肌电假手是一种面向截肢患者康复,通过人体肌肉电信号(Electromyography,EMG)进行控制的仿人型机器手。该研究的目的是为截肢患者提供外形与人手相似、重量轻、体积小,同时具有人手大部分抓取功能和适当操作功能的假手。该研究具有很大的理论研究价值和潜在的市场价值,对于提高残疾人的生活能力和促进整个社会的进步具有重要意义。本文提出了一种仿人型肌电假手的设计。基于对自然人手的骨骼结构和运动功能的分析,该假手的设计与人手类似,具有5个手指,以及分别独立驱动的4个自由度。手指的指节之间通过弹簧连接,使关节形成柔性铰链,各个关节之间的运动通过腱驱动实现耦合联动。整个假手的驱动系统设计安装在手掌之内。通过对手指的运动分析以及对假手进行仿真,展现了该假手多样的抓握能力。仿人型肌电假手仅由两个通道的前臂表面肌电信号控制。该肌电控制系统是基于模式识别算法建立的,其中包括信号源、信号采集、数据处理和假手控制四大环节,能够识别圆柱抓取、勾取手势、侧边捏取、指向手势、放松手势、球形抓取、三指捏取和两指捏取8类人手抓握手势。系统中选用绝对均值、方差、四阶自回归系数和样本熵作为最优特征集,并采用线性判别分析法对提取的特征向量进行降维和分类,并加入了前平滑和后平滑处理以提高手势识别的准确率。在肌电手势识别系统的基础上,增加了对人手抓握力度的识别,分别识别0kg、2kg、4kg、6kg、8kg、10kg共6个等级的抓握力度。初步选择绝对均值、方差、均方根、波长、过零点值、威尔逊振幅、自回归系数、样本熵、平均频率和中值频率,并对这些肌电特征的抓握力度分类性能进行分析,通过组合计算分类识别的准确率,选择出适用于抓握力度识别的最优特征集。另外,结合特征提取、特征降维和曲线拟合的方法,实现抓握力度的在线连续识别。最后,本文搭建了仿人型肌电假手的控制平台,通过LabView软件将肌电识别系统与假手的驱动控制平台结合组成整体的控制程序,并实现利用表面肌电信号实时控制仿人型假手完成不同物体的抓握。