[发明专利]一种基于生机接口的智能假肢手臂控制方法

说明书

本发明具体说是一种基于生机接口的智能假肢手臂控制方法。包括以下步骤：意图识别阶段：采集受试者的手部或肘部运动过程的sEMG信号，并进行肌肉协同提取，通过模型映射计算，预测相应的手部动作或肘部运动结果；任务分析阶段：采集一组手部或肘部运动过程的sEMG信号，并分别判断当前患者的肌电数据质量，并对期望输入修正，并得到修正后的期望输入；协调控制阶段：对修正的期望输入进行控制任务的计算，最终进行相应的底层控制，完成智能假肢的完整控制过程。本发明利用残障者患侧的上臂以及残肢部位肌肉的sEMG信号识别其运动意图，进而完成智能假肢手臂的控制，实现高频率、高鲁棒性、高柔顺性的人机交互。

技术领域

本发明属于生物电信号识别技术与智能假肢控制领域，具体说是一种基于生机接口的智能假肢手臂控制方法。

背景技术

据第二次全国残疾人抽样调查公布，我国肢体残疾人已超过2400万。但通过对现实假肢佩戴情况的调查表明，所有肢体残障者中已装配假肢的人数仅90万，这主要是由于传统基于机电一体集成设计的假肢存在着功能单一、运动不协调、环境适应性差、训练周期长等缺点。

目前商业化的智能假肢大多按照机电一体化思路设计，集成电子、液压、微处理器等元器件，具有支撑、减震、位置检测等基本功能，但是大部分机电一体假肢的运动模式无法主动理解使用者的运动意图。与此同时，投入实际使用的智能假肢还很少，并且也仅是通过很少的通道sEMG信号控制执行2～3种动作模式，系统的稳定性/安全性受sEMG的非平稳性、时变性影响很大。开发智能假肢的关键环节是通过肌电信号精确识别出人体运动意图，目前大多数识别方法是基于稀疏电极下的sEMG信号，对于手臂残障患者来说，通道较少的sEMG信号无法解码出足够的运动信息，需要使用高密度传感器提高信号量级，并使用肌肉协同理论进行数据降维重构，剔除冗余信息。在此基础上，根据相似度和肌肉疲劳理论，提高人机交互稳定性。

发明内容

针对现有技术的不足，本发明提出一种基于生机接口的智能假肢手臂控制方法，解决目前智能假肢只能使用较少通道进行识别的局限性，使用肌肉协同理论进行意图感知，并通过“监督-检测”双层支路实现智能假肢手臂的高鲁棒性控制，从而使手臂残障患者使用假肢完成更多功能。

本发明为实现上述目的所采用的技术方案是：一种基于生机接口的智能假肢手臂控制方法，包括以下步骤：

1)意图识别阶段：

通过肌电传感器采集受试者的手部或肘部运动过程的sEMG信号，并进行肌肉协同提取，通过模型映射计算，预测受试者的相应的手部动作或肘部运动结果；

2)任务分析阶段：

采集受试者一组手部或肘部运动过程的sEMG信号，并根据前馈数据监督和疲劳检测机制分别判断当前患者的肌电数据质量，并根据当前患者的肌电数据质量对期望输入修正，并得到修正后的期望输入；

3)协调控制阶段：

对修正的期望输入进行控制任务的计算，最终进行相应的底层控制，完成智能假肢的完整控制过程。

所述意图识别阶段，包括以下步骤：

1-1)采集手部或肘部运动相关的sEMG信号，对采集到的sEMG信号添加对应的动作标签和关节角度；

1-2)对采集到的sEMG信号进行预处理，然后对预处理后的数据进行最大最小归一化处理，得到归一化结果；

1-3)对归一化结果进行非负矩阵分解，将手部或肘部sEMG数据分解为协同矩阵和时间激活系数矩阵的乘积形式，分别滑动提取手部或肘部对应的肌肉协同矩阵序列；

1-4)分别使用手部和肘部的肌肉协同矩阵进行模型映射计算，得到相应的手部动作或肘部运动结果。

所述步骤1-4)，包括以下步骤：