基于概率神經(jīng)網(wǎng)絡(luò)的多模態(tài)感知假肢手

焦偉，劉思成，韓博，宮玉琳

（長(zhǎng)春理工大學(xué) 電子信息工程學(xué)院，長(zhǎng)春 130022）

手是人類(lèi)最重要的運(yùn)動(dòng)執(zhí)行器官之一，人類(lèi)的大部分工作都是由雙手獨(dú)立或協(xié)調(diào)完成，生活、工作、學(xué)習(xí)、運(yùn)動(dòng)和交流更是離不開(kāi)一雙完好的手。人手具有多種自由度，還可以讓人擁有對(duì)不同物體的感受：軟、硬、光滑、粗糙、冷、熱等，是人認(rèn)知整個(gè)世界必需的身體部件之一。但是對(duì)于上肢殘疾的患者來(lái)說(shuō)，手臂的缺失令他們的生活和工作十分不便，讓他們很難融入正常節(jié)奏的社會(huì)生活。

隨著傳統(tǒng)電子技術(shù)、機(jī)械技術(shù)和人工智能技術(shù)的深度融合，基于肌電信號(hào)及傳感器反饋的假肢研究已越來(lái)越成為電子技術(shù)和生物醫(yī)學(xué)工程等領(lǐng)域的研究熱點(diǎn)。本文研究設(shè)計(jì)一款基于概率神經(jīng)網(wǎng)絡(luò)的多模態(tài)感知假肢手，可以完成十余種手勢(shì)動(dòng)作的識(shí)別，并具有觸覺(jué)、溫度和滑覺(jué)的感知反饋功能，實(shí)時(shí)采集外部信息并通過(guò)相應(yīng)的刺激反饋給人體，實(shí)現(xiàn)人與假肢的智能交互。

1 假肢總體結(jié)構(gòu)設(shè)計(jì)

1.1 系統(tǒng)總體介紹

人的上肢由32塊骨骼與50余塊肌肉驅(qū)動(dòng)，具有很高的靈活性與適應(yīng)性，而假肢作為人體缺失肢體的補(bǔ)充替代物，在完成動(dòng)作數(shù)量、抓握力、開(kāi)合范圍、模態(tài)感知等方面都有較高的要求。

假肢手具有六自由度，包含拇指的兩個(gè)自由度與其余四指分別具有的一個(gè)自由度。同時(shí)為了滿(mǎn)足手部的感知需求，裝配了觸覺(jué)、溫度和滑覺(jué)感知反饋傳感器，系統(tǒng)整體結(jié)構(gòu)框圖如圖1所示。

圖1 系統(tǒng)整體結(jié)構(gòu)框圖

系統(tǒng)的核心控制器是意法半導(dǎo)體公司的STM32F系列的103C8T6，程序存儲(chǔ)器容量是64 KB，工作電壓為2～3.6 V，結(jié)合了高性能的RISC內(nèi)核，運(yùn)行頻率可達(dá)72 MHz，具有高速內(nèi)嵌存儲(chǔ)器，外部連接至兩個(gè)APB總線(xiàn)。STM32F103C8T6具有12位模數(shù)轉(zhuǎn)換器、計(jì)時(shí)器、PWM計(jì)時(shí)器、標(biāo)準(zhǔn)和高級(jí)通信接口，很好地滿(mǎn)足了系統(tǒng)的設(shè)計(jì)需求。

1.2 力觸覺(jué)感知

假肢手系統(tǒng)力感知部分采用薄膜壓力傳感器FSR402對(duì)壓力進(jìn)行采集，其電阻會(huì)隨著作用在傳感器表面施加力的變化而變化，當(dāng)壓力增大時(shí)，電阻減小，壓力采集的靈敏度范圍在0.02～6 kg，誤差較小。傳感器外接電壓轉(zhuǎn)換模塊，將有壓力時(shí)傳感器的電阻變化轉(zhuǎn)換為0～3.3 V的電壓變化和開(kāi)關(guān)量信號(hào)，利用單片機(jī)ADC進(jìn)行采集，實(shí)時(shí)監(jiān)控假肢手指上的壓力變化。

