基于sEMG信号的仿人手臂抓取控制研究
发布时间：2021-01-27 21:32
表面肌电（surface electromyogram,sEMG）信号能够反映肌肉的收缩状况,可以对仿人手臂的运动进行控制。实现用人体手臂上的sEMG信号控制仿人手臂抓取物体可以有效推动仿人手臂在康复医疗领域中的应用。本文从手臂动作sEMG信号的处理、手臂动作sEMG信号的识别、仿人手臂的抓取控制以及仿人手臂抓取控制的实验研究等4个方面进行研究,以实现仿人手臂抓取物体,主要工作如下:（1）本文对前人提出的sEMG信号处理方法做出一些改进,提出一套手臂动作sEMG信号的处理方法。首先,自行组装sEMG信号采集装置采集手臂动作sEMG信号;接着,对采集到的手臂动作sEMG信号进行活动段提取和去噪等预处理;最后,提取sEMG信号的特征值并对提取的特征值进行降维,以便后面对手臂动作进行识别。（2）本文利用搜寻者优化算法（Seeker Optimization Algorithm,SOA）的全局搜索最优解原理和极限学习机（Extreme Learning Machine,ELM）处理非线性关系的能力,提出一种基于搜寻者优化算法优化极限学习机（SOA-ELM）的人体手臂动作识别方法。利用经过处理的...
【文章来源】：安徽工业大学安徽省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
仿人手臂的发展
才能够被有效使用。对于 sEMG 信号的处理问题，前人做过大量的研在前人的研究基础上做出一些改进，提出一套手臂动作 sEMG 信号的。首先，利用自行组装的 sEMG 信号采集装置采集人体手臂动作 sEM然后，对采集到的手臂动作 sEMG 信号做活动段提取和去噪等预处理提取 sEMG 信号的特征值并对提取的特征值进行降维，以便后面对手行识别。EMG 信号的采集sEMG 信号是一种电压幅值极其弱小的电信号，需要使用特定的装置进在进行采集实验之前，需要规划好手臂的动作并且明确电极片粘贴的位编好软件并进行实验。1sEMG 信号采集装置的组装sEMG 信号具有微弱性、交变性、低频性、随机性和易干扰性等特点[43集到稳定、有效的 sEMG 信号，自行组装了 10 通道 sEMG 信号采集装 2.1。
基于 sEMG 信号的仿人手臂抓取控制研究理论上，对于每个关节部位对应肌肉的上表皮，其采集信号的通道数手臂动作的识别效果就会越好。考虑到各个关节部位对应肌肉上表皮面以及减少实验的复杂程度，本文每个关节部位对应肌肉仅用 2 个通道进采集，三个关节部位共 6 个采集通道。各个通道的 sEMG 电极片粘贴臂对应肌肉的上表皮处。人体手臂抓取过程主要有预抓取，抓取，运送并放置，松手和回到起始 种由各个关节部位基本动作组合而成的复合动作，如图 2.2 所示。下面 种复合动作对应 sEMG 信号的采集。
【参考文献】：
期刊论文
[1]面向人机融合的智能动力下肢假肢研究现状与挑战[J]. 王启宁,郑恩昊,陈保君,麦金耿. 自动化学报. 2016(12)
[2]大腿截肢患者的残肢肌电运动识别[J]. 张腾宇,樊瑜波. 医用生物力学. 2016(06)
[3]基于ICA与小波阈值的癫痫脑电信号去噪方法[J]. 杨陈军,野梅娜,李艳艳,张瑞. 西北大学学报(自然科学版). 2016(06)
[4]基于小波变换和PSO-SVM的表面肌动作模式分类[J]. 魏伟,洪洁,王璐,伍吉瑶,叶晔. 安徽工业大学学报(自然科学版). 2016(03)
[5]自适应LMD融合新小波阈值函数的信号去噪[J]. 王奉伟,周世健,罗亦泳. 人民长江. 2016(13)
