基于上臂關(guān)節(jié)角度和肌電信號(hào)的二自由度假肢控制方法

孫文濤 佘浩田 李鑫 朱金營(yíng) 姜銀來(lái) 橫井浩史 黃強(qiáng)

殘肢患者對(duì)靈巧、穩(wěn)定、智能假肢的需求推進(jìn)著假肢行業(yè)的發(fā)展.中國(guó)肢體殘疾人口超過(guò)2400萬(wàn),社會(huì)對(duì)假肢和康復(fù)輔助器具的需求量很大[1].上肢假肢用來(lái)彌補(bǔ)患者由于上臂肢體殘缺而造成的生活不便,根據(jù)驅(qū)動(dòng)方式的不同,大致分為被動(dòng)式假肢和主動(dòng)式假肢.被動(dòng)式假肢又稱(chēng)傳統(tǒng)假肢,這類(lèi)假肢多采用繩驅(qū)動(dòng),佩戴者通過(guò)背部肌肉拉伸繩索,實(shí)現(xiàn)對(duì)假肢的控制.這種機(jī)械式的控制方式受繩索驅(qū)動(dòng)的限制,功能有限,不能很好地滿(mǎn)足人們的日常生活需求,正在逐步被電機(jī)驅(qū)動(dòng)、肌電信號(hào)控制的主動(dòng)式假肢所取代.主動(dòng)式假肢采用從截肢患者殘留的肌肉處提取的肌電信號(hào)作為控制源,利用假肢中集成的微處理器對(duì)肌電信號(hào)進(jìn)行處理并控制假肢隨佩戴者的意識(shí)而動(dòng)[2].

主動(dòng)式上肢假肢的研究目前主要集中在肌電信號(hào)提取和使用者意圖識(shí)別兩個(gè)方面.肌電信號(hào)一般通過(guò)金屬電極采集,按電極對(duì)人體入侵程度分為植入式電極和表貼式電極兩種,肌電信號(hào)反映的是人體神經(jīng)—肌肉系統(tǒng)的活動(dòng)狀況.由于采集到的肌電信號(hào)是由多根肌肉纖維束的信號(hào)疊加而成,因此對(duì)肌電信號(hào)的分析多采用統(tǒng)計(jì)學(xué)方法,例如利用肌電信號(hào)的時(shí)序特征[3?4]和頻域特性分析肌肉的出力狀態(tài)[5?6],同時(shí)基于肌肉電生理模型的分析方法在估計(jì)肌肉狀態(tài)中也取得了很好的效果[7].在意圖識(shí)別方面,近年來(lái),基于模式識(shí)別的方法非常熱門(mén),其利用監(jiān)督學(xué)習(xí)建立肌電信號(hào)和動(dòng)作間的映射關(guān)系.目前,模式識(shí)別方法已經(jīng)取得了很多讓人振奮的研究進(jìn)展,例如利用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等機(jī)器學(xué)習(xí)算法的肌電信號(hào)識(shí)別算法,對(duì)多達(dá)10種以上動(dòng)作的離線識(shí)別準(zhǔn)確率超過(guò)90%[8],利用模式識(shí)別方法實(shí)現(xiàn)了假肢的同時(shí)比例控制[9].2015年1月第一個(gè)基于模式識(shí)別算法的上肢假肢產(chǎn)品COAPT在美國(guó)通過(guò)產(chǎn)品化審核[10].

基于模式識(shí)別方法的肌電假肢正在蓬勃發(fā)展中,但是也暴露了很多問(wèn)題.模式識(shí)別方法在實(shí)際使用中受空氣濕度、患者體表出汗、肌電信號(hào)采集位置變動(dòng)和肌肉疲勞等諸多因素的影響[11?13],使采集到的肌電信號(hào)發(fā)生特征的變化,進(jìn)而導(dǎo)致模式識(shí)別方法準(zhǔn)確率下降,影響患者使用.由于這些原因,目前市場(chǎng)上最先進(jìn)的假肢,Touch Bionics的BeBionic3、OttoBock的Michelangelo和RSL Steeper的iLimb均采用開(kāi)關(guān)量控制方式[14].開(kāi)關(guān)量控制是指當(dāng)肌電信號(hào)的幅值超過(guò)閾值時(shí)即觸發(fā)假肢動(dòng)作,一般這種控制方法通過(guò)在一組拮抗肌上安裝兩個(gè)肌電信號(hào)傳感器實(shí)現(xiàn),單側(cè)肌肉的收縮使假肢沿對(duì)應(yīng)方向運(yùn)動(dòng),當(dāng)一組對(duì)抗肌同時(shí)收縮時(shí)觸發(fā)動(dòng)作的切換.這種控制方法簡(jiǎn)單可靠,但是在控制多自由度的假肢時(shí)需要繁瑣的順序動(dòng)作切換過(guò)程[15],給假肢使用者帶來(lái)不便.

