智能仿生假手研究的目的是为了改善残疾人的生活自理能力,促进医疗福利事业的发展。同时,智能仿生假手研究集机器人学、生物医学工程、电子信息等多学科领域的交叉,已成为相关领域工程研究人员关注的研究重点。人的上肢系统的结构相当复杂,感觉反馈丰富,而目前商用的电动假手基本上采用肌电信号控制,并不具备对所抓物体的信息感知反馈。为了使假手尽可能地模仿人手的功能,提高假手的仿生性和智能性,有必要在肌电电动假手系统上增添多传感器感知系统。假手多传感器感知是指多方位、多角度地获取被抓物体的外在物理特性,如温度、软硬度、导热性等,以便通过抓取动作得到被抓物体相应的知识,为后续的动作行为提供指导。肌电电动假手利用残肢的表面肌电信号达到假手自然操控的目的,涉及基于表面肌电信号的采集处理与手部动作识别、假手运动控制等技术。多传感器感知与肌电电动假手的有机结合将使假手具有良好的仿生性,并使假手操作的智能化程度得到有效的提升。为此,本文在被抓物体软硬度检测、导热性测量,表面肌电信号的滤波、特征提取和模式识别等多个方面进行了理论研究和实验探索,取得了以下研究成果与创新:(1)对国内外相关技术的文献进行了综述,简要概括和总结了软硬度传感器、导热性传感器以及肌电假手的研究背景、研究现状和研究意义。(2)在实验室开发机器人触觉传感器的基础上,设计了适宜于肌电假手的软硬度传感器,设计了信号的调理电路,提出了一种简单实用的被抓物体软硬度检测与表达方法,即,用规定夹紧速度下,规定时间段内触觉传感器输出的压力信号累积值作为被抓物体软硬度的量化表达方法等。设计了一种可以安装在肌电假手手指上的导热性传感器以及相应的信号处理电路。针对温度响应时间过长的弊端,采用单位时间内导热性信号幅值的变化作为判断物体导热性的标准。(3)首次将小波域隐马尔科夫模型用于表面肌电信号的滤波中。与软硬阈值法相比,该种方法根据贝叶斯后验估计确定重构的小波系数,不需要预先设定参数,提高了自适应性。实验结果表明,该方法有较好的滤波效果,提高了信噪抑制比,同时较好的保留了表面肌电信号的边缘特征,为后续的基于表面肌电信号模式识别创造了良好的条件。采用最优小波包来提取表面肌电信号的小波系数,并将各尺度上的这些系数的平方和构建十四维特征向量输入支持向量机分类器,对手部的四个动作进行分类。实验结果表明,基于最优小波包构筑的特征向量与支持向量机识别方法相结合的算法能够以较高识别率区分伸腕、屈腕、展拳、握拳4种动作。(4)给出了软硬度、导热性等传感器在肌电电动假手上的应用,并结合信息融合算法来区分几类典型的被抓物体。研究成果为开发具有多种感觉的肌电电动假手提供了技术路线和方法。