研究上肢运动意图分类和康复机器人控制基于sEMG的研究
Tao Song1,2, Kunpeng Zhang1, Zhe Yan1
1Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai 200444, China.
Sensors (Basel, Switzerland)
|February 26, 2025
概括
表面电肌图 (sEMG) 解码机器人康复的上肢运动意图. 机器学习准确地分类了九个意图,使终端效应机器人的直观控制成为可能.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 表面电肌图 (sEMG) 是一种测量肌肉电活动的非侵入性技术.
- sEMG反映了运动意图和肌肉收缩水平,这对于人机界面至关重要.
- 上肢运动控制对于康复机器人至关重要.
研究的目的:
- 通过使用sEMG.G.来分类和识别九种类型的上肢运动意图.
- 将这些公认的意图应用于对终端效应器康复机器人的交互控制.
- 为了比较传统和深度学习方法对sEMG分类的有效性.
主要方法:
- 来自上肢肌肉的sEMG信号的数据采集和预处理.
- 在OpenSim中开发和验证上肢肌肉骨模型.
- 实现和比较传统的机器学习和深度学习模型 (MLCNN) 的九类sEMG意图识别.
- 集成基于MLCNN的意图识别,用于控制iReMo®康复机器人.
主要成果:
- 机器学习和深度学习方法实现了对九个上肢运动意图的高分类准确性.
- 多流卷积神经网络 (MLCNN) 在提取运动意图方面表现出强的表现.
- 由MLCNN控制的机器人系统在各种轨迹上表现出流而准确的运动控制.
结论:
- 基于sEMG的运动意图识别对于控制康复机器人是有效的.
- 深度学习方法,特别是MLCNN,提供了一种强大的方法来解码复杂的运动意图.
- 这项技术有望在上肢机器人康复中增强交互和直观控制.