[6]EMD-Wavelet-ICA耦合模型及其在GPS坐标序列降噪中的应用[J]. 于帅,刘超,李盟盟,刘春阳,邹敏. 测绘科学技术学报. 2016(02)
[7]手指肌电信号稀疏分解重构与活动段特征提取研究[J]. 黄鹏程,林雪,鲍官军,杨庆华. 机电工程. 2016(05)
[8]基于肌电信号的多模式抓握力估计[J]. 张冰珂,段小刚,邓华. 计算机应用. 2015(07)
[9]基于EMD与小波阈值的爆破震动信号去噪方法[J]. 饶运章,王柳,饶睿,邵亚建,刘剑. 福州大学学报(自然科学版). 2015(02)
[10]基于蝙蝠算法优化ELM的模拟电路故障诊断研究[J]. 陈绍炜,柳光峰,冶帅,黄登山. 电子测量技术. 2015(02)
博士论文
[1]基于手势协同分析的欠驱动假肢设计及其肌电控制方法[D]. 李顺冲.上海交通大学 2015
[2]基于多源信息的智能仿生手臂模式识别方法研究[D]. 徐卓君.吉林大学 2015
[3]基于表面肌电信号的人体动作识别与交互[D]. 张旭.中国科学技术大学 2010
[4]搜寻者优化算法及其应用研究[D]. 戴朝华.西南交通大学 2009
[5]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006
硕士论文
[1]表面肌电模式识别的新控制策略研究[D]. 张神权.中国科学技术大学 2017
[2]基于肌电信号的机械手控制方法研究[D]. 伍吉瑶.安徽工业大学 2017
[3]仿人型假手机构设计与肌电控制[D]. 劳锟沂.华南理工大学 2016
[4]人体手部动作肌电信号的处理与识别研究[D]. 洪洁.安徽工业大学 2016
[5]肌电信号多类特征分析及在步态识别中的应用[D]. 郑潇.杭州电子科技大学 2016
[6]表面肌电特征提取及虚拟康复系统设计[D]. 宋妍.燕山大学 2015
[7]基于模糊识别的风电双馈异步电机故障诊断方法的研究[D]. 苏璐玮.华北电力大学 2015
[8]抓取模式与力的同步肌电解码及假肢手肌电控制研究[D]. 朱高科.中南大学 2014
[9]肌电假肢的表面肌电信号特征提取与识别[D]. 姚路.沈阳大学 2013
[10]一种7自由度生机电假肢手臂的结构设计及运动学分析[D]. 熊大柱.华中科技大学 2013
本文编号：3003769
【文章来源】：安徽工业大学安徽省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
仿人手臂的发展
才能够被有效使用。对于 sEMG 信号的处理问题，前人做过大量的研在前人的研究基础上做出一些改进，提出一套手臂动作 sEMG 信号的。首先，利用自行组装的 sEMG 信号采集装置采集人体手臂动作 sEM然后，对采集到的手臂动作 sEMG 信号做活动段提取和去噪等预处理提取 sEMG 信号的特征值并对提取的特征值进行降维，以便后面对手行识别。EMG 信号的采集sEMG 信号是一种电压幅值极其弱小的电信号，需要使用特定的装置进在进行采集实验之前，需要规划好手臂的动作并且明确电极片粘贴的位编好软件并进行实验。1sEMG 信号采集装置的组装sEMG 信号具有微弱性、交变性、低频性、随机性和易干扰性等特点[43集到稳定、有效的 sEMG 信号，自行组装了 10 通道 sEMG 信号采集装 2.1。
