论文部分内容阅读
近年来,我国肢体残疾人数量增长迅速,而市场上的传统假肢由于成本高、体积大、感官性差等原因不便于在实际生活中使用。随着医学技术和现代工程技术的不断改进创新,假肢的研究越来越受到重视,在现代运动康复医学中占有重要地位。假肢的仿生控制,尤其是如何利用使用者自身的信号,即表面肌电信号(surface Electromyo Graphy,sEMG),灵活有效地控制假肢,一直是假肢技术研究的热点问题之一。虽然关于sEMG信号动作模式分类的研究已经比较成熟,但对于假肢手的功能控制,仅获得运动模式信息是不完备的。就实用性而言,假肢手力的控制是必不可少的。如果能够实现假肢手的稳定抓握,则可以大大提高假肢手的应用价值。为了解决这个问题,本研究提出了一种用生物电信号控制假肢手抓握力的系统,以提高患者使用假肢手的感官性,从而改善其生活质量。本文的主要研究内容如下:(1)定位以适合截肢患者需求的高性价比假肢手为导向,利用MYO臂环采集来自上肢的sEMG信号,六维力传感器采集抓握力信号,寻找建立sEMG与力之间关系的方法,从而达到通过患者自身生理信号控制抓握力的目的。为了实现稳定抓握,该设计中将抓握力从0-40N均分为8个档次。(2)从sEMG信号中提取可表达力大小信息的特征,利用深度学习中的自编码神经网络从无标签的特征集中学习获取可表征数据深层特征的隐层参数并生成新的特征集,以减少特征集的维度,提高计算速度。(3)本实验中选用Softmax回归用于对(2)中生成的有标签的新特征集进行学习生成力档次分类器,再利用BP神经网络模型针对每个力档次生成sEMG-力回归模型,用于不同级别的力预测,提高预测准确率。(4)利用FSR力传感器贴放在假肢手食指的指肚上,来获取假肢手的实际抓握力,并将该值与预测的力值做对比得到误差与误差变化,然后把误差与误差变化作为模糊控制器的输入量,最终得到实际控制量输出用于控制电机的转速和转向,从而达到控制抓握力的目的。为了测试该方案的有效性,15名身体健全的受试者参与了实验。基于15个受试者的实验结果,对8通道sEMG信号提取4种时域特征:平均绝对值(mean absolute value,MAV)、均方根值(root mean square,RMS)、标准差(standard deviation,SD)、波长(waveform length,WL)。经自编码算法将32维特征矩阵降至8维后能得到最高的识别精度,且平均识别率高于95%。另一方面,从标准差的统计结果来看,该处理方式下的标准差变化范围为2.85%到0.53%,从而证明了设计方案的鲁棒性和稳定性。该假肢手控制系统不仅会为上肢截肢患者带来福音,改善他们的生活,使其更好地融入社会,还将推动康复训练事业的发展,更好地解决人类与机械的融合问题,在医疗器械行业掀起一股热潮。