基于肌电触发的上肢康复训练机器人的实现

在三自由度中央驱动式上肢康复训练机器人样机的基础上,通过提取患者的肌电信号,设计了一种肌电触发的助力训练控制方案,达到帮助上肢功能障碍患者进行助力康复训练的目的.运用多种电子技术,提取桡侧腕屈肌和尺侧腕屈肌这一对拮抗肌的表面肌电信号,结合运动系统的分层多核控制方案,实现对患者肌电信号的检测和处理,根据患者的运动意图提供相应的助力动作,实现肌电触发的助力训练模式.进行了肌电信号识别实验和速度调节验证实验,验证了肌电触发的速度可调式助力训练方案的可行性.     

基于表面肌电信号的上臂动作识别研究

分析上臂动作与上臂肌肉的关系,通过表面肌电信号正确识别上臂的动作,是实现上肢功能修复的关键.设计了上肢曲臂、伸臂、水平外摆、水平内收、手臂垂直外旋和手臂垂直内旋6个动作,分别同时记录三角肌、肱二头肌和肱三头肌的表面肌电信号,采用时域和频域的方法提取特征值,通过人工神经网络进行识别,识别率达到90%以上.结果表明,通过上肢肱二头肌、肱三头肌和三角肌的表面肌电信号识别上臂的运动是可行的,为应用生物电信号控制机械假肢和实现脊髓损伤功能障碍修复奠定理论基础.     

基于力反馈的上肢康复机器人

针对脑中风引起的偏瘫患者,提出了一种新的基于虚拟现实技术上的上肢康复机器人系统。该系统主要由上肢外骨骼装置,触觉装置,电机控制器和工作站组成。患者穿戴上肢外骨骼机构,安装在患者患侧,通过电机带动外骨骼运动从而使患者患侧运动。在外骨骼运动过程中,通过力反馈机构将患者受力或施力反馈到三维触觉操作器,进而反馈给对其辅助治疗的医生。     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Chirplet(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Chirplet时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fugl-Meyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Ch irp let(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Ch irp let时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fug l-M eyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

诱导脑部损伤患儿主动训练的电子手套

多数脑部损伤患儿患侧手指肌张力大,拇指呈内收状态,无法完成手指的张合动作,存在着手功能损伤。然而,临床上患儿手功能康复训练方式单调枯燥,不符合患儿的心理特点。该文设计了一种基于患儿心理特点的利用声、光信号诱导患儿主动训练的电子手套,并在中国康复研究中心进行了临床实验。实验表明:患儿患侧手指表面肌电信号的中位频率在康复训练后增大,说明用手套进行康复训练使患儿患侧肌肉耐力提高;静息状态下,患侧大鱼际肌与拇长伸肌表面肌电信号均方根与平均幅值在康复训练后减小,表明静息状态下大鱼际肌与拇长伸肌肌张力下降,患儿患侧手指运动控制能力增强。实验结果验证了该电子手套在脑部损伤患儿手功能康复训练中的有效性。     

基于肌电信号的人体下肢运动意图映射研究进展

智能下肢假肢与下肢外骨骼是肢体功能障碍者恢复日常运动的重要手段。基于肌电信号的直接意图控制是其自适应、自主控制的关键技术之一。针对此问题,阐述了基于肌电信号的人体下肢运动意图映射研究进展,包括比例肌电法、肌骨模型法和人工智能算法,讨论了基于肌电信号的人体运动意图映射研究所面临的主要问题。最后,对该领域未来发展方向进行了展望和总结。     

欠驱动式外骨骼手指康复机器人的设计和仿真

本文提出一种新的基于脑电信号控制的外骨骼手指康复机器人系统,该系统主要由外骨骼手指康复机器人、脑电信号系统(EEG)、肌电信号系统(EMG)、人机交互系统、电机控制单元、相关传感器和工作站组成.患者通过外界的视觉刺激产生脑电信号,工作站经过对这些信号采集和处理后传递给电机控制单元控制,并驱动电机实现穿戴在患者手上的外骨骼手指机器人运动,辅助其完成康复训练.该机器人主要采用欠驱动的方式,由安装在手背处的电机带动同步齿形带传动机构实现机器的三个关节的弯曲和伸展运动.文章主要利用UG软件对手指机器人进行设计和ADAMS软件进行运动仿真.根据机器人运动轨迹和机器人末端的运动参数曲线可以看出该手指机器人具有运动平稳,不存在运动死点等特点,且机器人能满足人体手指的运动要求,符合人体工学的设计特点,仿真实验证明能够辅助患者进行重复性康复训练.     

基于ARM的肌电假肢手控制器

由于肌电假肢手大多基于阈值的张、合控制,并存在操作灵活性差等问题,提出一种基于ARM的肌电假肢手控制器设计方案.采用ARM核STM32处理器作为主控芯片,通过2路A/D采集手臂尺侧腕屈肌和桡侧腕屈肌的肌电信号,分别提取时域和频域上的4种特征值,并采用BP神经网络分类算法实现对5种手掌动作模式的在线实时识别.实验结果表明,该控制器对5种动作的整体在线识别率可达97%,且符合实时性要求,很好地满足了残疾人假肢手控制的需求.     

基于MYO的肌电假肢手控制中手势在线识别系统

表面肌电(surface electromyography,s EMG)信号被广泛应用于临床诊断、康复工程和人机交互等领域中.针对目前控制肌电假肢手的电极成本高、电极佩戴困难以及操作灵活性差等问题,设计一种基于MYO的肌电假肢手手势在线识别系统.通过采集人体上肢前臂的表面肌电信号,在时域上分别提取5种特征值,利用反向传播(back propagation,BP)神经网络分类算法实现对8种手势动作意图的在线实时识别.实验结果证明,利用MYO进行手势识别可以获得较好的识别结果,该系统能够准确识别8种手部动作,平均在线识别率达到92%.     