為了解決模式識(shí)別方法受肌電信號(hào)采集環(huán)境影響的問(wèn)題,本文提出一種基于上臂關(guān)節(jié)角度和肌電信號(hào)實(shí)現(xiàn)對(duì)二自由假肢(手掌一自由度+腕部旋轉(zhuǎn)一自由度)的控制方法.方法通過(guò)模式識(shí)別建立肩關(guān)節(jié)角度和肌電信號(hào)與假肢動(dòng)作間的映射關(guān)系,由于關(guān)節(jié)角度值的測(cè)量不易受外部環(huán)境的影響,將其作為信號(hào)源能夠避免單獨(dú)利用肌電信號(hào)中的不穩(wěn)定問(wèn)題.方法利用肩關(guān)節(jié)角度控制腕關(guān)節(jié)旋轉(zhuǎn),利用肌電信號(hào)控制手部開(kāi)合,這種方式可以避免開(kāi)關(guān)控制在控制手、腕兩個(gè)自由度間的動(dòng)作切換.通過(guò)與開(kāi)關(guān)量控制方法的抓取實(shí)驗(yàn)對(duì)比證明了所提出控制方法在使用上的穩(wěn)定性和高效率.

1 方法

本文利用肩關(guān)節(jié)在抓握物體時(shí)關(guān)節(jié)角度變化規(guī)律的不同,將上肢的抓握動(dòng)作分為側(cè)握、抓取和托起三類(lèi),對(duì)應(yīng)腕關(guān)節(jié)為豎直、掌心朝下和掌心朝上三種姿態(tài).通過(guò)將人體在執(zhí)行抓握動(dòng)作時(shí)歸一化的關(guān)節(jié)角度值和關(guān)節(jié)角度變化方向作為特征數(shù)據(jù),利用支持向量機(jī)實(shí)現(xiàn)對(duì)三種動(dòng)作的分類(lèi).同時(shí)利用上臂的肌電信號(hào)控制假肢手部的開(kāi)合,保證對(duì)使用者意圖識(shí)別的準(zhǔn)確率和穩(wěn)定性.

本文選用由Thalmic Labs公司生產(chǎn)的MYO腕帶作為測(cè)量傳感器,MYO具有8通道表面肌電信號(hào)傳感器,6軸姿態(tài)傳感器(加速度計(jì)+陀螺儀),通過(guò)藍(lán)牙和計(jì)算機(jī)連接,MYO肌電信號(hào)的采樣頻率為200Hz,精度為8位,姿態(tài)傳感器的采樣頻率為50Hz,精度為8位.MYO腕帶的自身姿態(tài)坐標(biāo)系和傳感器通道編號(hào)如圖1所示,MYO腕帶具有穿戴簡(jiǎn)單,使用方便等優(yōu)點(diǎn).

圖1 MYO的佩戴方式以及肩關(guān)節(jié)角度的定義Fig.1 De finition of shoulder joint angles and the position of MYO

1.1 肩關(guān)節(jié)角度測(cè)量

MYO輸出的姿態(tài)四元數(shù)是經(jīng)由Kalman濾波后的結(jié)果,利用MYO輸出的姿態(tài)四元數(shù)經(jīng)逆運(yùn)動(dòng)學(xué)可求解肩關(guān)節(jié)角度.在使用時(shí),將MYO戴在上臂處,佩戴方向如圖1所示,MYO的第4通道位于體側(cè),同時(shí)假設(shè)使用中佩戴者不發(fā)生大幅位移.MYO在使用前需要校準(zhǔn),佩戴者保持手臂自然下垂,將MYO此時(shí)輸出的姿態(tài)作為姿態(tài)求解的參考坐標(biāo)系.

