开发一个实时神经控制器使用EMG驱动的肌肉骨模型

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:

• 电肌图 (EMG) 控制系统在准确性,延迟性和稳定性方面面临着挑战.
• 现有的系统都在与同度和非同度肌肉收缩作斗争.
• 人类运动控制为适应性和流的机器人交互提供了洞察力.

研究的目的:

• 开发一种新的实时神经控制器,用于意志机器人和计算机控制.
• 通过解决准确性,延迟和稳定性来改善EMG控制.
• 为了在各种类型的肌肉收缩过程中实现无运动控制.

主要方法:

• 开发了一个EMG驱动的肌肉骨模型用于神经命令翻译.
• 结合EMG信号处理,神经激活动态和Hill型肌肉建模.
• 集成的肌肉激活动态与阻抗控制适应性相互作用.

主要成果:

• 在控制用于下肢运动的机器人执行器时实现了高参考跟踪性能.
• 实时嵌入式计算的最新处理时间为2.9ms.
• 在不同速度的静态和动态运动中展示了强大的控制.

结论:

• 这种新的控制器为基于EMG的人机接口提供了快速,准确和可适应的性能.
• 这种方法提高了对电极变化和信号噪声的稳定性.
• 在各种应用中为下一代神经机器接口奠定了基础.