本文選題：sEMG信號 + 上肢康復機器人�。� 參考：《天津理工大學》2017年碩士論文

【摘要】：表面肌電信號(surface electromyography,sEMG)是通過表面電極在人體皮膚表面采集的肌肉運動過程中所產(chǎn)生的電位信號。人體在執(zhí)行不同動作過程中作用的肌肉群是不同的,因此產(chǎn)生的電信號也是不同的。本文通過對人體手臂表面肌電信號的處理來識別人體上肢的動作模式,從而針對偏癱患者實現(xiàn)利用偏癱患者健測上肢引導康復機器人輔助偏癱患者患側上肢執(zhí)行康復運動訓練。本研究致力于研究一套基于sEMG信號的上肢康復機器人康復訓練及評價系統(tǒng),系統(tǒng)主要包括表面肌電信號采集設備、上肢外骨骼機械臂、計算機、電機及控制單元等設備。本研究針對偏癱患者,提出了一種基于sEMG信號自主式的上肢康復訓練系統(tǒng)來幫助患者實現(xiàn)主動訓練。研究將模式識別技術和機器人技術相結合,提出了整個系統(tǒng)的設計方案:通過采集偏癱患者健測上肢執(zhí)行六類不同動作模式下的sEMG信號,首先對sEMG信號進行預處理,然后對s EMG信號進行特征提取以及模式識別分類,針對參與實驗的八名受試者得出離線模式識別平均分類準確率91%。上肢自主在線康復訓練中通過偏癱患者健側執(zhí)行的某一動作模式根據(jù)模式識別離線訓練好的分類器得出分類結果驅動電機控制康復機器人執(zhí)行相應的動作,實現(xiàn)自主康復訓練。八位受試者動作執(zhí)行的最高準確率高達98.3%,平均準確率達到92%。本研究還提出了一種以肌力大小為標準的、一種定量的、客觀的康復評價方法,用于對康復訓練過程中患者肌力大小的恢復程度做出客觀評價。通過采集不同肌力大小的的表面肌電信號,并按臨床醫(yī)學肌力分級表將肌力分為6個等級。由于肌肉電信號的非線性特性,不同肌力水平下的肌電信號的復雜度不同,本研究選用模糊近似熵對其進行建模分析,并選取肌電信號的模糊近似熵和肌電強度組成的二維特征向量采用有向無環(huán)圖支持向量機分類方法進行分類,分類正確率達到92%。本研究對于上肢康復醫(yī)學領域康復訓練方式和評價方法提供了參考,有助于拓寬相關領域的研究思路。
[Abstract]:Surface electromyography (EMG) is a potential signal generated during muscle movement on the surface of human skin. The muscles that the human body acts on in different actions are different, so the electrical signals are different. In this paper, we recognize the movement pattern of human upper limb by processing the EMG signal on the surface of human arm, so as to realize the rehabilitation exercise training of the affected upper limb of the hemiplegic patient by using the rehabilitation robot to guide the upper limb of the hemiplegic patient by using the healthy test of the upper limb of the patient with hemiplegia. This study is devoted to the study of an upper limb rehabilitation robot rehabilitation training and evaluation system based on sEMG signal. The system mainly includes surface electromyographic signal acquisition equipment, upper limb exoskeleton manipulator, computer, motor and control unit and so on. In this study, a sEMG signal independent upper limb rehabilitation training system was proposed to help patients with hemiplegia to achieve active training. The design scheme of the whole system is put forward by combining the pattern recognition technology with the robot technology. Firstly, the sEMG signal is preprocessed by collecting the sEMG signals of the upper limbs of hemiplegic patients and performing six kinds of different action modes. Then the feature extraction and pattern recognition classification of s EMG signal were carried out, and the average classification accuracy of offline pattern recognition was obtained for the eight subjects involved in the experiment. In the automatic and online rehabilitation training of upper limb, a certain action pattern performed by the healthy side of the hemiplegic patient was obtained by the classifier of off-line training. The classification result was obtained by driving the motor to control the rehabilitation robot to perform the corresponding action, and to realize the autonomous rehabilitation training. The highest accuracy rate was 98.3%, with an average accuracy rate of 92%. In this study, a quantitative and objective rehabilitation evaluation method based on muscle strength is proposed, which can be used to evaluate the recovery degree of muscle strength of patients during rehabilitation training. The surface EMG signals of different muscle strength were collected and divided into 6 grades according to the clinical strength scale. Because of the nonlinear characteristics of EMG signals, the complexity of EMG signals under different muscle force levels is different. In this study, fuzzy approximate entropy is used to model and analyze EMG signals. The two dimensional eigenvector which is composed of fuzzy approximate entropy and myoelectric intensity of EMG signal is classified by directed acyclic graph support vector machine. The classification accuracy is 92%. This study provides a reference for rehabilitation training methods and evaluation methods in the field of upper limb rehabilitation medicine, and helps to broaden the research ideas in related fields.
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP242