人體肩關(guān)節(jié)是一個(gè)復(fù)合關(guān)節(jié),既可旋轉(zhuǎn)又能平移,但是由于肩關(guān)節(jié)平移對(duì)手臂姿態(tài)影響較小,因此本文將肩關(guān)節(jié)簡(jiǎn)化為由三個(gè)旋轉(zhuǎn)副構(gòu)成,則MYO在參考坐標(biāo)系的角速度W表示為

其中,為肩關(guān)節(jié)三個(gè)轉(zhuǎn)動(dòng)軸在參考坐標(biāo)系中的坐標(biāo),均是單位向量.θ1,θ2,θ3為肩關(guān)節(jié)的旋轉(zhuǎn)角度.

將MYO的角速度轉(zhuǎn)換為其姿態(tài)四元素q的導(dǎo)數(shù)

則從關(guān)節(jié)角速度到四元數(shù)導(dǎo)數(shù)的雅可比矩陣J為

利用Levenber?Marquardt方法求解逆運(yùn)動(dòng)學(xué)[16],該方法保證每次迭代中關(guān)節(jié)角度的更新Δθ使下面的值取最小.

其中,e表示目標(biāo)姿態(tài)四元數(shù)與當(dāng)前姿態(tài)四元數(shù)的差值.

關(guān)節(jié)角度的更新值為

其中,I為3×3的單位矩陣.

圖2是四元數(shù)姿態(tài)誤差的模長(zhǎng)隨迭代次數(shù)變化曲線.迭代初始時(shí)的關(guān)節(jié)角度θ1,θ2,θ3均設(shè)為0,λ的值選擇為0.8,此值由觀察誤差隨迭代次數(shù)變化曲線得出.每次最大迭代次數(shù)為5次,誤差的模小于0.001后則停止迭代.

1.2 上臂肌電信號(hào)的提取與識(shí)別

本節(jié)利用MYO采集的肌電信號(hào)來(lái)判斷上臂的靜態(tài)收縮.上臂的肌肉狀態(tài)可以分為上臂放松、上臂靜態(tài)收縮和上臂自由運(yùn)動(dòng)三種狀態(tài).上臂放松是人手臂自然下垂時(shí)的狀態(tài);上臂靜態(tài)收縮是指有意識(shí)地收縮上臂肌肉,此時(shí)肌肉出力大,但是上臂保持靜止或慢速運(yùn)動(dòng);上臂自由運(yùn)動(dòng)即自然驅(qū)動(dòng)上臂運(yùn)動(dòng),此時(shí)上臂的運(yùn)動(dòng)速度隨肌肉出力變化.本節(jié)利用MYO輸出的肌電信號(hào)分辨上述三種狀態(tài).

圖2 四元數(shù)姿態(tài)誤差的模長(zhǎng)隨迭代次數(shù)變化曲線Fig.2 Plot of the norm of the state error in each iteration

利用支持向量機(jī)對(duì)三種動(dòng)作進(jìn)行區(qū)分,需要獲得不同動(dòng)作對(duì)應(yīng)的肌電信號(hào).MYO肌電信號(hào)采樣頻率為200Hz,訓(xùn)練集采樣時(shí)長(zhǎng)為1.6s,共獲得320個(gè)點(diǎn)的8路肌電信號(hào)序列,由于某個(gè)時(shí)間點(diǎn)的肌電信號(hào)沒(méi)有意義,肌電信號(hào)需要成段處理[17].如圖3所示,設(shè)置采樣窗長(zhǎng)為320ms,則每個(gè)采樣窗內(nèi)64個(gè)點(diǎn),窗間重疊為280ms,這樣在訓(xùn)練集上形成33個(gè)窗,即33個(gè)樣本點(diǎn).對(duì)于窗內(nèi)的數(shù)據(jù),每路信號(hào)提取4個(gè)特征值,分別是信號(hào)的均值差(Mean absolute value,MAV),過(guò)零點(diǎn)數(shù)(Zero crossing,ZC),波長(zhǎng)(Waveform length,WL)和斜率變換數(shù)(Slope sign changes,SSC).

