【摘要】：隨著我國經(jīng)濟的發(fā)展,人們的生活水平在近年來有著顯著的提高。特別是老年人和殘疾人等弱勢社會群體的民生問題也得到重視和處理。醫(yī)療康復機器人能夠為患有運動障礙的人群(如患有運動損傷的老年人和殘疾人)提供有益的康復環(huán)境。醫(yī)療康復機器人的服務對象是人,因此發(fā)展醫(yī)療康復機器人的人機交互技術(shù)尤為關(guān)鍵。當前的人機交互控制中人體運動意圖的探測方法主要有兩大類,一類是基于腦電、肌電等生理電信號的運動意圖的探測方法,另一類則是利用壓力、聲和光等物理手段測量人體的某些部位或環(huán)節(jié)在運動過程中發(fā)生的變化來預測人體運動意圖。本文主要研究基于肌肉力描記法(Forcemyography,FMG)的運動意圖識別方法。FMG的主要測量原理是利用壓力傳感器監(jiān)測肌肉運動時表面肌群體積分布變化,采集的信號通過模式識別的方法進行處理,進而預測出人體的運動意圖。與目前最常使用的肌電信號不同,FMG信號不易受到信號衰弱、環(huán)境噪聲和阻抗變化等因素的干擾,因此是一種比較理想的人機交互控制信號源。本文開發(fā)并使用了一套的四通道FMG信號采集系統(tǒng)。預實驗中,本文探索了信號遲滯,器件校準以及數(shù)字濾波對FMG信號質(zhì)量的影響。實驗中,六名肢體健全的受試者按照視頻的指令分別完成了手張開,手握拳,腕屈,腕伸,前臂內(nèi)旋,前臂外旋和休息的動作,受試者各類動作的FMG信號將被采集并上傳到上位機。準確且快速地探測人體的運動意圖是良好人機交互的基礎。本文采用基于線性判別式分析(Liner Discriminant Analysis,LDA)的模式分類方法對FMG信號進行解碼,從而驗證本文獲得的FMG信號用于動作分類的可行性。研究表明,利用四個通道的數(shù)據(jù),并且僅提取數(shù)據(jù)中一個維度特征平均絕對值(Mean Absolute Value,MAV)進行訓練,訓練后的分類器可以取得平均91.62%的動作分類準確率,其中手張開,手握拳,腕屈,腕伸,前臂內(nèi)旋,前臂外旋和休息這7種動作分類準確率分別為89.93%,89.10%,90.85%,90.21%,89.44%,90.82%和100%。此外,本文還初步探索了FMG信號中動作啟動點的搜索方法。研究發(fā)現(xiàn)通過提取特殊的時域特征或變換后,可從信號時域圖譜中觀察到啟動點與動作平穩(wěn)期有著顯著的幅值差異,進一步地只需通過設定閾值就可以近似地尋找到動作啟動點。系統(tǒng)在動作啟動點后采樣數(shù)據(jù)有利于提高分類器的動作分類準確率,進而減少控制中的抖動和失誤,增強系統(tǒng)控制的柔順性。本文還探索了采樣通道和特征提取對于FMG信號分類準確率的影響。研究發(fā)現(xiàn)FMG信號的通道個數(shù)對動作識別準確率有著顯著性影響,隨著通道個數(shù)增加,動作分類的準確率顯著性提高。此外,在相同的通道個數(shù)時,不同通道的組合情況對動作分類的影響存在較大的差異。另一方面,關(guān)于特征提取的研究中發(fā)現(xiàn)隨著特征個數(shù)的增加,動作識別準確率有一定的提升,然而方差分析的結(jié)果表明該影響效果并不顯著。本文還探討了不同特征組合對動作識別準確率影響,統(tǒng)計發(fā)現(xiàn)時域特征平均絕對值(MAV)在一維特征用于動作分類的情形中具有最高的準確率(91.62%),而時域特征求和(SUM)在各組(按特征個數(shù)分組)最優(yōu)的前3個特征組合中具有最高的出現(xiàn)頻次。綜上所述,本文主要研究了FMG信號在人機交互中的控制方法。文中的研究成果有助于開發(fā)出基于FMG信號的人機交互控制系統(tǒng),提高人機交互控制系統(tǒng)的魯棒性,改善現(xiàn)有康復機器人的交互控制性能。
【圖文】：

老齡化水平達到了 14.8%，其中失能的人數(shù)有 3750 萬。據(jù)估計年人口還將以年均 100 萬的速度增加。由于人類自然衰老導功能的下降，老年人口比例的增加勢必將加重社會對康復醫(yī)療動功能方面的康復治療[1-3]。另一方面，由于工傷、疾病、自然原因造成的肢體殘疾或運動失能的患者人數(shù)與日劇增，在 201聯(lián)合會統(tǒng)計的數(shù)據(jù)就顯示（見圖 1.1），我國各類殘疾人總數(shù)超中肢體殘疾患者人數(shù)所占比重最大，約占到總殘疾人人口的 24]。面對這樣的現(xiàn)狀，醫(yī)療康復機器人將有望為運動障礙的老有益的康復環(huán)境，為他們消除生活中的各項功能障礙，，從而提生活品質(zhì)，這不僅有利于改善我國老年人和殘疾人人群的身康中國 2030”的建設，同時也有利于降低社會服務的人力成本醫(yī)療、康復與護理）可能引發(fā)的勞動力資源稀缺等問題[5-6]。

了彌補人的運動缺陷，臨床上引入醫(yī)療康復機器人介入到人與環(huán)立人、機器與環(huán)境的交互系統(tǒng)（見圖 1.2 人機與環(huán)境交互控制系現(xiàn)人與機器智能協(xié)同工作，機器需要準確地感知、處理和分析人機，并從中識別出人真實的運動意圖或者控制意圖。通常機器人有兩從人體獲得人機交互信息，其一是通過神經(jīng)中樞，從電生理信號（等）中提取出人體運動意圖的信息；其二則是通過運動的人體部分析運動中力、位移和角度等物理量變化，從而解析出與之對應的和運動意圖[16-17]。 基于電生理信號的人機交互控制前，在醫(yī)療康復機器人領(lǐng)域中，國內(nèi)外有諸多的專家和學者將研究無創(chuàng)傷式人機交互控制中的人體運動意圖識別的研究當中[17-18]。首圖 1.2 人機與環(huán)境交互控制系統(tǒng)圖
【學位授予單位】：中國科學院大學(中國科學院深圳先進技術(shù)研究院)
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R496;TP242

【參考文獻】

相關(guān)期刊論文 前10條

1 梁旭;王衛(wèi)群;侯增廣;任士鑫;彭亮;胡進;;康復機器人的人機交互控制方法[J];中國科學:信息科學;2018年01期

2 侯增廣;趙新剛;程龍;王啟寧;王衛(wèi)群;;康復機器人與智能輔助系統(tǒng)的研究進展[J];自動化學報;2016年12期

3 李光林;鄭悅;吳新宇;胡穎;方鵬;熊t

本文編號：2591882