英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
抽象和比例肌电控制多指假手肢
摘要
电动假手的多自由度运动假肢正从研究投入到修复市场。为了充分利用假体的全部功能，它对研究高维肌电控制的有效途径至关重要。人体能快速学会使用肌电图（EMG）几块手和胳膊的肌肉来控制屏幕上的光标的位置活动，即使是肌肉光标图与肌肉自然表现的方向相反。但类似的控制方案能被翻译成一个机器人灵巧手实时操作吗？我们发现，尽管程度不同，执行器的输出的自由，控制机器人的手，学习的过程是惊人的相似之处是一个虚拟的二维光标。控制信号来自肌电图在两种不同的方式，用一个线性和一个贝叶斯滤波器，测试稳定的用户可以通过他们的意图。我们的分析表明，无视觉反馈，控制精度得益于过滤器，拒绝高肌电振幅。综上所述，我们得出结论，发现肌电控制原理，研究了抽象的、虚拟的任务可以转移到现实生活中的修复的应用
关键词
肌电信号，机械臂，假肢控制，虚拟控制
说明
改进的机器人拥有先进的手假体设计与人类手的功能。具有多个自由度的一些设计，现在进入患者的市场，像i-limb（Touch Bionics，利文斯顿，英国），这bebionic（rslsteeper，利兹，英国）或米切朗基罗（奥托博克，杜德施塔特，德国）。然而，当前手假肢肌电控制不能与灵活性和通用性人的手竞争。一个限制是，可靠的测量和充分的独立信号的表面肌电（EMG）的肌肉在截肢者身上是很难得到的。因此，目前的商业实现手假体通常只有一个或两个EMG渠道和对–关控制机制之间切换不同的操作模式或类型的把握。
然而，如果电源的限制是可以克服的，人类也能够使用多个肌肉的肌电控制，已在健康受试者显示：Radhakrishnan等人。 表明，受试者可以学会控制光标在计算机屏幕上的两个维度通过肌电图记录多个上肢肌肉在收缩。在他们的设置，大小从六个肌电手和手臂向六个方向各比例控制光标的位置，用矢量总和超过六贡献确定光标位置的瞬间。它已经表明，手部肌肉的控制非常灵活，形成自然的协同作用，适合多种复杂的抽象函数。
这鼓励了我们的观点，建立二维的光标控制访问的范式可以用来回答关于假手肌电控制的相关问题。有，然而，一个简单的光标控制和多操作指关节之间的深刻分歧；比如，一个假肢的机械约束和动态控制能力的影响。此外，在映射多个肌电图固有的冗余，二维的光标移动将不得不牺牲如果假体几个驱动器是独立控制。或许有人会问这样的一个直接的底层控制多自由度甚至是可行而不过度训练。
在这篇文章中，我们提供了一个概念证明，一个国家的最先进的机器人手比较直接的姿态控制随着光标在屏幕上的训练时间和位置控制精度肌电。我们假设，通过训练，人体运动皮层可以将新的控制方案，在这两种情况下。类似于先前描述的光标控制，我们采用了一种基于肌电幅度从四个不同的肌肉起考试科目与高水平的灵活性和访问一个连续的可能人手姿势比例控制方案。
我们问的方法，肌肉收缩的幅度提取实时会对主体能力的影响控制任务的一种。桑德斯和维佳亚库马表明在一个假手控制器的不确定性会导致较大的误差时，没有反馈的假体的操作设置。这说明了一个可靠的控制信号的重要性，特别是当视觉反馈受损。因此我们的实现和比较肌肉活动的两个不同的估计：一个简单的线性滤波器计算肌电平均绝对值和贝叶斯滤波的方法，模型的控制信号作为一个联合跳跃扩散过程。在另一项实验中，我们评估了两种方法的肌电光标控制效果时的视觉反馈是扣留检验估计的选择可能会影响主体的学习和绩效。
材料与方法
机器人的手
对于我们的实验的一部分，受试者的互动与SmartHand的最新版本，一仿生假手，五电机独立驱动拇指外展，拇指屈曲，屈曲的食指，中指屈曲和环、小指联合屈曲。那些汽车四被研究对象的控制，而拇指外展呆在整个实验中一个恒定的水平。假体与计算机之间的双向通信是建立在一个RS232串行通信协议，使用高级命令，内置的手控制器，反复更新手指屈曲水平和监控实际的手指位置。
肌肉激活的估计
受试者使用的肌肉收缩控制的动作，或者一个二维的光标或机械手。控制算法分为两个部分：肌肉激活的估计和映射策略与肌肉激活的效应。本部分介绍了两个不同的肌肉激活的估计；映射程序中使用各自的实验描述下”实验1“和”实验2”部分。
肌肉激活水平Y 在线估计的肌电信号，消除任何可能的信号偏移后。我们用一个简单的线性滤波器（1）或（2）的贝叶斯估计。从理论上讲，激活水平恢复的方法应该持续肌肉收缩时是等价的。然而，这两个滤波器具有非常不同的动态跟踪时变的肌电活动水平，如图1。
