發(fā)布時間：2024-03-25 22:48

　　近年來隨著智能康復(fù)設(shè)備需求的與日俱增,生機電一體化隨之孕育而出。本文基于表面肌電信號(surface electromyography,sEMG)建立了人機交互控制接口,設(shè)計了sEMG采集電路,研究了sEMG時域特征選擇和模式識別的優(yōu)化,進(jìn)而以Nao機器人作為硬件實驗平臺研究肌電控制相關(guān)策略。本文的主要研究內(nèi)容如下:首先,基于Arduino建立了一種sEMG采集設(shè)備,并結(jié)合Simulink對采集電路特性進(jìn)行了理論分析和仿真驗證,針對分析結(jié)果對采集電路進(jìn)行改進(jìn)并重新制作了改進(jìn)采集電路,結(jié)合實際檢測結(jié)果對比了電路改進(jìn)前后輸出信號的頻域信息。其次,提取了sEMG的時域、頻域以及時頻域上的特征,分析了各類特征的應(yīng)用場景。基于時間序列模型提出一種時域特征選擇的評價指標(biāo),分析了評價指標(biāo)在時域特征選擇中的應(yīng)用。然后,基于反饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析了隱含層節(jié)點數(shù)對sEMG手勢分類辨識性能的影響,設(shè)計了一種神經(jīng)網(wǎng)絡(luò)分類器并進(jìn)行了實際測試。提出一種反向樣本標(biāo)記法優(yōu)化了神經(jīng)網(wǎng)絡(luò)的性能,提高了辨識非先驗樣本的泛化能力,對比改進(jìn)前后神經(jīng)網(wǎng)絡(luò)分類器的實際測試結(jié)果驗證了其方法的有效性。最后,基于Processing建立了...

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-2肌電信號的連續(xù)分類示意圖

燕山大學(xué)工學(xué)碩士學(xué)位論文窗中提取sEMG的特征參數(shù)用于模式識別，這種方法也被稱為sclassification)，其連續(xù)分類過程如圖1-2所示。2009年Sensing應(yīng)方法應(yīng)用于sEMG模式識別中，期望長時間保持sEMG的識別等人提出了從高密度sEMG反....

圖1-3國外常見的肌電產(chǎn)品

d)ProprioFoote)RoboGlovef)MYO圖1-3國外常見的肌電產(chǎn)品1.2.2國內(nèi)研究現(xiàn)狀哈爾濱工業(yè)大學(xué)的姜洪源教授團隊在功能性電刺激(functionalelectristimulation,FES)方向的研究取得了較突出成果，并研發(fā)了基于....

圖1-4國內(nèi)現(xiàn)有的肌電產(chǎn)品

以及相關(guān)市場良好的發(fā)展?jié)摿Γ瑖鴥?nèi)研究者也開發(fā)出一系列肌電產(chǎn)品。如圖1-4所示，哈爾濱工業(yè)大學(xué)研發(fā)的肌電假手HIT/DLRHand[44]、上海交通大學(xué)自主研發(fā)的eCON智能肌電臂環(huán)以及西安比奇創(chuàng)新研發(fā)的“諦聽”(Dting)手勢識別設(shè)備。a)HIT/DLRHand....

圖1-5sEMG產(chǎn)生過程示意圖

燕山大學(xué)工學(xué)碩士學(xué)位論文1.3sEMG的形成sEMG的形成主要是由人大腦皮層(主要為運動前區(qū)皮層)產(chǎn)生的運動意圖，其表征為電/化學(xué)活動的形式，經(jīng)由突觸傳遞到脊髓處的運動神經(jīng)元(motorneuron)，再由連接運動神經(jīng)元的軸突傳遞到和肌纖維相連接的終板區(qū)，最終由肌纖維完成....

本文編號：3938963