【相似文獻】

相關期刊論文 前10條

1 王耀兵,季林紅,黃靖遠;一種神經(jīng)康復機器人的研制[J];機械科學與技術;2005年02期

2 李慶玲;孫立寧;杜志江;;上肢康復機器人發(fā)展現(xiàn)狀的分析與研究[J];機械設計;2008年09期

3 ;下肢康復機器人[J];中國醫(yī)療器械雜志;2012年06期

4 楊啟志;曹電鋒;趙金海;;上肢康復機器人研究現(xiàn)狀的分析[J];機器人;2013年05期

5 高從軍;歐洲康復機器人發(fā)展現(xiàn)況及前景[J];機器人技術與應用;1999年05期

6 程明,任宇鵬,高小榕,王廣志,季林紅,高上凱;腦電信號控制康復機器人的關鍵技術[J];機器人技術與應用;2003年04期

7 杜志江,孫傳杰,陳艷寧;康復機器人研究現(xiàn)狀[J];中國康復醫(yī)學雜志;2003年05期

8 徐國政;宋愛國;李會軍;;康復機器人系統(tǒng)結構及控制技術[J];中國組織工程研究與臨床康復;2009年04期

9 邢科新;黃劍;徐琦;何際平;姜軍慶;;手功能康復機器人的魯棒控制研究[J];計算技術與自動化;2009年01期

10 劉攀;張立勛;王克義;張今瑜;;繩牽引康復機器人的動力學分析與控制[J];中國機械工程;2009年11期

相關會議論文 前10條

1 郭學軍;;下肢康復機器人的臨床研究與未來展望[A];2012中國康復醫(yī)學會實用康復論壇暨運動康復新理念培訓班資料匯編[C];2012年

2 王俊華;;康復機器人發(fā)展概況[A];中國康復醫(yī)學會腦血管病專業(yè)委員會換屆暨第十五次全國腦血管病康復學術年會、湖南省康復醫(yī)學會神經(jīng)康復專業(yè)委員會2012學術年會論文集[C];2012年

3 畢勝;季林紅;紀樹榮;;神經(jīng)康復機器人研究進展[A];第四屆全國康復治療學術大會論文摘要匯編[C];2004年

4 吳軍;黃劍;王永驥;;集成運動意圖辨識與虛擬現(xiàn)實環(huán)境的上肢康復機器人[A];第二十九屆中國控制會議論文集[C];2010年

5 畢勝;;康復機器人訓練技術[A];中國康復醫(yī)學會運動療法分會第十一屆全國康復學術大會學術會議論文摘要匯編[C];2011年

6 陳勃帆;楊俊友;王碩玉;白殿春;;全方位下肢康復機器人逆運動學研究[A];第十一屆沈陽科學學術年會暨中國汽車產(chǎn)業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學與工程技術分冊）[C];2014年

