机器人辅助主动康复情绪生理响应与识别方法研究

发布时间：2022-07-19 17:42

　　运动康复医学的最新研究成果表明,患者参与运动康复训练中保持积极主动的状态可有效的提高康复训练效果。目前已颇具成果的机器人辅助康复训练主要是依靠生物电和生物力学实现交互控制,但这两种方法无法保障患者在训练过程中较长时间保持积极主动的状态,基于以上研究现状,本文开展了机器人辅助主动康复情绪生理响应与识别方法研究,具体工作如下:（1）深入了解脑卒中成因及传统康复训练的不足,且无法实时获悉患者在训练过程中的情绪状态,同时针对目前国内外机器人辅助康复进行了分析研究。基于以上研究,建立了基于康复训练脑卒中患者的情绪模型。（2）机器人辅助主动康复情绪生理测量实验设计。首先,以Barrett WAM机械臂为硬件基础,设计适合脑卒中患者的机器人辅助主动康复训练的情绪生理实验平台;其次,基于康复训练实验平台分别诱发“挫败”、“兴奋”、“厌烦”为目标情绪;最后,设计情绪生理调查问卷,选取正常人和脑卒中患者作为实验对象,分别开展机器人辅助主动康复训练的情绪生理测量实验,并运用生理参数检测传感器采集不同情绪状态下受试者心电、皮电、呼吸及面部肌电（皱眉肌及颧大肌）等生理响应参数。（3）机器人辅助主动康复情绪生理响... 

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景与意义
        1.1.1 课题背景
        1.1.2 课题意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 未来研究趋势
    1.3 主要研究内容与论文组织结构
第二章 机器人辅助主动康复情绪生理测量实验设计
    2.1 情绪的定义和分类
        2.1.1 情绪的定义
        2.1.2 情绪的分类
    2.2 情绪诱发实验设计
        2.2.1 被试
        2.2.2 虚拟训练场景
        2.2.3 实验流程
    2.3 情绪生理测量实验设计
        2.3.1 实验平台
        2.3.2 情绪生理信号
        2.3.3 实验任务
    2.4 本章小结
第三章 机器人辅助主动康复情绪生理响应特征提取
    3.1 生理信号处理方案
        3.1.1 心电和脉搏信号
        3.1.2 呼吸信号
        3.1.3 皮肤电导响应信号
        3.1.4 肌电信号
    3.2 生理信号特征提取
        3.2.1 心电信号特征提取
        3.2.2 脉搏信号特征提取
        3.2.3 呼吸信号特征提取
        3.2.4 皮肤电导响应特征提取
        3.2.5 肌电信号特征提取
    3.3 生理信号提取结果
    3.4 本章小结
第四章 机器人辅助主动康复情绪生理响应实验研究
    4.1 实验显著性差异性分析
        4.1.1 单因素重复测量实验设计
        4.1.2 不同任务调查问卷与正常情况显著性差异性分析
        4.1.3 不同任务调查问卷显著性差异分析
        4.1.4 不同任务生理特征参数与正常情况显著性差异分析
        4.1.5 不同任务生理特征参数显著性差异分析
        4.1.6 不同任务表现数据显著性差异分析
    4.2 实验相关性分析
        4.2.1 Valence、Arousal、表现数据相关性分析
        4.2.2 Valence、Arousal与生理特征参数相关性分析
        4.2.3 与目标情绪相关的生理特征参数和表现数据整合结果
    4.3 不同被试组间差异性分析
    4.4 本章小结
第五章 机器人辅助主动康复情绪生理响应识别
    5.1 自适应模糊支持向量机
    5.2 多类情绪识别模型
    5.3 混淆矩阵
    5.4 识别结果
        5.4.1 生理响应特征值识别结果与分析
        5.4.2 生理响应与表现数据识别结果与分析
    5.5 识别结果
第六章 总结与展望
    6.1 论文总结
    6.2 展望
参考文献
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间申请的专利
附录4 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]面向卫星云图云分类的自适应模糊支持向量机[J]. 田文哲,符冉迪,金炜,刘箴,尹曹谦.  武汉大学学报(信息科学版). 2017(04)
[2]人体肌电信号的生理层模型[J]. 尤波,刘意,赵汗青,杨文元.  计算机仿真. 2015(01)
[3]等动屈伸运动诱发下肢膝关节肌肉疲劳过程中表面肌电信号的特征分析[J]. 张肃,郭峰,王念辉.  吉林大学学报(医学版). 2014(06)
[4]脑卒中发病与年龄、职业、时间、气候等方面关系的统计分析[J]. 宋伟才,吴建鑫,李杨,郑惠杰,刘红波.  中国卫生统计. 2014(04)
[5]情绪的基本结构:争论、应用及其前瞻[J]. 乐国安,董颖红.  南开学报(哲学社会科学版). 2013(01)
[6]基于小波包的人机协作训练生理心理特征提取与识别[J]. 高翔,徐国政,郭猷敏,梁志伟.  仪器仪表学报. 2012(12)
[7]极限学习机的快速留一交叉验证算法[J]. 刘学艺,李平,郜传厚.  上海交通大学学报. 2011(08)
[8]基于运动想象脑电的上肢康复机器人[J]. 徐宝国,彭思,宋爱国.  机器人. 2011(03)
[9]脑卒中危险因素分析[J]. 张雯雯,李宁华.  中国慢性病预防与控制. 2011(02)
[10]一种自适应的QRS复合波检测方法[J]. 汪传忠,聂桥桥,莫灵珊.  南昌航空大学学报(自然科学版). 2011(01)

博士论文
[1]基于庞加莱散点图和递归图的心率变异性研究[D]. 霍铖宇.南京大学 2014

硕士论文
[1]机器人辅助运动康复情绪生理响应实验研究[D]. 陈敏.南京邮电大学 2016
[2]基于COP的人体平衡能力交互训练游戏设计[D]. 张婷.河北大学 2015
[3]基于张量的心电特征提取及模式分类方法研究[D]. 程炳飞.上海交通大学 2014



本文编号：3663856