论文部分内容阅读
肢体康复训练是人体机能恢复的一项重要内容,一些残疾、中风、运动性损伤患者在治疗的后续阶段都要进行肢体康复训练。传统的康复训练由于受到伤残等级、康复效果评定标准不够客观和细致,医师劳动强大,医师经验要求高等因素的影响,康复训练效果受到制约,将表面肌电应用于肢体康复训练能够解决这些问题。人体表面肌电信号(surface electromyography,sEMG)蕴含着肌肉力,关节运动角度等信息,可以用于患者的肢体运动机能的精细评定,此外,sEMG与外骨骼机器人结合协助患者做康复运动,能够在一定程度上降低对医师的要求。而将sEMG做为外骨骼康复机器人的控制信号,必须能够利用表面肌电信号预测关节运动角度,针对这一问题,本文以肘关节屈运动为研究目标,采集其相关肌肉的sEMG,进行去噪,特征提取处理,建立sEMG与肘关节屈运动角度的预测模型,分析不同肌肉sEMG预测效果的差异,以及不同情况下预测模型的通用性。具体的研究内容包括以下几个方面: (1)分析sEMG产生机理以及影响因素,确定sEMG以及角度的采集方法并选用相应设备。根据研究目标及设备特点制定了本文的数据采集方案,采集上臂与身体平行、垂直,运动速度为2s、4s四种情况下的数据。通过控制实验参数,实现了数据采集的实时和准确性。 (2)将采集到的sEMG进行去噪处理并提取其特征值。通过引入去噪效果评价指标,对去噪方法和参数进行评价和选优,提出了一种有效的sEMG去噪方法。分析sEMG在时域、频域和时频域下信号的特征,通过比较不同特征与运动角度的关联度,确定较合适的特征值,从而解决了sEMG多特征值选取问题。 (3)利用BP神经网络建立sEMG(其特征值)与角度之间的预测模型,实现了基于sEMG的角度预测,最好的预测精度达到14度。通过分析预测误差,发现肘关节初始位置、运动速度、肌肉及个体差异对肘关节屈运动角度预测的影响较大,预测模型在各情况下较难实现通用互换。 (4)利用Unity3D构建肘关节屈运动仿真场景,采用共享文件的方式实现采集模块,预测模块,仿真模块间的数据通信。利用该仿真系统实现了角度预测模型的准确性和实时性的测试,解决了角度预测模型实时测试问题。