一个可穿戴的上肢外骨系统和智能控制策略.

科学领域:

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

背景情况:

• 举重任务往往会导致上肢肌肉疲劳和受伤.
• 可穿戴辅助设备可以通过提供外部支持来减轻这些问题.
• 现有的解决方案可能缺乏适应性或长期使用的舒适性.

研究的目的:

• 开发和评估一个轻量级,可穿戴的上肢外骨架 (ULE) 机器人系统.
• 实现自动辅助力供应的智能控制系统.
• 评估ULE在减轻举重任务期间肌肉疲劳方面的有效性.

主要方法:

• 开发一个具有绕过肩部的灵活电缆传输系统的ULE机器人.
• 整合K-最近邻居 (KNN) 算法用于姿势识别和辅助力的模糊PID控制.
• 在不同负载条件下 (5-15公斤) 评估肌肉疲劳,使用肌电图 (EMG) 来测试来自肌,三肌和双肌肌的信号.

主要成果:

• 在识别操控姿势方面,KNN算法实现了94.59%的测试准确度.
• 通过ULE系统,在测试的肌肉和负载中,平均峰值EMG信号值减少了19-30%.
• 外骨架在举起,握住和坐时显著减少了肌肉疲劳.

结论:

• 开发的可穿戴上肢外骨架机器人有效地减少肌肉疲劳,并在举重操作期间提供实用援助.
• 智能控制系统,结合KNN和模糊PID,使准确和自动提供辅助力.
• 轻量级和可穿戴的设计确保舒适性和对佩戴者的运动范围的影响最小.