使用RMS和离散波段转换EMG信号的能量值的各种达到运动的实时分类为人类辅助机器人

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物医学工程 生物医学工程
• 人与计算机的交互

背景情况:

• 人类辅助机器人的进步旨在提高日常用户的效率.
• 对上肢运动的准确分类对于直观的机器人控制至关重要.
• 现有的方法可能很难区分到达运动的微妙变化.

研究的目的:

• 提出一种基于电肌图 (EMG) 信号的方法,用于分类三种不同的上肢伸展运动:常规,延伸和加权.
• 开发一个能够准确和迅速区分这些运动的系统,无论方向如何.
• 为增强人类辅助机器人响应能力奠定基础.

主要方法:

• 使用来自上肢和干肌肉的电肌图 (EMG) 信号.
• 识别关键信号特征,以区分不同的伸向运动类型.
• 采用Gated Recurrent Unit (GRU) 网络进行模型培训和意图推断.

主要成果:

• 在分类三种类型的伸展动作方面表现出高效率.
• 根据EMG特征,成功地区分了常规,延伸和加权的触角.
• 拟议的方法证明了无论运动方向如何,都很强大.

结论:

• 开发的基于EMG的运动分类方法对人类辅助机器人应用有效.
• 这项技术使机器人能够及时准确地响应用户的意图.
• 进一步开发可以提高人类辅助机器人的能力和整合.