每個(gè)通道4個(gè)特征值,8路通道,共32個(gè)特征值.因此每個(gè)訓(xùn)練集內(nèi)是33個(gè)32維的向量,由于上臂放松、上臂靜態(tài)收縮和上臂自由運(yùn)動(dòng)中,上臂自由運(yùn)動(dòng)出現(xiàn)的概率較大,同時(shí)在對(duì)動(dòng)作的識(shí)別中,允許將上臂收縮識(shí)別為上臂自由運(yùn)動(dòng),但是反之將上臂自由運(yùn)動(dòng)識(shí)別為上臂靜態(tài)收縮影響較大,此時(shí)后果比較嚴(yán)重,在假肢控制中容易出現(xiàn)誤動(dòng)作,因此,采用上臂自由運(yùn)動(dòng)的樣本量為上臂靜態(tài)收縮的3倍,即上臂放松33個(gè)樣本,上臂靜態(tài)收縮33個(gè)樣本,上臂自由運(yùn)動(dòng)99個(gè)樣本.

圖3(a)是肌電信號(hào)數(shù)據(jù),圖3(b)為訓(xùn)練樣本集的特征平均值在不同動(dòng)作下的分布,A為上臂放松,B為上臂靜態(tài)收縮,C為上臂自由運(yùn)動(dòng).從圖中可以看出,不同動(dòng)作時(shí),肌肉各個(gè)通道的信號(hào)特征有顯著的差別.圖3(c)是將信號(hào)由32維特征空間利用主成分分析(Principal component analysis,PCA)投影到二維平面的結(jié)果,投影保留原數(shù)據(jù)94.46%的方差.圖中信號(hào)分布有顯著的差異,利用線性支持向量機(jī)就可以實(shí)現(xiàn)對(duì)不同動(dòng)作的區(qū)分.圖3(d)是3名健康被試者利用此方法區(qū)分動(dòng)作準(zhǔn)確率的結(jié)果,是3名被試者動(dòng)作識(shí)別準(zhǔn)確率隨時(shí)間變化曲線.準(zhǔn)確率的測(cè)試集是由被試者在特定時(shí)間做上臂放松、上臂靜態(tài)收縮和上臂自由運(yùn)動(dòng),每個(gè)動(dòng)作各5.12s所構(gòu)成的數(shù)據(jù)集.

1.3 肩關(guān)節(jié)角度和抓取動(dòng)作

肩關(guān)節(jié)的運(yùn)動(dòng)帶動(dòng)人體整個(gè)上肢的運(yùn)動(dòng),上肢的運(yùn)動(dòng)中存在著協(xié)同關(guān)系[18],人的抓握姿態(tài)與肩關(guān)節(jié)的運(yùn)動(dòng)具有一定的協(xié)同關(guān)系.本文將人的抓握過(guò)程按手腕的最終動(dòng)作分為三類(lèi),分別是用于抓握直立物體的側(cè)握,單手可以掌握的抓取以及用于托起諸如盤(pán)子等物體的托起,如圖4所示,三者的主要區(qū)別在于腕部旋轉(zhuǎn)角度不同.本節(jié)利用支持向量機(jī),通過(guò)肩關(guān)節(jié)角度和關(guān)節(jié)角度變化量來(lái)區(qū)分這三類(lèi)不同的動(dòng)作.

圖3 肌電信號(hào)的提取與識(shí)別Fig.3 The extraction and recognition of myoelectric signal

圖4 三種不同的抓握動(dòng)作Fig.4 Three different types of grasping

為了分析通過(guò)肩關(guān)節(jié)區(qū)分抓握姿態(tài)的可行性,采集了6名被試者(5名男士和1名女士(編號(hào)6))在抓握?qǐng)D4中的物品時(shí)的肩關(guān)節(jié)角度值,采集過(guò)程中,被試者將MYO佩戴在左上臂,當(dāng)被試手臂自然下垂時(shí),MYO的4通道標(biāo)志朝向體側(cè),并將此時(shí)的肩關(guān)節(jié)角度設(shè)為零位.實(shí)驗(yàn)中,被試者坐于椅子上,胸口距桌子邊緣25cm左右,所抓取物體擺放在身體正前方50cm左右.實(shí)驗(yàn)開(kāi)始時(shí),被試者左臂自然下垂,此時(shí)被試者面前的屏幕會(huì)提示此時(shí)處于校準(zhǔn)狀態(tài),被試者此時(shí)持續(xù)保持左臂自然下垂,當(dāng)屏幕上的校準(zhǔn)字樣消失后,此時(shí)被試者按照自己習(xí)慣的方式抓取面前的物體,當(dāng)抓到面前的物體后,被試者做出上臂靜態(tài)收縮動(dòng)作,數(shù)據(jù)采集停止,此時(shí)屏幕顯示采集完畢字樣提示被試采集結(jié)束,被試者可以恢復(fù)到左臂自然下垂的姿態(tài),每名被試者每組3個(gè)動(dòng)作,共采集10組.

