基于微处理器的多功能肌电假肢控制系统

目前的商业化肌电假肢存在使用困难、训练过程长、控制不自然等问题。本文设计并实现了一种肌电假肢控制系 统,该系统包括基于微处理器的肌电假肢控制器与基于计算机的多功能假肢临床训练软件,并使用模式识别分类算法判 断动作类型。假肢控制器可佩带在使用者身上,有望实现多自由度肌电假肢的灵活控制。     

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.     

面向智能假肢手臂的生机接口系统与类神经协同控制

针对肢体残障患者的假肢控制问题,搭建了一种基于sEMG（表面肌电信号）的智能假肢手臂系统,实现手臂残障程度较高患者的手－肘协调控制。首先,基于肌肉协同理论,使用非负矩阵分解（NMF）方法提取肌肉协同作用,并进行手部动作识别以及肘关节的连续运动估计。其次,基于意图识别结果构建“前馈－反馈”控制框架,对受试者进行前馈监督与反馈检测;根据前馈－反馈结果调整期望的控制输入,提高假肢系统的舒适性与鲁棒性。然后,针对手部动作,构建一种自适应调整抓握力度的框架,通过力、位信息交替控制,实现不同刚度、不同形状物体的自适应抓握;对于肘部运动,设计一种基于识别结果的阻抗控制算法,实现手－肘一体化假肢的稳定的人机交互控制。最后,由6名健康受试者、1名手臂残障受试者对以上控制策略进行实验验证,对手臂整体运动实现了较为准确的意图识别,同时也完成了稳定的肘部屈伸以及手部抓取,做到了手－肘的一体化协调控制。最终该套系统在北京2022年冬残奥会实现了应用展示。     

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。     

低成本自适应仿人假肢手设计

中国肢体残疾患者数量巨大,佩戴智能仿生假肢是改善和提高患者日常生活活动能力的重要手段之一.针对目前商业化多功能假肢手价格昂贵、实用性低,单自由度假肢手功能单一等缺点,提出了一种低成本自适应假肢手的设计,兼顾假肢手的成本、功能与外观.该假肢手仅用单个电机驱动,完成力量抓取、精确抓取、侧捏这三种日常生活活动能力中最常用的手部动作,并且其手指在一定程度能自适应被抓取物体的形状,增强抓取动作的稳定性.通过理论分析与软件仿真,证实了所设计的新结构假肢手能完成预定的动作.本研究能为后续假肢手的生产使用奠定基础.     

一种基于Qt框架的肌力估计实验软件

肌力估计研究成果推动了运动康复、假肢手控制、人机交互等多个领域的发展。通过肌力估计实验软件可以完成表面肌电信号、肌力信号等数据的分析处理,满足肌力估计实验的可视化、智能化需求。本文主要介绍了基于Qt框架的肌力估计实验软件的应用场景、功能实现方法与具体应用方式。     

基于PSoC和DP-PSO-SVM的便携式假肢控制系统

针对三自由度假肢阈值控制方式存在不直观、灵活性差的缺陷，控制效果较好的模式识别控制器存在便携性差、实用性差等问题，提出一种基于PSoC在线模式识别的肌电假肢控制系统设计方案.采用低功耗芯片PSoC作为主控制器，设计了一套便携式四通道sEMG （表面肌电信号）采集系统，采用双群粒子群优化算法改进的支持向量机（DP-PSO-SVM）构建分类识别器，并通过假肢驱动器实现假肢在线模式控制.实验结果表明：采用DP-PSO-SVM算法比采用标准粒子群SVM （PSO-SVM）算法构建的分类器识别精度提高4%，达到96.7%；该控制器对6种动作的在线识别率达到96.3%，且符合实时性要求.     

An anthropomorphic controlled hand prosthesis system

Based on HIT/DLR(Harbin Institute of Technology/Deutsches Zentrum für Luft-und Raumfahrt) Prosthetic Hand II,an anthropomorphic controller is developed to help the amputees use and perceive the prosthetic hands more like people with normal physiological hands.The core of the anthropomorphic controller is a hierarchical control system.It is composed of a top controller and a low level controller.The top controller has been designed both to interpret the amputee’s intensions through electromyography(EMG) signals recognition and to provide the subject-prosthesis interface control with electro-cutaneous sensory feedback(ESF),while the low level controller is responsible for grasp stability.The control strategies include the EMG control strategy,EMG and ESF closed loop control strategy,and voice control strategy.Through EMG signal recognition,10 types of hand postures are recognized based on support vector machine(SVM).An anthropomorphic closed loop system is constructed to include the customer,sensory feedback system,EMG control system,and the prosthetic hand,so as to help the amputee perform a more successful EMG grasp.Experimental results suggest that the anthropomorphic controller can be used for multi-posture recognition,and that grasp with ESF is a cognitive dual process with visual and sensory feedback.This process while outperforming the visual feedback process provides the concept of grasp force magnitude during manipulation of objects.     