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.     

基于表面肌电的肘关节运动角度预测

表面肌电信号(sEMG)由于能够反映用户的动作意图而被广泛应用在上肢康复治疗系统中.针对目前上肢康复机器人的手臂关节运动控制不灵活的问题,提出一种基于sEMG的肘关节运动角度预测方法.为解决单一的时域特征提取方法存在的时间效率高而稳定性不足的问题,从时域和频域分别提取特征值,采用BP人工神经网络建立表面肌电信号与肘关节角度的映射模型,实现肘关节角度的预测.实验结果表明,该模型的预测结果与真实角度值有高度的一致性,有助于提高上肢康复机械臂的灵活性.     

穿戴式外骨骼康复辅具临床应用现状分析

 穿戴式外骨骼康复辅具是一种可穿戴于人体上的智能化生机电控制系统,该系统通过外骨骼与人体肢体间力-位移的交互实现人机动作的耦合,可辅助人体实现某些特定功能,在临床康复治疗领域具有重要应用前景。上肢外骨骼和下肢外骨骼是目前常见的穿戴式外骨骼。上肢外骨骼包括肩肘手臂外骨骼和手指外骨骼,在康复训练中主要应用于中风后患者肩肘关节及腕手关节运动功能的康复训练。下肢外骨骼能够辅助下肢麻痹患者完成站立及运动,在下肢运动功能的康复治疗方面具有巨大的应用潜力。本文综述了目前常见的穿戴式外骨骼康复辅具的特点及其临床应用现状,并总结了目前国内外可穿戴外骨骼的研究进展。     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

基于DSP的假肢手肌电信号控制系统的设计

介绍了一种基于DSP的肌电信号采集、分析系统。根据肌电信号的特点,以DSP嵌入式系统为控制核心,采用AgCl电极作为肌电信号传感器,可以实现6通道肌电信号的采集。该系统通过信号放大、滤波电路的设计,结合信号处理算法的开发实现,完成了6个电机控制信号的输出,最终实现了欠驱动肌电控制假肢。仿真结果表明,该系统的动作识别准确率可达96.66%。     

基于表面EMG功率谱和BP网络的多运动模式识别

结合功率谱比值法和BP神经网络提出一种基于表面肌电信号（EMG）的多运动模式识别算法．该算法首先根据表面肌电信号功率谱的特点,提出一种有效的特征提取算法——功率谱比值法;然后将功率谱比值特征作为BP神经网络的输入向量,实现对伸腕、屈腕、张开、合拢四种动作模式的识别,该识别结果可为肌电假手的多种运动模式提供仿生控制的信号源．实验结果表明,该方法对同一健康受试者四种运动模式的识别成功率平均达到95％,而对不同的健康受试者的识别成功率平均达到85％．     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

虚拟诱导患者下肢主动运动意图及其脑电精准感知方法

针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题,提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先,分析影响患者运动意图产生的因素,建立基于大脑注意机制的虚拟诱导患者意图产生模型,形成基于脑电信号的人机交互策略;然后,设计并搭建数据驱动沉浸式三维虚拟诱导场景,激发患者大脑产生主动运动意图;进而,采集患者脑电信号,通过基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的伪迹去除方法进行信号预处理;最后,利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明：虚拟诱导方法能够有效增强受试者脑电信号特征,运动意图识别率明显提高,相比常规方法,采用虚拟诱导方法后,静息状态识别准确率达到80.5%,提高了10.33%,产生意图识别准确率达到92.17%,提高了20.5%,稳定维持在较高水平,为外骨骼机器人实现按需辅助控制奠定了基础。     

人体行走过程中上肢运动仿真及生物力学特征分析

为了分析人体行走过程中上肢运动状态的影响因素,对正常步态下人体上肢运动仿真模型与理想单摆模型进行了对比分析.以7名(4男,3女)步态无异常的志愿者为研究对象,采集人体测量学参数,建立上肢理想单摆模型.采用运动捕捉系统及肌电测量系统,对志愿者常速(1.2 m/s)步行下的上肢运动以及肩关节周围6组肌肉的肌电信号进行同步测量,并基于所测运动学参数对人体行走中上肢运动进行仿真,计算实际肩关节角位移和角速度,分析相关肌肉的肌电信号特征.理想模型与实际测量结果比较表明,不同志愿者在同速行走过程中上肢的摆动周期相近,各相关肌肉肌电信号随摆臂而周期性变化,上肢实际最大摆动角速度均大于理想单摆角速度.证明摆臂过程中肩关节周围相关肌群驱动力大于肩关节阻尼.     

基于表面肌电的工人上肢肌肉疲劳试验研究

当人体进入疲劳状态时,表面肌电信号会发生相应的变化。为了探讨工人在持续上肢作业时肌肉疲劳对人体肌电信号的影响,针对疲劳与肌电信号的关系提出评价肌肉疲劳的数学模型,选取10名健康受试者进行机械操作与重物搬举作业。同时,使用表面肌电测试分析仪对肌电信号进行实时监测,采用方差分析、t检验和非线性拟合方法对疲劳与肌电信号的关系进行分析。结果表明,肌电信号的波动程度对生理疲劳有显著变化,上肢肌肉疲劳程度越重,其肌电信号恢复至正常值越久。非线性拟合结果显示,上肢肌肉疲劳的发展趋势呈现出"S型"的趋势。据此提出,疲劳失稳期前让受试者休息,可以减缓或延迟生理疲劳的发生。