1.3 溫度感知

假肢手采用溫度傳感器HDC1080接觸式溫濕度傳感器，可以同時(shí)測(cè)量精度較高的溫濕度信息。系統(tǒng)所需溫度系統(tǒng)的溫差范圍為-20℃～50℃，精度為0.2℃，同時(shí)此傳感器用于仿生手臂的指尖，對(duì)溫度傳感器的大小有一定的要求，所以此溫度傳感器體積必須以小為主，電路需要簡(jiǎn)潔。因此，此溫度傳感器HDC1080可以很好地滿(mǎn)足設(shè)計(jì)的需要。HDC1080通過(guò)IIC進(jìn)行讀寫(xiě)操作，具有速度快、準(zhǔn)確性強(qiáng)的優(yōu)點(diǎn)。同時(shí)溫度傳感器精度達(dá)到±0.2℃，符合設(shè)計(jì)要求。

1.4 滑覺(jué)感知與信號(hào)調(diào)理電路

在假手的有效控制中，滑覺(jué)的檢測(cè)是一個(gè)重要部分。通過(guò)滑覺(jué)檢測(cè)能夠得到假手對(duì)物體施加水平壓力的最小數(shù)值?；X(jué)傳感器是能夠檢測(cè)滑動(dòng)的傳感器。因此采用PVDF壓電薄膜元件LDTO-028K。

PVDF觸滑覺(jué)傳感器有兩個(gè)作用：一是檢測(cè)假手抓取物體時(shí)，假手與物體的接觸情況，即作用在物體上的垂直作用力的大?。欢歉鶕?jù)物體的滑動(dòng)趨勢(shì)產(chǎn)生控制物體的作用力。

PVDF在受到外力作用時(shí)會(huì)產(chǎn)生輕微形變，其材料晶面會(huì)因此形變產(chǎn)生電荷信號(hào)。因其具有高敏感度、低聲阻抗、高穩(wěn)定性的優(yōu)點(diǎn)，所以可將它用于人體觸滑覺(jué)的檢測(cè)與判斷[1]。

PVDF傳感器通過(guò)檢測(cè)其因滑動(dòng)與觸碰產(chǎn)生的不同的電荷強(qiáng)度來(lái)判斷滑動(dòng)的產(chǎn)生，以此來(lái)控制手部動(dòng)作的力度，實(shí)現(xiàn)一定程度上抓取的及時(shí)性、準(zhǔn)確性和可靠性。

由于PVDF在外力觸碰情況下產(chǎn)生的是電荷信號(hào)，所以需要設(shè)計(jì)PVDF傳感器的信號(hào)調(diào)理電路來(lái)采集觸滑覺(jué)信號(hào)。電路原理如圖2所示，由電荷放大器、濾波放大電路、主放大電路、陷波電路組成[2]。

圖2 滑覺(jué)調(diào)理電路原理圖

2 基于表面肌電信號(hào)的手勢(shì)動(dòng)作識(shí)別

2.1 肌電信號(hào)的采集

人體的運(yùn)動(dòng)系統(tǒng)主要由骨骼肌組成，人在生活中的各種身體活動(dòng)都需要以骨骼肌與完整的神經(jīng)活動(dòng)作為基礎(chǔ)，肌電信號(hào)（EMG）便是肌肉運(yùn)動(dòng)時(shí)細(xì)胞所產(chǎn)生的動(dòng)作電位。表面肌電信號(hào)（sEMG）是淺層肌肉EMG和神經(jīng)干上電活動(dòng)在皮膚表面的綜合效應(yīng)，可以通過(guò)電極在肌肉表面進(jìn)行引導(dǎo)采集，由于表面肌電信號(hào)與肌肉的運(yùn)動(dòng)狀態(tài)存在一定的關(guān)聯(lián)性，所以可以在一定程度上反映神經(jīng)肌肉的活動(dòng)。

實(shí)驗(yàn)表明，肌肉的動(dòng)作電位可以產(chǎn)生-90～30 mV的電勢(shì)差，表面肌電信號(hào)的幅值在100～5 000 μV。有用信號(hào)的頻率成分位于0～500 Hz范圍內(nèi)。根據(jù)波士頓大學(xué)神經(jīng)肌肉研究中心利用雙極型模型得到的肌電頻譜，絕大部分頻率集中在50～150 Hz之間[3]。

