本文選題：表面肌電信號(hào)　切入點(diǎn)：廣義回歸神經(jīng)網(wǎng)絡(luò)　出處：《儀器儀表學(xué)報(bào)》2017年01期

【摘要】：針對(duì)智能肌電假手力控制的需要,提出一種基于表面肌電信號(hào)(s EMG)和廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的手部輸出力估計(jì)方法。首先在介紹實(shí)驗(yàn)平臺(tái)的基礎(chǔ)上詳細(xì)描述了肌電信號(hào)的采集和特征提取方法以及廣義回歸神經(jīng)網(wǎng)絡(luò)的構(gòu)建;然后,通過(guò)在手臂8個(gè)不同部位粘貼肌電傳感器來(lái)檢測(cè)手部動(dòng)作過(guò)程中的肌電信號(hào);同時(shí)為了全面測(cè)量人手在三維空間中的輸出力,采用三維力傳感器對(duì)手部的輸出力進(jìn)行測(cè)量;在同步獲得手臂上的多通道肌電信號(hào)(X)和手部三維力推拉信號(hào)(F)后,對(duì)采集得到肌電信號(hào)進(jìn)行了特征提取得到特征矩陣X_F;將X_F和F用于構(gòu)建GRNN網(wǎng)絡(luò),并用均方差和殘差絕對(duì)值均值對(duì)手部輸出力的估計(jì)結(jié)果進(jìn)行評(píng)估。為驗(yàn)證該方法的有效性,進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果表明,該方法能夠很好地利用sEMG對(duì)手部的輸出力進(jìn)行估計(jì)。
[Abstract]:Aiming at the need of force control of intelligent myoelectric prosthetic hand, A method of hand output force estimation based on surface electromyography (EMG) and generalized regression neural network (GRNN) is proposed. Firstly, the acquisition and feature extraction method of EMG signal and its wide range are described in detail on the basis of the experimental platform. The construction of semantic regression neural network; Then, EMG signals are detected during hand movements by attaching EMG sensors to eight different parts of the arm, and in order to fully measure the output force of the hand in three-dimensional space, The output force of the hand was measured by a three dimensional force sensor, and after synchronous acquisition of the multichannel electromyography (EMG) signal on the arm and the hand force push pull signal (F), In order to verify the effectiveness of the proposed method, the feature matrix XFs is extracted from the acquired EMG signals, and the GRNN network is constructed by using XIF and F, and the estimation results of the output force of the hand are evaluated with the mean mean of mean value of mean square error (RMS) and residuals. The experimental results show that the method can estimate the output force of the hand by using sEMG.
【作者單位】： 東南大學(xué)儀器科學(xué)與工程學(xué)院;南京航空航天大學(xué)自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61325018,61663027) 江蘇省科技支撐計(jì)劃(BE2014132)項(xiàng)目資助
【分類(lèi)號(hào)】：R318.17;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 韓琴;蘇虹;王忱誠(chéng);單曉偉;常微微;徐志偉;王靜;韓紅梅;;ARIMA模型與GRNN模型對(duì)性病發(fā)病率的預(yù)測(cè)研究[J];現(xiàn)代預(yù)防醫(yī)學(xué);2012年06期

2 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 銀濤;俞集輝;;基于GRNN的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

2 Ziwen Leng;Junwei Gao;Yong Qin;Xin Liu;Jing Yin;;Short-term Forecasting Model of Traffic Flow Based on GRNN[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

3 陳其紅;闞樹(shù)林;秦臻;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的設(shè)備可靠性預(yù)測(cè)[A];2011年全國(guó)機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨第四屆可靠性工程分會(huì)第三次全體委員大會(huì)論文集[C];2011年

4 柴毅;凌睿;;基于參數(shù)優(yōu)化與GRNN逼近的非線性PID控制[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

5 徐中;張敬瑩;趙小波;;基于GRNN的粘彈材料阻尼性能的預(yù)測(cè)[A];第六屆中國(guó)功能材料及其應(yīng)用學(xué)術(shù)會(huì)議論文集（10）[C];2007年

6 王小輝;王琪潔;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的日長(zhǎng)變化的高精度預(yù)報(bào)[A];中國(guó)天文學(xué)會(huì)2011年學(xué)術(shù)年會(huì)手冊(cè)[C];2011年

7 馬珊;龐永杰;張鐵棟;;基于GRNN的聲圖像特征研究[A];第十五屆中國(guó)海洋（岸）工程學(xué)術(shù)討論會(huì)論文集(上)[C];2011年

8 陳端;曹陽(yáng);梅一韜;仲云飛;吳邦彬;;GRNN神經(jīng)網(wǎng)絡(luò)在大壩滲流預(yù)測(cè)中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

9 李慧英;李曉奇;;旅游需求預(yù)測(cè)分析——對(duì)比GRNN與多元回歸分析方法的應(yīng)用[A];第四屆中國(guó)智能計(jì)算大會(huì)論文集[C];2010年

10 陳欣;肖建華;欒培賢;徐強(qiáng);王洪斌;;基于BP與GRNN神經(jīng)網(wǎng)絡(luò)的PRRS預(yù)測(cè)模型的研究[A];中國(guó)畜牧獸醫(yī)學(xué)會(huì)信息技術(shù)分會(huì)2012年學(xué)術(shù)研討會(huì)論文集[C];2012年

相關(guān)碩士學(xué)位論文 前6條

1 趙煥;輕涂紙涂布量測(cè)定方法的實(shí)驗(yàn)研究[D];天津科技大學(xué);2013年

2 董江偉;風(fēng)速相似性形態(tài)研究及其在短期風(fēng)速預(yù)測(cè)中的應(yīng)用[D];南京信息工程大學(xué);2016年

3 陳曦;基于ARCH-因子分析-GRNN組合技術(shù)的中國(guó)跨國(guó)公司匯率風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建[D];北京外國(guó)語(yǔ)大學(xué);2016年

4 張宇;一種新型GRNN神經(jīng)網(wǎng)絡(luò)的制冷壓縮機(jī)銷(xiāo)售預(yù)測(cè)研究[D];上海交通大學(xué);2015年

5 金帥軍;基于GRNN神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲(chóng)害量預(yù)測(cè)系統(tǒng)設(shè)計(jì)[D];內(nèi)蒙古工業(yè)大學(xué);2013年

6 任茹香;基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用[D];浙江大學(xué);2011年

，

本文編號(hào)：1698484