基于表面肌电信号的绝缘手套法带电作业人员上肢肌肉疲劳分析

绝缘手套法是配网带电作业的主要作业方式,为获取穿戴绝缘手套的带电作业人员上肢肌肉的疲劳特性及其诱发的肌肉骨骼系统疾患(work-related musculoskeletal disorders,WMSDs)的风险,开展了基于表面肌电信号(surface electromyogra-phy,sEMG)的绝缘手套法带电作业人员上肢肌肉疲劳评估研究.针对配网绝缘手套法的典型作业工况,搭建了绝缘手套法带电作业上肢的sEMG试验平台,采集受试者上肢(右手)各目标肌肉在是否穿戴绝缘手套下的sEMG信号;基于时域特征参数积分肌电值(integrated electromyography,IEMG)、均方根值(root mean square,RMS)及频域特征参数平均功率频率(mean power frequency,MPF)、中位频率(median frequency,MDF)对绝缘手套的上肢肌肉疲劳特征进行评估;基于支持向量机(support vector machine,SVM)构建了带电作业人员上肢肱桡肌疲劳状态识别模型.结果表明:穿戴绝缘手套作业时各目标肌肉更容易进入疲劳状态;穿戴绝缘手套作业时,作业人员上肢部位的肱桡肌、肱二头肌、肱三头肌、三角肌的疲劳程度依次递减,与仿真计算的分析结果一致;sEMG时域特征参数IEMG、RMS对作业人员上肢肌肉疲劳的表征效果要优于频域特征参数MPF和MDF;带电作业人员上肢肱桡肌疲劳状态识别模型总体平均准确率为86.56％,能有效识别上肢肱桡肌肌肉疲劳状态.     

肌肉组织疲劳过程的超声衰减特征

基于超声波在生物软组织中的传播机理以及肌肉疲劳过程中组织厚度、弹性等特征的变化,研究了超声衰减特性与肌肉疲劳过程的相关性,理论分析了超声波幅度随肌肉疲劳的变化规律。设计针对右肱二头肌的实验,探讨了激励声波在逐渐疲劳的组织中传输的响应规律。同步采集表面肌电信号,研究肌肉疲劳过程中肌电信号与超声衰减特征的相关性。理论分析及实验结果表明,在肌肉疲劳过程中,随着疲劳程度的增强,超声波传输后平均能量幅度逐渐减小,其减小趋势满足指数衰减规律,同时同步采集的表面肌电信号均方根值呈线性增加趋势。     

基于互Wigner-Ville分布的表面肌电信号瞬时频率估计

当一块肌肉完成持续的收缩时,所记录的表面肌电信号的分析是一个用于评价局部疲劳进行性的有用的工具.在肌肉静态收缩期间,表面肌电信号功率谱的平均频率和中值频率常被用作肌肉疲劳的指示器.为了评价周期性动态收缩期间的局部肌肉疲劳,针对肌肉动态收缩时表面肌电信号的特点,提出了基于互Wigner-Ville分布的瞬时频率检测方法.通过一个类似于表面肌电信号统计性质的模拟的随机过程,评价了这一算法的估计误差.理论和实验证明,瞬时频率可以在较低的信噪比下很好地适合跟踪由于肌肉疲劳引起的频谱变化.     

基于经验模态分解建模法的肌肉疲劳检测

针对表面肌电信号的非平稳特性,采用自回归(auto regression,AR)模型对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号建立自回归模型,采用基于该模型的第一个时变参数(first time-varying parameter of auto regression modle,ARC1)作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比(sensitivity to variability ratio,SVR)来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高以及将表面肌电信号细微特征信息放大、便于识别等优点。     

基于经验模态分解建模法检测肌肉疲劳研究

本文针对表面肌电信号的非平稳特性,采用自回归模型（auto regression,AR）对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号进行建立自回归模型,采用基于该模型的第一个时变参数（first time-varying parameter of auto regression modle,ARC1）作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比（sensitivity to variability ratio,SVR）来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高和将表面肌电信号细微特征信息放大、便于识别的效果等优点。     