從圖5的肩關(guān)節(jié)角度空間曲線可以看出,雖然被試者抓取的關(guān)節(jié)角度軌跡間沒(méi)有明顯的一致性,但是對(duì)于每名被試者,其在以三種不同的姿態(tài)抓取時(shí),肩關(guān)節(jié)角度曲線在空間上的分布有明顯的區(qū)別,由于難以利用明確的規(guī)則區(qū)分不同的抓取姿態(tài),因此對(duì)每名被試者的抓取動(dòng)作采用模式識(shí)別的方法加以區(qū)分,用于模式識(shí)別的第i個(gè)特征為

其中,θ=[θ1,θ2,θ3]T表示肩關(guān)節(jié)角度,由于肩關(guān)節(jié)角度變化在?180°～180°之間,因此除以180進(jìn)行歸一化,而同樣角度變換值除以其模長(zhǎng)進(jìn)行歸一化.由于三種抓取姿勢(shì)在開(kāi)始階段差別并不明顯,因此數(shù)據(jù)中θ1≤10°的肩關(guān)節(jié)角度點(diǎn)去掉不作為訓(xùn)練數(shù)據(jù).

利用高斯核支持向量機(jī)分類(lèi)方法對(duì)每名被試者的10組數(shù)據(jù)3種動(dòng)作進(jìn)行區(qū)分,采用10折交叉驗(yàn)證方法對(duì)結(jié)果進(jìn)行驗(yàn)證,每名被試者的結(jié)果如圖6.

圖5 6名被試者抓握動(dòng)作在肩關(guān)節(jié)空間的分布Fig.5 Curves of the grasping of 6 subjects in the space of joint angles

圖6 6名被試三類(lèi)動(dòng)作分類(lèi)準(zhǔn)確率和標(biāo)準(zhǔn)差Fig.6 Classi fication accuracy and standard deviation of the three movements for 6 subjects

從圖6可以看出,利用模式識(shí)別方法,根據(jù)肩關(guān)節(jié)角度對(duì)三類(lèi)抓取方式分類(lèi)的準(zhǔn)確率高達(dá)90%以上,同時(shí)10組驗(yàn)證數(shù)據(jù)的標(biāo)準(zhǔn)差浮動(dòng)不大,說(shuō)明被試者在每次抓取相同物體時(shí)都遵循類(lèi)似的運(yùn)動(dòng)模式,即習(xí)慣的方式,因此根據(jù)肩關(guān)節(jié)的運(yùn)動(dòng)來(lái)控制腕關(guān)節(jié)的方法是可行的,而且也比較穩(wěn)定.但是離線數(shù)據(jù)測(cè)試的是反復(fù)對(duì)同一物體抓取的結(jié)果,在實(shí)際使用中的表現(xiàn)在第2節(jié)中進(jìn)行了測(cè)試.

1.4 假肢控制策略

將肩關(guān)節(jié)角度和肌電信號(hào)應(yīng)用在假肢腕關(guān)節(jié)的控制上,利用肩關(guān)節(jié)運(yùn)動(dòng)特征判斷抓取姿勢(shì),側(cè)握、抓取或是托起物品,利用上臂的靜態(tài)收縮作為判斷抓取姿勢(shì)的結(jié)束以及手部在開(kāi)合間的切換信號(hào).系統(tǒng)的控制流程如圖7所示,為單片機(jī)中完成肌電信號(hào)和運(yùn)動(dòng)信號(hào)異步處理的流程圖.

本文方法在假肢上的控制在θ1≥10°時(shí)起作用,而且每次判斷抓取姿態(tài)后,必須將θ1再次置于10°內(nèi)才能進(jìn)行下次抓取姿勢(shì)的判斷,同時(shí)利用上臂靜態(tài)收縮動(dòng)作作為抓取姿勢(shì)判斷的結(jié)束和手部動(dòng)作的切換,上臂的靜態(tài)收縮會(huì)鎖定手腕的角度.對(duì)于抓取動(dòng)作的判斷根據(jù)FIFO緩沖區(qū)內(nèi)數(shù)量最多的動(dòng)作,目前緩沖區(qū)存儲(chǔ)動(dòng)作的數(shù)目為25個(gè),即通過(guò)前0.5s內(nèi)的運(yùn)動(dòng)判斷抓取動(dòng)作.

