根据sEMG的掌握力和肌肉硬度估计,用于低估的假肢手的合规掌握控制方法

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
• 神经科学是一个神经科学.

背景情况:

• 人的手通过调节肌肉力量和性来实现顺服的抓取.
• 现有的假肢手往往依赖于环境刚度进行控制,这可能与用户的意图不一致.
• 低调的假肢手需要先进的控制策略来实现自然的抓取.

研究的目的:

• 开发一种符合标准的握力控制方法,用于使用表面电肌图 (sEMG) 信号进行低调的假肢手.
• 为了使假手能够直接解释用户的意图,以抓住力量和刚性.
• 为了提高假肢手控制的适应性和直观性.

主要方法:

• 利用哈克斯利肌肉模型来估计抓取力.
• 根据肌肉收缩原理估计的肌肉度.
• 采用模糊逻辑来建立人体肌肉硬度和假肢手控制器参数之间的关系.
• 集成的sEMG信号处理用于直接控制输入.

主要成果:

• 假肢手成功地根据sEMG信号调整了抓取力和阻抗控制器刚度.
• 已经证明了对各种物体的快速稳定抓取以及缓慢轻柔的抓取的能力.
• 验证了拟议方法在实现意图驱动的合规抓取方面的有效性.

结论:

• 基于sEMG的控制方法提供了一种更直观和更适应的方法,可以在假肢手中进行合规的抓取.
• 这种技术使假手能够更好地复制人类手的细微抓取能力.
• 未来的研究可以进一步探索生物信号的整合,以提高假肢功能.