基于sEMG的预测人类前臂运动,使用基于个体解剖/生理测量和减少的一组优化参数的生物机械模型

科学领域:

• 生物力学 生物力学
• 机器人技术 机器人技术 机器人技术
• 人与计算机的交互

背景情况:

• 像外骨架这样的辅助设备需要对未经训练的用户进行直观的控制.
• 表面电肌图 (sEMG) 信号可以在肢体运动发生之前预测肢体运动.
• 现有的模型可能需要广泛的校准或复杂的信号采集.

研究的目的:

• 开发一种可适应的生物机械模型,用于预测人类前臂运动.
• 为了最大限度地减少测量和计算努力,以便用户适应.
• 为了使接近身体的机器人系统能够直观地操作.

主要方法:

• 一个生物机械模型预测前臂运动从双肌和三肌肌肉的sEMG信号.
• 整合了8个生理措施,并优化了5个参数.
• 实验验证31名受试者在各种手臂姿势,负载和速度方面进行了验证.

主要成果:

• 该模型实现了良好的预测质量,正常化平均绝对误差 (nMAE) 介于0.16和0.21.
• 质量评分 (QS) 从0.25到0.40不等,表明有效的运动预测.
• 该模型只需要8个个别测量和优化5个参数以适应用户.

结论:

• 开发的生物机械模型成功地以高准确度预测了前臂运动.
• 该模型的适应性和最小校准要求有助于将其集成到辅助设备中.
• 这种方法为康复和工业环境中的直观控制提供了实际解决方案.