2 抓取實(shí)驗(yàn)

為了對(duì)比具備腕關(guān)節(jié)控制和無(wú)腕關(guān)節(jié)控制對(duì)假肢在使用中的影響,設(shè)計(jì)實(shí)驗(yàn)如下:實(shí)驗(yàn)所采用平臺(tái)是一個(gè)具備二自由度的上肢假肢(如圖8所示),其中手部1個(gè)自由度(兩個(gè)關(guān)節(jié)聯(lián)動(dòng)),可以實(shí)現(xiàn)手部的張開(kāi)和握緊,腕關(guān)節(jié)1個(gè)自由度,可以實(shí)現(xiàn)腕部的旋轉(zhuǎn),整體重量為794.2g,該假肢是為健康人模擬殘疾人佩戴情況設(shè)計(jì),具有一個(gè)供健康人穿戴的承筒用以將假肢固定在健康人前臂.實(shí)驗(yàn)計(jì)數(shù)2分鐘內(nèi)假肢佩戴者將指定物品移動(dòng)的次數(shù),每次佩戴者將物品放置在指定方框內(nèi),并拍擊按鈕,視為成功完成一次物品的移動(dòng).

圖7 假肢控制流程圖Fig.7 Control flow of the prosthetic hand

圖8 假肢構(gòu)造Fig.8 Mechanism of the prosthetic hand

實(shí)驗(yàn)仍由上面的6名健康被試者參與,本次為11件日常物品的移動(dòng),通過(guò)統(tǒng)計(jì)這11件物品在使用本文的控制方法和利用開(kāi)關(guān)控制時(shí)的物體成功被移動(dòng)次數(shù),對(duì)比兩種控制方法對(duì)假肢使用的影響,每名被試每件物品移動(dòng)3次,取平均值作為該被試移動(dòng)該物品的次數(shù).在實(shí)驗(yàn)中利用本文的方法時(shí),僅在實(shí)驗(yàn)開(kāi)始前進(jìn)行一次訓(xùn)練,在實(shí)驗(yàn)進(jìn)行中不進(jìn)行訓(xùn)練.實(shí)驗(yàn)中抓取和移動(dòng)的物品如圖9所示.

圖9 實(shí)驗(yàn)中抓取和移動(dòng)的物品Fig.9 Objects used in the grasping experiment

圖10所示為被試者在抓取物品中的截圖,每次將物品移動(dòng)至白色方框內(nèi)放下,敲擊圓形按鈕視為成功移動(dòng)一次.

圖10 實(shí)驗(yàn)過(guò)程截圖Fig.10 Snapshots of the grasping experiment

圖11統(tǒng)計(jì)了被試者在實(shí)驗(yàn)中移動(dòng)物品次數(shù)的平均值,即該圖評(píng)價(jià)的是控制方法對(duì)各種物品抓取的表現(xiàn),從圖中可以看到,相對(duì)于開(kāi)關(guān)量控制方法,本文所提出的方法表現(xiàn)優(yōu)異,尤其是涉及到對(duì)物體的抓取需要腕關(guān)節(jié)運(yùn)動(dòng)的時(shí)候.利用開(kāi)關(guān)量控制方法驅(qū)動(dòng)腕關(guān)節(jié)時(shí)需要利用靜態(tài)收縮將控制信號(hào)切換到腕部,這個(gè)切換過(guò)程耗費(fèi)時(shí)間,使得被試者在2分鐘內(nèi)的抓取物品移動(dòng)的次數(shù)較少.同時(shí)在實(shí)驗(yàn)中發(fā)現(xiàn),被試者在追求快速搬運(yùn)物體時(shí),基本不會(huì)主動(dòng)切換控制腕關(guān)節(jié),而是靠身體動(dòng)作的動(dòng)作補(bǔ)償實(shí)現(xiàn)對(duì)物體的抓握,這也說(shuō)明了開(kāi)關(guān)量控制在實(shí)際使用中對(duì)于多自由度假肢存在實(shí)用性不高的問(wèn)題.

