基于表面EMG信号识别上肢和下肢协调运动意图的方法的研究
Yongfei Feng1,2, Long Yu1, Fangyan Dong1
1Faculty of Mechanical Engineering and Mechanics, Ningbo University, Ningbo, China.
Frontiers in bioengineering and biotechnology
|January 25, 2024
概括
这项研究介绍了一种合作的上肢和下肢康复机器人 (U-LLCRR) 和一种表面电肌图 (sEMG) 信号分类方法. 该系统准确地识别了协调的四肢运动意图,以加强患者康复.
科学领域:
- 生物医学工程 生物医学工程
- 机器人技术 机器人技术 机器人技术
- 康复技术 康复技术 康复技术
背景情况:
- 目前的康复机器人往往专注于单肢类型 (上肢或下肢),限制了协调运动训练.
- 准确识别患者对多肢协调的意图是康复机器人的一个重大挑战.
研究的目的:
- 开发一个多姿势的上肢和下肢合作康复机器人 (U-LLCRR).
- 提出一种新的方法,使用表面电肌图 (sEMG) 信号准确识别上肢和下肢协调运动的意图.
主要方法:
- 开发一个多姿势的上肢和下肢合作康复机器人 (U-LLCRR).
- 使用遗传算法和不相似性评估优化特征.
- 创建了Sine-BWOA-LSSVM (SBL) 分类模型,将黑寡妇优化算法 (BWOA) 与最小平方支持向量机 (LSSVM) 集成在一起.
主要成果:
- 该SBL分类模型在离散四肢运动识别方面实现了92.87%的平均准确性.
- 在线测试U-LLCRR显示,连续运动意图的平均识别率为89.25%,例如"在手臂摆动的位置上行进".
结论:
- 开发的U-LLCRR和SBL分类模型在识别离散和连续协调四肢运动意图方面显示出高准确性.
- 这项技术具有很大的潜力,可以在医疗保健,体育和其他领域推进积极康复培训方法.