基于 sEMG 信号的仿人手臂抓取控制研究理论上，对于每个关节部位对应肌肉的上表皮，其采集信号的通道数手臂动作的识别效果就会越好。考虑到各个关节部位对应肌肉上表皮面以及减少实验的复杂程度，本文每个关节部位对应肌肉仅用 2 个通道进采集，三个关节部位共 6 个采集通道。各个通道的 sEMG 电极片粘贴臂对应肌肉的上表皮处。人体手臂抓取过程主要有预抓取，抓取，运送并放置，松手和回到起始 种由各个关节部位基本动作组合而成的复合动作，如图 2.2 所示。下面 种复合动作对应 sEMG 信号的采集。
【参考文献】：
期刊论文
[1]面向人机融合的智能动力下肢假肢研究现状与挑战[J]. 王启宁,郑恩昊,陈保君,麦金耿. 自动化学报. 2016(12)
[2]大腿截肢患者的残肢肌电运动识别[J]. 张腾宇,樊瑜波. 医用生物力学. 2016(06)
[3]基于ICA与小波阈值的癫痫脑电信号去噪方法[J]. 杨陈军,野梅娜,李艳艳,张瑞. 西北大学学报(自然科学版). 2016(06)
[4]基于小波变换和PSO-SVM的表面肌动作模式分类[J]. 魏伟,洪洁,王璐,伍吉瑶,叶晔. 安徽工业大学学报(自然科学版). 2016(03)
[5]自适应LMD融合新小波阈值函数的信号去噪[J]. 王奉伟,周世健,罗亦泳. 人民长江. 2016(13)
[6]EMD-Wavelet-ICA耦合模型及其在GPS坐标序列降噪中的应用[J]. 于帅,刘超,李盟盟,刘春阳,邹敏. 测绘科学技术学报. 2016(02)
[7]手指肌电信号稀疏分解重构与活动段特征提取研究[J]. 黄鹏程,林雪,鲍官军,杨庆华. 机电工程. 2016(05)
[8]基于肌电信号的多模式抓握力估计[J]. 张冰珂,段小刚,邓华. 计算机应用. 2015(07)
[9]基于EMD与小波阈值的爆破震动信号去噪方法[J]. 饶运章,王柳,饶睿,邵亚建,刘剑. 福州大学学报(自然科学版). 2015(02)
[10]基于蝙蝠算法优化ELM的模拟电路故障诊断研究[J]. 陈绍炜,柳光峰,冶帅,黄登山. 电子测量技术. 2015(02)
博士论文
[1]基于手势协同分析的欠驱动假肢设计及其肌电控制方法[D]. 李顺冲.上海交通大学 2015
[2]基于多源信息的智能仿生手臂模式识别方法研究[D]. 徐卓君.吉林大学 2015
[3]基于表面肌电信号的人体动作识别与交互[D]. 张旭.中国科学技术大学 2010
[4]搜寻者优化算法及其应用研究[D]. 戴朝华.西南交通大学 2009
[5]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006
硕士论文
[1]表面肌电模式识别的新控制策略研究[D]. 张神权.中国科学技术大学 2017
[2]基于肌电信号的机械手控制方法研究[D]. 伍吉瑶.安徽工业大学 2017
[3]仿人型假手机构设计与肌电控制[D]. 劳锟沂.华南理工大学 2016
[4]人体手部动作肌电信号的处理与识别研究[D]. 洪洁.安徽工业大学 2016
[5]肌电信号多类特征分析及在步态识别中的应用[D]. 郑潇.杭州电子科技大学 2016
[6]表面肌电特征提取及虚拟康复系统设计[D]. 宋妍.燕山大学 2015
[7]基于模糊识别的风电双馈异步电机故障诊断方法的研究[D]. 苏璐玮.华北电力大学 2015
[8]抓取模式与力的同步肌电解码及假肢手肌电控制研究[D]. 朱高科.中南大学 2014
[9]肌电假肢的表面肌电信号特征提取与识别[D]. 姚路.沈阳大学 2013
[10]一种7自由度生机电假肢手臂的结构设计及运动学分析[D]. 熊大柱.华中科技大学 2013
本文编号：3003769
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3003769.html
