基于肌电和加速度的多关节连续运动估计研究
发布时间：2021-11-09 01:58
随着社会老龄化加重和社会压力激增,越来越多的人因为中风等疾病而陷入了肢体运动障碍的问题。因此社会对康复训练领域也变得越来越重视,各种肢体康复训练机器人的研究也成为科研热点。本文主要研究人体关节运动意图,通过表面肌电（Surface Electromyography,SEMG）和加速度（Acceleration,ACC）信号预测患者关节连续运动趋势,从而控制康复机器人进行主动康复训练。选择了5通道的下肢SEMG信号和5通道的下肢ACC信号作为信号源,对下肢多关节连续运动估计进行了深入的研究,主要工作及创新点如下:（1）针对主流康复训练模式,本文提出了对应的标准实验动作和采集规则。使用了Trigno无线肌电采集系统采集5路SEMG信号和5路ACC信号。通过动作肌肉贡献度分析得到采集肌肉为:臀大肌,股直肌,股内侧肌,腓肠肌和胫骨前肌。（2）对于采集到的信号,进行子采样处理统一频率,同时对肌电信号进行了经验模态分解降噪。针对肌电信号时域、频域与时频域等众多的特征提取方法,本文提出了一种基于小波多级分解和关联维系数的小波关联维特征作为肌电特征。对于加速度提取方法,本文选取了信号幅度向量作为加速度...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
Motomed康复训练系统
和周期性电刺激的步态训练设备[5]。相对于传统固定模式的训练机器人，该步行康复机器人通过周期性电刺激来增加肌肉活跃度从而让运动员进行步态训练，同时通过矫正器为患者提供准确的动作指导，保证训练动作按要求完成。如图1.3所示，瑞士HocomaAG公司的Lokomat机器人系统是一种基于仿生外骨骼的康复训练系统[6]。患者使用Lokomat时需要穿戴好仿生机械腿，然后在机械腿电机的带动下完成步态运动。在患者运动的同时，Lokomat平台也会以与机械腿相匹配的速度开始运动，最终实现患者的行走训练。图1.1Motomed康复训练系统图1.2MotionMaker机器人图1.3Lokomat机器人虽然国内对康复医学的研究起步较晚，但是国家对康复医学的研究十分重视，因此近年来许多科研机构和高校也取得一定的研究成果。2013年，燕山大学王洪波教授带领的并联机器人与机电系统实验室团队成功研发了一款坐卧式康复训练机器人[7]。它的主体由一个角度可调的座椅和两个关节训练装置组成，如图1.4所示，通过训练装置带动下肢关节运动来达到康复训练效果。
练设备[5]。相对于传统固定模式的训练机器人，该步行康复机器人通过周期性电刺激来增加肌肉活跃度从而让运动员进行步态训练，同时通过矫正器为患者提供准确的动作指导，保证训练动作按要求完成。如图1.3所示，瑞士HocomaAG公司的Lokomat机器人系统是一种基于仿生外骨骼的康复训练系统[6]。患者使用Lokomat时需要穿戴好仿生机械腿，然后在机械腿电机的带动下完成步态运动。在患者运动的同时，Lokomat平台也会以与机械腿相匹配的速度开始运动，最终实现患者的行走训练。图1.1Motomed康复训练系统图1.2MotionMaker机器人图1.3Lokomat机器人虽然国内对康复医学的研究起步较晚，但是国家对康复医学的研究十分重视，因此近年来许多科研机构和高校也取得一定的研究成果。2013年，燕山大学王洪波教授带领的并联机器人与机电系统实验室团队成功研发了一款坐卧式康复训练机器人[7]。它的主体由一个角度可调的座椅和两个关节训练装置组成，如图1.4所示，通过训练装置带动下肢关节运动来达到康复训练效果。
【参考文献】：
期刊论文
[1]基于人体加速度多特征融合和K近邻算法的跌倒检测[J]. 华仙,席旭刚. 中国康复理论与实践. 2018(07)
[2]基于神经网络的语音情感识别分类[J]. 姜芃旭,傅洪亮. 电脑知识与技术. 2018(18)
[3]运动相关脑电信号的运动意图预测方法研究[J]. 柳建光,袁道任,冯少康. 计算机测量与控制. 2018(05)
[4]外骨骼型下肢康复机器人结构设计与动力学分析[J]. 史小华,王洪波,孙利,高峰,徐震. 机械工程学报. 2014(03)
[5]基于Elman神经网络的短期风电功率预测[J]. 张靠社,杨剑. 电网与清洁能源. 2012(12)
[6]基于三轴加速度传感器的人体跌倒检测系统设计与实现[J]. 王荣,章韵,陈建新. 计算机应用. 2012(05)
[7]基于三轴加速度传感器的手势识别[J]. 刘蓉,刘明. 计算机工程. 2011(24)
[8]基于交叉验证SVM的网络入侵检测[J]. 王凯,侯著荣,王聪丽. 测试技术学报. 2010(05)
[9]引入关联维的表面肌电信号的特征提取[J]. 鞠徐,宋晓峰. 生物医学工程研究. 2008(03)
[10]基于加速度传感器的老年人跌倒检测装置设计[J]. 李冬,梁山. 传感器与微系统. 2008(09)
硕士论文
[1]基于压力与加速度传感器的人体下肢动作识别研究[D]. 曾纪均.华南理工大学 2017
[2]基于动作捕捉传感器的人体日常行为识别研究[D]. 张新荣.哈尔滨工业大学 2015