Single channel surface EMG control of advanced prosthetic hands: A simple,low cost and efficient approach

Surface EMGs have been the primary sources for control of prosthetic hands due to their comfort and naturalness. The recent advances in the development of the prosthetic hands with many degrees of freedom and many actuators, requires many EMG channels to take the full advantage of the complex prosthetic terminals. Some EMG wearable devices were developed lately, that are able to detect several gestures. However, the main drawbacks of these systems are the cost, the size and the system complexity. In this paper, we suggest a simple, fast and low-cost system which can recognize up to 4 gestures with a single channel surface EMG signal. Gestures include hand closing, hand opening, wrist flexion and double wrist flexion. These gestures can be used to control a prosthetic terminal based on predefined grasp postures. We show that by using a high-dimensional feature space, together with a support vector machine algorithm, it is possible to classify these four gestures. Overall, the system showed satisfactory results in terms of classification accuracy, real time gesture recognition, and tolerance to hand movements through integration of a lock gesture. Calibration took only 30 seconds and session independence was demonstrated by high classification accuracy on different test sessions without repeating the calibration. As a case study we use this system to control a previously developed soft prosthetic hand. This is particularly interesting because we show that a simple hardware that has only a single channel EMG, can afford the control of a multi-DOF prosthetic hands. In addition, such system may be used as a general purpose Human Machine Interface for gaming,for controlling multimedia devices, or to control robots.     

基于MSP430的肌电假手系统设计

在对人体表面肌电信号研究的基础上,设计出一种肌电假手系统,其中包括肌电信号采集调理系统和假手控制系统。肌电信号经信号调理电路放大、滤波、陷波后,由低功耗的MSP430F149单片机进行A/D转换、特征计算。单片机结合肌电信号与触滑觉传感器反馈的信息来控制电机转向与转速,从而控制假手做出相应动作。通过实际采集的肌电信号在示波器上显示的波形与假手的动作进行对比,说明系统设计是合理有效的。     

Experimental Study of an EMG-Controlled 5-DOF Anthropomorphic Prosthetic Hand for Motion Restoration

In this paper, we attempted to evaluate the performance of an electromyography (EMG)-controlled 5-DOF prosthetic hand on ten transradial amputees. The proposed prosthesis is composed of a five-fingered hand, a passive wrist, and a customized socket for each subject. The EMG control methods included both a commonly used pattern recognition-based scheme (DD-SVM) and a novel digital encoding strategy (double-channel template matching (DCTM)). A virtual 3D hand platform was developed for training the subjects and rapidly testing the control methods. For each subject, the performance of the EMG control methods was firstly measured by off-line classification accuracy; then, according to the accuracy, a particular control method was selected and embedded in the EMG controller for further validation on ordinary daily life activities. Our experiments were conducted to test not only the hand’s grasp ability but also other multifinger cooperation skills. The result indicated that the subjects of rich control experience can accomplish several intuitive motion control over their hands. However, the kinds of the motions and their relative recognition accuracy may depend on some individual differences, such as the amputation level, the activity of the residual nerve-muscle system, and the richness of control experience. Meanwhile, the proposed digital encoding method, DCTM, which only utilized two channels of EMG, was necessary for those amputees with few available control signals. This paper suggested that the EMG control method should be differently considered according to the particular condition of each subject.     

一种基于肤色和深度的第一人称人手识别方法

手是人类与外界交互的主要工具,因此在可穿戴增强现实系统中,引入手势操作将会为人机交互过程提供非常自然的操作体验。以往的手势识别,一方面并不是考虑应用在可穿戴增强现实的场景中,有着不同的视角差,另一方面往往只基于二维信息,而忽视三维深度信息。在传统的肤色模型基础上,融合了三维深度信息,构建了满足实时性要求的手势操作系统。     

一种基于WPT和LVQ神经网络的手部动作识别方法

针对表面肌电信号(SEMG)的手部动作识别,提出一种采用小波包变换(WPT)和学习向量量化(LVQ)算法的神经网络分类器。对SEMG信号进行基于熵准则的最优小波包基分解得到各个节点分解系数,计算信号各个节点相应子频段的系数能量,归一化处理后的特征向量输入LVQ神经网络,实现基于SEMG的手部动作识别。实验结果表明,采取两路SEMG信号,该分类器能有效识别伸腕、屈腕、展拳和握拳4种动作模式,达到96%的识别率,能可靠应用于2个自由度肌电假手的控制。     

多自由度仿生假手嵌入式控制系统及其抓取策略

为一种能够实现5 指独立动作以及具备人机交互能力的多自由度仿生假手设计了手部嵌入式控制系 统．该系统由传感器系统和运动控制系统构成,集成于假手机体内部,通过通信总线与上层控制器交换信息．传感 器系统包括3 种类型,共12 个传感器,可为假手自主抓取以及人机交互中的感觉反馈提供数据,运动控制系统用于 控制、驱动各手指动作．此外,本文以基于位置的阻抗控制为底层,以动作预构形为上层设计了分层控制策略．实 验表明,该嵌入式控制系统和分层控制策略使假手实现了自主抓取功能,提高了抓取的柔顺性、稳定性和适应性．     

基于云架构的自适应聚类图像 识别技术的研究与实现

针对移动平台提供高精度图像识别服务,对当前比较流行的SIFT 和BRISK 图像识别算法进行分析和研究,提 出一种新型、高效、轻量级,适用于Android 的自适应聚类图像识别算法。并基于Android 平台设计了一套高精度图像识别系 统,利用Android 本身提供的各种资源开发图像识别软件。结果表明：该系统硬件设备简单,成本较低、系统可靠、易于使用和 扩展。