手臂疲劳时表面肌电信号特征

为了解表面肌电信号(surface electromyography, sEMG)特征的变化规律,找出更加有效的疲劳特征参数组合,通过回归分析和皮尔逊相关系数分析的方法研究了6名受试者负重状态下,手臂表面肌电信号的时域、频域和时频域特征参数与主观疲劳感量表(rating of perceived exertion, RPE)之间的关系。结果表明:随着负重时间的持续,sEMG的时域特征均方根值(root mean square, RMS)和积分肌电值(integrated electromyography, iEMG)有上升趋势,频域特征平均功率频率(mean power frequency, MPF)、中值频率(media frequency, MF)有下降趋势,而时频域特征瞬时平均频率(instantaneous mean power frequency, IMPF)、瞬时中值频率(instantaneous median frequency, IMF)出现先短暂上升然后下降趋势。对各特征参数进行非线性拟合,发现RMS和iEMG幂函数拟合优于指数函数拟合,而MPF、MF、IMPF和IMF指数函数拟合优于幂函数。对联合特征参数进行多元回归分析,发现RMS与MF组成的回归模型判定系数R~2最大。可见RMS与MF相结合作为评估肌肉疲劳的联合参数更加合理有效。     

肌肉疲劳过程中电诱发表面肌电信号的小波分析

分析由电刺激腓肠肌得到的表面肌电信号(Surface electromyography, SEMG),研究肌肉疲劳过程中表面肌电信号的特征,采用小波分析的方法,选择与M-波形状相似的小波函数,对其两个半波进行小波变换,分别分析两个半波在时域波形的拉伸程度,确定以小波变换尺度为主要依据的肌肉疲劳指数,实现疲劳状态的定量描述.该方法克服了傅里叶变换在时域中没有分辨率,信号在某一时刻变化将影响整个频谱特性的缺点,确定了特异性和可靠性良好的表征肌肉疲劳的SEMG指标,为进一步应用这些指标评价肌肉功能状态提供理论依据.     

基于广义回归神经网络的上肢关节角度预测

针对人体上肢运动意图识别问题,基于上肢表面肌电信号,提出广义回归神经网络(general regression neural network,GRNN)预测受试者的上肢关节角度.GRNN预测模型的输入为处理后的表面肌电信号,预测的3个关节角作为输出,将GRNN预测结果和径向基函数(radial basis function,RBF)神经网络的预测结果对比,并用均方根误差对上肢关节角度的预测结果做评估,验证GRNN模型预测上肢关节角度的可行性.结果表明,GRNN模型能较好地估计人体关节角度.     

一种基于sEMG信号多重分形的肌肉疲劳特征分析方法

针对由表面肌电信号(sEMG)非平稳、非线性、自相似性等复杂特性导致的肌肉疲劳估计不准的问题,提出一种基于sEMG信号多重分形降趋移动平均法(MFDMA)的肌肉疲劳特征分析方法。首先,利用MFDMA方法对采集的sEMG信号、洗牌信号和高斯白噪声信号进行非线性动力学分析;其次,利用MFDMA方法计算sEMG信号的多重分形谱宽度、Hurst指数变化差值、概率测度值和峰值奇异指数4种多重分形特征;最后,利用t-检验法分析肌肉疲劳与非疲劳状态下的多重分形特征的显著差异性。结果表明,MFDMA方法能够描述sEMG信号的多重分形行为,谱宽等多重分形特征在肌肉疲劳与非疲劳状态下具有显著性差异。所提方法能够可靠表征运动性肌肉疲劳,可为肌肉疲劳识别模型建构、康复医学研究提供特征参考。     

基于超声图像的运动肌肉疲劳研究?

分析了运动肌肉疲劳前后肌肉形态结构参数的变化,为运动肌肉疲劳评价提供参考.文中应用B型超声技术,测量9名男性志愿者在递增负荷功率自行车运动疲劳前后下肢肌肉的肌肉厚度、羽状角并对其进行分析.结果表明功率自行车运动疲劳后,不同被测肌肉的肌肉厚度、羽状角较疲劳前显著增加(P0.05),其中大腿股外侧肌、股内侧肌的厚度变化率、羽状角变化率较大.得出了运动肌肉疲劳前后肌肉的肌肉厚度和羽状角发生变化,提示其可结合传统的表面肌电信号评估肌肉疲劳.     

