[发明专利]一种基于深度学习的多自由度同步肌电控制方法

摘要

一种基于深度学习的多自由度同步肌电控制方法，它属于肌电控制技术领域。本发明解决了现有的多自由度同步肌电控制研究模型存在的仅针对一个自由度的信息进行学习、缺少自由度之间的相互联系，提取肌电信号特征时伴随着肌电信号中信息缺失的问题。本发明同步采集与保存受试者的手腕原始肌电信号以及对应运动信息，并基于一维卷积神经网络建立初始的多自由度同步肌电控制模型，将采集的原始肌电信号输入初始多自由度同步肌电控制模型，对应将每组手腕运动信息作为输出目标，以获得训练好的多自由度同步肌电控制模型；采集受试者的手腕原始肌电信号输入最终的多自由度同步肌电控制模型，即可预测手腕的运动信息，即可将运动信息应用于机械手臂控制。

主权项

1.一种基于深度学习的多自由度同步肌电控制方法，其特征在于，该方法的具体步骤为：步骤一、原始肌电信号以及对应运动信息的同步采集与保存；步骤二、基于一维卷积神经网络建立初始的多自由度同步肌电控制模型；步骤三、将步骤一采集的各组实验数据的原始肌电信号分别输入步骤二建立的初始多自由度同步肌电控制模型，对应的将每组实验数据的运动信息作为输出目标，经过训练获得最终的多自由度同步肌电控制模型；步骤四、采集受试者的原始肌电信号，将原始肌电信号输入训练后的多自由度同步肌电控制模型，得到训练后的多自由度同步肌电控制模型输出的运动信息；步骤五、根据待控制的目标机械手臂的关节控制速度参数，将步骤四输出的运动信息乘以关节运动最大速度的四分之一，以转化成控制目标机械手臂相应关节的速度信息；将得到的速度信息输入到机器人系统的驱动器中，由机器人控制系统进行规划，实现对目标机械手臂相应关节动作的控制。