腰部外骨架的负载识别基于来自腰部肌肉的多通道表面电肌图

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:

• 腰部外骨架有助于举重,但优化它们的支持以最大限度地减少肌肉能量消耗仍然是一个挑战.
• 准确地识别腰部肌肉负荷对于适应性外骨架辅助至关重要,但受到当前测量工具和分类方法的限制.

研究的目的:

• 在举重任务期间精确识别下背部肌肉负荷.
• 开发和评估使用多通道表面电肌学 (sEMG) 的参与者特定负载分类方法.

主要方法:

• 十名健康的参与者使用不同的重量进行了俯卧式起重,而sEMG数据则使用3x7电极阵列从下背部收集.
• 从19个提升阶段段中提取了时间域sEMG特征,并使用四个算法训练了参与者特定的分类器.
• 通过5倍交叉验证来评估分类性能.

主要成果:

• 一个人工神经网络分类器在提升任务期间识别物体重量时达到高达96%的准确性.
• 随着提升阶段的进展,分类准确性得到了提高,在运动结束时达到顶峰.
• 这项研究证明了成功,准确地识别了腰部肌肉负荷.

结论:

• 使用sEMG和参与者特定分类器进行准确的负载识别是可行的.
• 这种方法具有显著的潜力,可以减少腰部外骨架使用者的肌肉能量消耗.
• 这些发现为更有效,更节能的辅助机器人设备铺平了道路.