表面肌电在攀岩训练中的应用研究

肌肉疲劳产生过程中,肌电图的振幅和频谱指标均会产生相应变化.运用肌电图对运动员肌肉状态指标的评定可以对运动训练起指导作用.肌电图在攀岩领域的应用还比较少,通过对攀岩运动员在间歇训练法训练时的上肢主要做功肌肉左右腕屈肌、左右腕伸肌的的表面肌电信号(sEMG)进行分析,观察肌电图的变化情况,探讨肌电图在攀岩运动过程中应用的可行性.     

基于积分肌电值结合双阈值的s-EMG活动段的检测

为了寻找一个表征肌肉疲劳程度效果较好的参数,分别从时域分析、频域分析中提取相关特征参数进行对比分析.采用基于积分肌电窗口移动平均值结合双门限阈值的方法来区分肌肉动态收缩区和静态收缩区.利用肌肉动态收缩区相关特征值的灵敏度波动比(SVR指数)来表征肌肉疲劳的灵敏度,程序设计采用MATLAB编程.通过仿真实验对时域、频域特征参数随疲劳程度的变化趋势、灵敏性进行分析,发现时域中均方根特征参数对疲劳程度表征效果相对较好;频域中中值频率特征参数对疲劳程度表征效果相对较好.该方法应用在检测肌肉疲劳上具有区分动态、静态收缩区的特点,相比单门限阈值法具有将表面肌电信号的细微特征信息放大、便于识别等优点.     

草原公路行车驾驶员肩部表面肌电信号分析

内蒙古草原具有线形特殊,景观单调等特点,长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号,使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势,但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。     

基于熵理论和复杂度的肌电信号分析

传统信号处理方法对肌电信号分析存在一定局限。不能很好地描述肌电信号的复杂性;而基于熵理论和复杂度等非线性分析方法越来越多地应用于肌电信号等生理信号的处理。熵理论和复杂度对于肌电信号的处理具有运算速度快、数值特征明显,并且能够很好地描述其复杂性等特点。本文以做俯卧撑的上肢肌电信号为分析对象,通过计算其Renyi熵、小波熵和复杂度刻画不同阶段肌电信号的复杂性。并验证以此测度进行肌电信号不同区域划分的合理性,以及应用该方法分析肌电信号的有效性,取得了较好的效果。试验数据分析结果表明,小波熵值较大的部分对应于肌电信号能量较高的区域。从生理意义而言,这些区域正是肌肉纤维集中放电的过程。肌电信号成分单一,是复杂度较低的区域,而Renyi熵和复杂度值越大,对应的肌电信号成分复杂度越高,这与理论分析吻合得比较好。同时三者也得到了相互验证。由此表明该方法对于肌电信号的分析是可行的。非线性分析方法可能是未来肌电信号等生理信号的发展方向。该方法还可以应用于体力疲劳评价。     

表面肌电信号(SEMG)分析在生物力学领域中的应用

表面肌电信号是一种使用表面电极来探索和记录肌肉表面电活动的技术。肌电信号在生物力学领域中主要被用来作为肌肉开始激活的指标,同时作为肌肉收缩产生力量以及肌肉内部产生疲劳的指标等。表面肌电信号作为研究肌肉的一种方法,告诉我们肌肉是否被激活、激活的程度大小和疲劳时激活的程度等。旨在着重讨论生物力学领域中的一些特定的表面肌电信号分析方面中的比较类型分析和频率疲劳分析问题。     