圖11 抓取次數(shù)統(tǒng)計(jì)Fig.11 Statistics of the grasping experiment

3 結(jié)論

高效、穩(wěn)定、簡(jiǎn)單是假肢控制的三個(gè)重要方面,尤其伴隨著科學(xué)技術(shù)的發(fā)展,假肢可控的自由度越來(lái)越多,如何利用肢體的各種信號(hào)實(shí)現(xiàn)對(duì)多自由度假肢的控制已經(jīng)越來(lái)越受到研究者的關(guān)注[19].本文利用肩關(guān)節(jié)角度和肌電信號(hào)實(shí)現(xiàn)了對(duì)二自由度假肢的控制,并與開(kāi)關(guān)量控制在抓握方面的表現(xiàn)進(jìn)行了對(duì)比.所提方法利用在不同抓握動(dòng)作下肩關(guān)節(jié)運(yùn)動(dòng)軌跡的不同區(qū)分抓握的物體,進(jìn)而控制腕關(guān)節(jié)旋轉(zhuǎn)到相應(yīng)角度,方便使用者抓握物體.所提方法在使用者抓取物體的過(guò)程中判斷腕關(guān)節(jié)角度,可以提高使用者抓取物品的效率,同時(shí)由于關(guān)節(jié)角度測(cè)量計(jì)算簡(jiǎn)單,在較長(zhǎng)時(shí)間的使用中表現(xiàn)穩(wěn)定.利用關(guān)節(jié)角度的控制方法在下肢假肢中已經(jīng)取得了應(yīng)用,由于下肢的運(yùn)動(dòng)具有明顯的周期規(guī)律性,利用關(guān)節(jié)角度信息可以直接判斷下肢運(yùn)動(dòng)所處于的相位,但是上肢的運(yùn)動(dòng)具有物體導(dǎo)向性,上肢的運(yùn)動(dòng)會(huì)隨著抓取物品位置和形狀的不同發(fā)生變化,本文利用上肢在運(yùn)動(dòng)時(shí)肩關(guān)節(jié)角度變化的不同,完成了對(duì)假肢的控制.上肢的關(guān)節(jié)運(yùn)動(dòng)軌跡中蘊(yùn)含著大量有關(guān)抓取的信息[20],充分利用這些信息可以作為肌電信號(hào)的輔助,提高假肢控制的準(zhǔn)確率和穩(wěn)定性.未來(lái)的工作將會(huì)圍繞利用上肢的運(yùn)動(dòng)學(xué)信息與肌電信號(hào)并行控制假肢.

References

1 Hou Zeng-Guang,Zhao Xin-Gang,Cheng Long,Wang Qi-Ning,Wang Wei-Qun.Recent advances in rehabilitation robots and intelligent assistance systems.Acta Automatica Sinica,2016,42(12):1765?1779(侯增廣,趙新剛,程龍,王啟寧,王衛(wèi)群.康復(fù)機(jī)器人與智能輔助系統(tǒng)的研究進(jìn)展.自動(dòng)化學(xué)報(bào),2016,42(12):1765?1779)

2 Zhang Liang-Qing,Su Yi-Feng,Yang Wan-Zhang,Li Guang-Lin.Research progress of multifunctional upper-limb prosthesis systems.International Journal of Biomedical En-gineering,2013,36(5):311?316(張良清,蘇沂峰,楊萬(wàn)章,李光林.多功能上肢假肢的研究進(jìn)展.國(guó)際生物醫(yī)學(xué)工程雜志,2013,36(5):311?316)

3 Tong Li-Na,Hou Zeng-Guang,Peng Liang,Wang Wei-Qun,Chen Yi-Xiong,Tan Min.Multi-channel sEMG time series analysis based human motion recognition method.Acta Automatica Sinica,2014,40(5):810?821(佟麗娜,侯增廣,彭亮,王衛(wèi)群,陳翼雄,譚民.基于多路sEMG時(shí)序分析的人體運(yùn)動(dòng)模式識(shí)別方法.自動(dòng)化學(xué)報(bào),2014,40(5):810?821)

4 Kamavuako E N,Scheme E J,Englehart K B.Determination of optimum threshold values for EMG time domain features;a multi-dataset investigation.Journal of Neural Engineering,2016,13(4):Article No.046011

5 Liu J.Feature dimensionality reduction for myoelectric pattern recognition:a comparison study of feature selection and feature projection methods.Medical Engineering and Physics,2014,36(12):1716?1720