[3]基于眼电信号的人机交互模式研究[D]. 呼延洪.东北大学 2013
[4]改进的Elman神经网络在齿轮箱故障诊断中的应用[D]. 刘敏娜.中北大学 2012
[5]踏板式步态康复训练器研究[D]. 刘欣.哈尔滨工程大学 2012
[6]基于GABP神经网络及SVM的房地产投资风险评价及应用[D]. 马霞霞.西安理工大学 2010
[7]基于三轴加速度传感器的跌倒检测技术的研究与应用[D]. 孙新香.上海交通大学 2008
本文编号：3484415
【文章来源】：杭州电子科技大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
Motomed康复训练系统
和周期性电刺激的步态训练设备[5]。相对于传统固定模式的训练机器人，该步行康复机器人通过周期性电刺激来增加肌肉活跃度从而让运动员进行步态训练，同时通过矫正器为患者提供准确的动作指导，保证训练动作按要求完成。如图1.3所示，瑞士HocomaAG公司的Lokomat机器人系统是一种基于仿生外骨骼的康复训练系统[6]。患者使用Lokomat时需要穿戴好仿生机械腿，然后在机械腿电机的带动下完成步态运动。在患者运动的同时，Lokomat平台也会以与机械腿相匹配的速度开始运动，最终实现患者的行走训练。图1.1Motomed康复训练系统图1.2MotionMaker机器人图1.3Lokomat机器人虽然国内对康复医学的研究起步较晚，但是国家对康复医学的研究十分重视，因此近年来许多科研机构和高校也取得一定的研究成果。2013年，燕山大学王洪波教授带领的并联机器人与机电系统实验室团队成功研发了一款坐卧式康复训练机器人[7]。它的主体由一个角度可调的座椅和两个关节训练装置组成，如图1.4所示，通过训练装置带动下肢关节运动来达到康复训练效果。
练设备[5]。相对于传统固定模式的训练机器人，该步行康复机器人通过周期性电刺激来增加肌肉活跃度从而让运动员进行步态训练，同时通过矫正器为患者提供准确的动作指导，保证训练动作按要求完成。如图1.3所示，瑞士HocomaAG公司的Lokomat机器人系统是一种基于仿生外骨骼的康复训练系统[6]。患者使用Lokomat时需要穿戴好仿生机械腿，然后在机械腿电机的带动下完成步态运动。在患者运动的同时，Lokomat平台也会以与机械腿相匹配的速度开始运动，最终实现患者的行走训练。图1.1Motomed康复训练系统图1.2MotionMaker机器人图1.3Lokomat机器人虽然国内对康复医学的研究起步较晚，但是国家对康复医学的研究十分重视，因此近年来许多科研机构和高校也取得一定的研究成果。2013年，燕山大学王洪波教授带领的并联机器人与机电系统实验室团队成功研发了一款坐卧式康复训练机器人[7]。它的主体由一个角度可调的座椅和两个关节训练装置组成，如图1.4所示，通过训练装置带动下肢关节运动来达到康复训练效果。
【参考文献】：
期刊论文
[1]基于人体加速度多特征融合和K近邻算法的跌倒检测[J]. 华仙,席旭刚. 中国康复理论与实践. 2018(07)
[2]基于神经网络的语音情感识别分类[J]. 姜芃旭,傅洪亮. 电脑知识与技术. 2018(18)
[3]运动相关脑电信号的运动意图预测方法研究[J]. 柳建光,袁道任,冯少康. 计算机测量与控制. 2018(05)
[4]外骨骼型下肢康复机器人结构设计与动力学分析[J]. 史小华,王洪波,孙利,高峰,徐震. 机械工程学报. 2014(03)
[5]基于Elman神经网络的短期风电功率预测[J]. 张靠社,杨剑. 电网与清洁能源. 2012(12)
[6]基于三轴加速度传感器的人体跌倒检测系统设计与实现[J]. 王荣,章韵,陈建新. 计算机应用. 2012(05)
[7]基于三轴加速度传感器的手势识别[J]. 刘蓉,刘明. 计算机工程. 2011(24)
[8]基于交叉验证SVM的网络入侵检测[J]. 王凯,侯著荣,王聪丽. 测试技术学报. 2010(05)
[9]引入关联维的表面肌电信号的特征提取[J]. 鞠徐,宋晓峰. 生物医学工程研究. 2008(03)
[10]基于加速度传感器的老年人跌倒检测装置设计[J]. 李冬,梁山. 传感器与微系统. 2008(09)
硕士论文
[1]基于压力与加速度传感器的人体下肢动作识别研究[D]. 曾纪均.华南理工大学 2017
[2]基于动作捕捉传感器的人体日常行为识别研究[D]. 张新荣.哈尔滨工业大学 2015
[3]基于眼电信号的人机交互模式研究[D]. 呼延洪.东北大学 2013
[4]改进的Elman神经网络在齿轮箱故障诊断中的应用[D]. 刘敏娜.中北大学 2012
[5]踏板式步态康复训练器研究[D]. 刘欣.哈尔滨工程大学 2012
[6]基于GABP神经网络及SVM的房地产投资风险评价及应用[D]. 马霞霞.西安理工大学 2010
[7]基于三轴加速度传感器的跌倒检测技术的研究与应用[D]. 孙新香.上海交通大学 2008
本文编号：3484415
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3484415.html