基于FGNN算法的sEMG肌肉疲劳分类方法

为了有防止果蝇优化算法的局部最优约束,提高肌肉疲劳分类的准确率,本研究提出了一种基于肌电信号的肌肉疲劳分类方法：果蝇-遗传优化算法,实现了肌肉疲劳的准确检测和分类。在改进的果蝇优化算法基础上把遗传算法的交叉变异和果蝇优化算法混合,并与神经网络结合对肌肉疲劳进行识别。相较于果蝇优化算法,改进后的算法有更强的跳出局部最优的能力。与神经网络结合后对于疲劳状态识别具有更好的效果。本研究提出的肌肉疲劳分类方法,可以防止运动员过度疲劳引起的肌肉损伤,实现准确的肌肉疲劳检测和分类。一共招募了10名健康的年轻参与者(6名男性和4名女性)进行疲劳测试。首先根据主观评测法对疲劳等级进行划分。然后,将采集到的肌电信号数据进行预处理、提取特征后作为神经网络,遗传算法-神经网络, 果蝇优化算法-神经网络, 果蝇-遗传算法-神经网络的输入。经比较果蝇-遗传优化算法-神经网络的准确率为94.3%,优于其他方法     

汽车乘驾体位生物力学实验台的设计分析

基于汽车乘驾体位生物力学特性的分析，提出了表征人一座椅界面体压分布的特性指标和模拟驾驶疲劳时人体表面肌电信号的分析参量．研制的汽车乘驾体位生物力学特性实验台主要由可调模拟乘驾环境和生物力学测试系统组成，能够模拟各种人一车乘驾环境和进行人机界面匹配试验，可以测试和分析不同乘驾环境下驾驶员的各项体压分布指标和驾驶员腰部肌肉疲劳过程中的表面肌电信号，评价人机界面匹配优度，进而为汽车的人机界面优化设计和提高汽车人机界面的舒适性、方便性、安全性及人机工效学研究提供了实验基础．实验台在可调模拟乘驾环境设计和生物力学测试系统设计方面具有独创性．     

基于肌音信号短时傅里叶变换的桡侧腕屈肌疲劳程度研究

肌肉疲劳是由运动引起的肌肉最大随意收缩力减小的现象,其研究可应用于生理医学的职业病预防或体育工程的运动员训练等方面。本文采用短时傅里叶变换对肌音信号进行处理,提取频域特征平均功率频率(Mean Power Frequency,MPF)和中值频率(Median Frequency,MDF),研究其与肌肉疲劳程度之间的关系。9名健康的男性志愿者参与了本次试验,采用等值于60%最大随意收缩力(MVC)的力产生恒力肌肉疲劳,同步记录每一位受试者桡侧腕屈肌的肌音信号,对提取的频域参数进行分析。将持续30s的肌肉疲劳过程分为6个时间阶段(每个阶段为5s),并对每个时间阶段内的MPF和MDF计算均值。结果表明,随着肌肉疲劳程度加深,肌音信号的MPF和MDF在每个时间阶段内的均值均呈现近似线性下降的趋势。在30s肌肉疲劳过程中,从第1阶段(1~5s)到第6阶段(26~30s),MPF均值下降了15.8%,MDF均值下降了26.1%。基于短时傅里叶变换提取的MPF和MDF指标能良好地反映疲劳敏感性和稳定性,在评定肌肉静态疲劳方面是较好的参考指标。本文采用的方法和得到的结果为后期更深入地使用肌音信号对肌肉疲劳程度进行量化研究提供了依据。     

采用小波变换和高斯过程的肌电信号模型预测

根据表面肌电信号的生物电信号特点,采用小波变换和高斯过程建模的方法对表面肌电信号进行建模和预测.对非线性的表面肌电信号利用拟合能力强大的高斯过程进行建模,预测效果较好,但所需运算时间长.针对其运算时间长的缺点进行改进,将预处理后的表面肌电信号小波分解,对分解后的系数高斯建模,然后重构.实验结果表明:该改进方法在响应时间和预测误差方面效果明显.     

基于动态系统稳定估计器的机器人变刚度轨迹规划

针对现有基于动态系统稳定估计器(SEDS)的机械臂轨迹规划中无法兼顾运动精度和能量消耗的问题,提出变刚度轨迹规划的方法.首先,采用SEDS对示教轨迹进行拟合,得到从空间任一起点到终点的收敛轨迹.然后,基于人体上肢刚度模型,通过实验得到肌电信号与上肢末端刚度的映射关系,并使用高斯混合模型GMM和高斯混合回归GMR学习示教...