对于每个通道，线性滤波器平均整流前750毫秒的肌电图信号。本程序虽然放缓效应的运动，因为不断更新，变化，肌电图开始生效，已经与下一步更新。肌电图是通过这一过程，平滑但表面肌电测量往往表现出相当大的变化，即使在恒定的肌肉收缩的时期，这仍然是反映在滤波后的信号。
我们采用贝叶斯估计是一个递归滤波算法，提出用Sanger，更新所需的“神经”驱动信号与肌电图的每个新样本的后验概率密度。整流肌电图建模为一个指数密度的随机过程；所需的神经驱动器作为一个联合的扩散和跳跃过程。如图所示 一，肌电图的快速起始模型更真实而在持续收缩，信号变化限制在缓慢漂移。继桑格的建议，我们剪接的肌电图plusmn;3times;标准偏差（如评估期间校准）避免罕见的极端值的肌电信号密度建模。在控制信号的计算进一步的解释可以在补充资料。
在对比的光滑连续的轨迹，通过线性滤波器产生，估计产生突然的跳跃在快速EMG激活或失活是因为它模拟肌电信号的概率密度函数与指数函数以肌电信号的高阶统计量的考虑。
比例控制假肢手
图1
肌肉激活的估计。上图：15 秒的肌电信号，从1DI肌肉记录（浅灰色），用活化水平的线性滤波器返回（深灰色）。底部：同样的肌电信号，通过贝叶斯估计处理（黑色），通过一个跳跃和漂移分量为主。肌肉的激活水平缩放（线性滤波器和贝叶斯估计）是由竖杆，在成舒适的收缩水平（评估过程中的校准）
实验装置（肌电图记录，校准）
参与者坐在约束在一个开放的左手，俯卧姿势的手套内，固定在水平板和前臂上的一个扶手（图2a）。肌电信号是从左手四手内在肌记录：拇短展肌（APB，外展手掌的方向中的拇指），第一背侧骨间（1DI、外展食指向拇指），第三背侧骨间肌（3DI，绑架中指到无名指），小指展肌（ADM、外展小指以外的其他手指）。主体控制肌电接口等长肌肉收缩。
图2
实验1。（一）受试者面对一个电脑屏幕和一个垂直安装的机械手。从左手四块肌肉对肌电信号的记录，左手固定在一个水平固定手套。（b）任务为中心的映射。每一个肌肉控制的动作在一个方向，其中线性总和确定光标的二维位置。（C）的机器人任务目标式布局。手部姿势的圆排列说明了平行于中心映射。然而，这种二维排列不捕捉可能的手工配置，整个空间，每个肌肉直接控制四个屈曲水平对机械手。（D）光标移动到电脑屏幕上的目标。箭头起始位置的轮廓是说明而已。（E）开始和一个机械手样品靶的姿势。
用一对棒电极肌电图测定（生物逻辑，Natus Medical Inc.，曼德林，IL，USA）位于手部肌肉的腹部和相邻的节。实验1，内部制造（纽卡斯尔大学），电池供电的便携式放大器；实验2，神经放大器（nl844 / nl820a，数字式定时器，赫特福德郡，英国）进行。在实验设置 肌电放大增益的0.1 K和5 K和信号之间的带通滤波的30 Hz和2 kHz之间。数据采集卡（NI USB-6229，BNC，民族乐器，Austin，TX，USA）数字化的信号在5 kHz的采样频率，使他们可以记录和实时处理的计算机。数据记录、在线处理和图形用户界面是基于Python的软件处理，实现了这些实验。
对于每一个主题，我们最初记录标定数据评估每个肌电图通道的静息水平yr 和舒适的收缩水平yc。舒适的收缩反映肌肉的激活，可以重复上百次。在我们以前的研究表明，离线验证舒适的收缩水平的下降，通常在10%到15%的最大随意收缩。在实验过程中，产生的校准水平，yr 和yc 肌电信号，用来使肌肉的激活水平y从原料中提取，肌电测量（见”肌肉激活的估计”），计算公式：
ŷ = （y - yr ) / (yc - yr ) （1）
平均值和标准偏差从记录标定数据计算每个通道（5 秒间隔和5 舒适收缩）分别估计测量偏移和典型信号的振幅。
实验1
实验1的目的是测试受试者是否可以学会控制假手（实验1b）到一个可比的精度和上一个类似的时间表为电脑光标（实验1A）应用类似的控制方案和肌肉是否激活估计选择对学科学习的影响。每个部分（A和B）包括两个连续的块，用肌肉激活估计的类型区分。每一块花了大约12分钟完成，包括160个试验。对A和B部分的顺序，以及在每一块的顺序，使用线性或贝叶斯滤波器，分别是平衡的（见表 一）。这种设计允许四组不同的两组每个经历过所有的四个实验模块，但是每一组在不同的阶。
表1
实验1中的执行顺序
|
|
1组 |
2组 |
3组 |
4组 |
|---|---|---|---|---|
|
执 行 顺 序 |
一 Bayes，<s 剩余内容已隐藏，支付完成后下载完整资料</s 资料编号：[151353]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