6 Politti F,Casellato C,Kalytczak M M,Garcia M B S,Biasotto-Gonzalez D A.Characteristics of EMG frequency bands in temporomandibullar disorders patients.Journal of Electromyography and Kinesiology,2016,31:119?125

7 Li Yang,Tian Yan-Tao,Chen Wan-Zhong.Modeling and classifying of sEMG based on FFT blind identi fication.Acta Automatica Sinica,2012,38(1):128?134(李陽(yáng),田彥濤,陳萬(wàn)忠.基于FFT盲辨識(shí)的肌電信號(hào)建模及模式識(shí)別.自動(dòng)化學(xué)報(bào),2012,38(1):128?134)

8 Ortiz-Catalan M,H?akansson B,Br?anemark R.Real-time and simultaneous control of arti ficial limbs based on pattern recognition algorithms.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(4):756?764

9 Jiang N,Rehbaum H,Vujaklija I,Graimann B,Farina D.Intuitive,online,simultaneous,and proportional myoelectric control over two degrees-of-freedom in upper limb amputees.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(3):501?510

10 Ciancio A L,Cordella F,Barone R,Romeo R A,Bellingegni A D,Sacchetti R,Davalli A,Di Pino G,Ranieri F,Di Lazzaro V,Guglielmelli E,Zollo L.Control of prosthetic hands via the peripheral nervous system.Frontiers in Neuroscience,2016,10:Article No.116

11 Li Q X,Chan P P K,Zhou D L,Fang Y F,Liu H H,Yeung D S.Improving robustness against electrode shift of sEMG based hand gesture recognition using online semi-supervised learning.In:Proceedings of the 2016 International Conference on Machine Learning and Cybernetics.Jeju,South Korea:IEEE,2016.344?349

12 Cipriani C,Sassu R,Controzzi M,Carrozza M C.In fluence of the weight actions of the hand prosthesis on the performance of pattern recognition based myoelectric control:preliminary study.In:Proceedings of the 2011 Annual International Conference on Engineering in Medicine and Biology Society.Boston,USA:IEEE,2011.1620?1623

13 Staudenmann D,Roeleveld K,Stegeman D F,van Die?n J H.Methodological aspects of SEMG recordings for force estimation-a tutorial and review.Journal of Electromyography and Kinesiology,2010,20(3):375?387

14 Young A J,Smith L H,Rouse E J,Hargrove L J.A comparison of the real-time controllability of pattern recognition to conventional myoelectric control for discrete and simultaneous movements.Journal of Neuroengineering and Rehabilitation,2014,11:Article No.5

15 Clement R G,Bugler K E,Oliver C W.Bionic prosthetic hands:a review of present technology and future aspirations.The Surgeon,2011,9(6):336?340

16 Tabandeh S,Melek W,Biglarbegian M,Won S H P,Clark C.A memetic algorithm approach for solving the task-based con figuration optimization problem in serial modular and recon figurable robots.Robotica,2016,34(9):1979?2008

17 Montagnani F,Controzzi M,Cipriani C.Exploiting arm posture synergies in activities of daily living to control the wrist rotation in upper limb prostheses:a feasibility study.In:Proceedings of the 37th Annual International Conference of Engineering and Medicine and Biology Society.Milan,Italy:IEEE,2015.2462?2465

18 Vandenberghe A,Levin O,Schutter J D,Swinnen S,Jonkers I.Three-dimensional reaching tasks: effect of reaching height and width on upper limb kinematics and muscle activity.Gait and Posture,2010,32(4):500?507

19 Ding Qi-Chuan,Xiong An-Bin,Zhao Xin-Gang,Han Jian-Da.A review on researches and applications of sEMG-based motion intent recognition methods.Acta Automatica Sinica,2016,42(1):13?25(丁其川,熊安斌,趙新剛,韓建達(dá).基于表面肌電的運(yùn)動(dòng)意圖識(shí)別方法研究及應(yīng)用綜述.自動(dòng)化學(xué)報(bào),2016,42(1):13?25)

20 Papaleo E,Zollo L,Garcia-Aracil N,Badesa F J,Morales R,Mazzoleni S,Sterzi S,Guglielmelli E.Upper-limb kinematic reconstruction during stroke robot-aided therapy.Medical and Biological Engineering and Computing,2015,53(9):815?828