7 白躍宏;徐義明;殷躍紅;;下肢外骨骼康復機器人研制[A];中國康復醫(yī)學會運動療法分會第十一屆全國康復學術大會學術會議論文摘要匯編[C];2011年

8 萬大千;徐義明;白躍宏;;下肢外骨骼康復機器人研究進展[A];中國康復醫(yī)學會運動療法分會第十一屆全國康復學術大會學術會議論文摘要匯編[C];2011年

9 白躍宏;徐義明;殷躍紅;范淵杰;;下肢外骨骼康復機器人研制及臨床應用[A];第20屆中國康協(xié)肢殘康復學術年會論文選集[C];2011年

10 許光旭;;步態(tài)訓練的新選擇——LokoHelp康復機器人[A];首屆全國腦外傷治療與康復學術大會論文匯編（上）[C];2011年

相關重要報紙文章 前6條

1 記者 劉云麗 實習生 李小蕾;我市一民企原創(chuàng)研發(fā)的項目填補國內相關領域空白[N];安陽日報;2012年

2 楊紅軍　曹洪田 王婷;科技創(chuàng)新攀新高 華麗轉身上精品[N];江蘇經(jīng)濟報;2010年

3 記者 陳建強 通訊員 靳瑩;“純意念控制”人工神經(jīng)康復機器人問世[N];光明日報;2014年

4 通訊員 靳瑩 記者 馮國梧;“純意念控制”人工神經(jīng)康復機器人問世[N];科技日報;2014年

5 記者 趙暉;癱瘓人士只要一“想”就能動[N];天津日報;2014年

6 佘惠敏;期待更多的“神工一號”[N];經(jīng)濟日報;2014年

相關博士學位論文 前10條

1 紀雯;五自由度上肢康復機器人訓練方案及評價系統(tǒng)的研究[D];東北大學;2014年

2 孟凡成;上肢康復機器人的增強學習控制方法研究[D];北京理工大學;2015年

3 涂細凱;基于氣動肌肉外骨骼和功能性電刺激的肢體康復技術研究[D];華中科技大學;2016年

4 邢科新;手功能康復機器人系統(tǒng)若干關鍵技術研究[D];華中科技大學;2010年

5 孫洪穎;臥式下肢康復機器人研究[D];哈爾濱工程大學;2011年

6 吳軍;上肢康復機器人及相關控制問題研究[D];華中科技大學;2012年

7 姜瑩;全方位移動下肢康復機器人的運動控制方法研究[D];沈陽工業(yè)大學;2013年

8 楊勇;手臂康復機器人系統(tǒng)研究[D];哈爾濱工程大學;2009年

9 史小華;坐/臥式下肢康復機器人研究[D];燕山大學;2014年

10 李醒;五自由度上肢康復機器人訓練系統(tǒng)的研究[D];東北大學;2012年

相關碩士學位論文 前10條

1 李齊;基于加速度計的下肢康復機器人示教訓練應用研究[D];燕山大學;2015年

2 梁霞;基于并聯(lián)機構的腿部康復機器人運動單元研究[D];河北聯(lián)合大學;2014年

3 秦江偉;被動式上肢康復機器人虛擬現(xiàn)實控制系統(tǒng)開發(fā)[D];大連海事大學;2015年

4 褚亞奇;基于患者疼痛感的康復機器人系統(tǒng)控制方法研究[D];沈陽理工大學;2015年

5 宋新旺;上肢運動功能康復機器人系統(tǒng)的研究與開發(fā)[D];上海應用技術學院;2015年

6 張瑩;上下肢協(xié)同康復機器人的研究[D];上海交通大學;2015年

7 張瑞雪;三自由度主動式上肢康復機器人結構設計與開發(fā)[D];大連海事大學;2015年

8 周海濤;下肢外骨骼康復機器人結構設計及控制方法研究[D];哈爾濱工業(yè)大學;2015年

9 王翔宇;基于主動康復策略的手部外骨骼機器人控制與實驗研究[D];哈爾濱工業(yè)大學;2015年

10 徐文墨;基于sEMG的上肢康復機器人控制系統(tǒng)研究[D];華北理工大學;2015年

，

本文編號：1848177