采用MYO臂環(huán)實(shí)現(xiàn)對(duì)手臂肌電信號(hào)的采集如圖3所示。使用者將MYO臂環(huán)佩戴在手臂上，將采集到的表面肌電信號(hào)作為假肢手的控制信號(hào)，經(jīng)過(guò)信號(hào)特征提取、模式識(shí)別之后輸入假肢手控制器控制假肢手的動(dòng)作。

圖3 肌電信號(hào)采集圖

經(jīng)由MYO臂環(huán)采集到的原始肌電信號(hào)經(jīng)過(guò)硬件上的濾波和降噪等處理后，仍然會(huì)存在工頻噪聲、尖峰幅值等干擾，所以還需要進(jìn)行軟件上的濾波處理[4]。

2.2 活動(dòng)段檢測(cè)

活動(dòng)段檢測(cè)采用移動(dòng)平均法和閾值法相結(jié)合的方法對(duì)動(dòng)作起始點(diǎn)進(jìn)行檢測(cè)，從而得出動(dòng)作的有效數(shù)據(jù)段[5]，實(shí)現(xiàn)該方法的一般步驟如下所示：

（1）對(duì)每一類(lèi)動(dòng)作的每個(gè)通道的原始sEMG信號(hào)進(jìn)行絕對(duì)化，再滑動(dòng)求和（滑動(dòng)長(zhǎng)度N=50），通道個(gè)數(shù)為I（1≤I≤8）。算法實(shí)現(xiàn)為：

式中，I為通道數(shù)；N為單個(gè)窗口采樣數(shù)目；xk為采樣點(diǎn)信號(hào)幅值。

（2）對(duì)所有滑動(dòng)窗絕對(duì)求和后的數(shù)據(jù)求平均值，算法公式為：

式中，l為每一個(gè)通道sEMG的采樣點(diǎn)個(gè)數(shù)；Emg-MAVI(l)代表通過(guò)滑動(dòng)平均之后的絕對(duì)平均值。

針對(duì)不同的手勢(shì)動(dòng)作難以確定哪一個(gè)通道的sEMG較好，直接將I個(gè)通道的Emg-MAVI(l)信號(hào)相加，根據(jù)有效的閾值來(lái)檢測(cè)動(dòng)作起止點(diǎn)，從而判斷出有效的手勢(shì)動(dòng)作sEMG數(shù)據(jù)段，如圖4所示，經(jīng)過(guò)傳感器采集，截取8個(gè)通道中的4個(gè)通道原始數(shù)據(jù)。

圖4 四個(gè)通道的原始數(shù)據(jù)

2.3 特征提取

為挖掘表面肌電信號(hào)中隱藏的有用信號(hào)，并剔除多余部分信號(hào)的干擾，提高對(duì)人體行為的識(shí)別率，通過(guò)提取時(shí)域特征來(lái)獲取sEMG的特征。

時(shí)域特征的提取不需要對(duì)肌電信號(hào)進(jìn)行任何變換，可直接通過(guò)對(duì)原始肌電信號(hào)時(shí)間序列進(jìn)行計(jì)算，由于表面肌電信號(hào)中信息多集中于500 Hz以下，且時(shí)域特征在低頻環(huán)境中有良好的分類(lèi)性能表現(xiàn)，具有計(jì)算復(fù)雜度低的特點(diǎn)[6]。故提取的時(shí)域特征有5種。提取以下三種：

通過(guò)八通道采集肌電信號(hào)，對(duì)每一路肌電信號(hào)分別提取3種時(shí)域特征，共計(jì)24種時(shí)域特征，所得到的特征參數(shù)將用于手勢(shì)動(dòng)作分類(lèi)。

2.4 手勢(shì)識(shí)別

2.4.1 概率神經(jīng)網(wǎng)絡(luò)概述

概率神經(jīng)網(wǎng)絡(luò)（PNN）網(wǎng)絡(luò)模型如圖5所示，該神經(jīng)網(wǎng)絡(luò)分類(lèi)器采用四層PNN神經(jīng)網(wǎng)絡(luò)算法，它的四層網(wǎng)絡(luò)結(jié)構(gòu)分別是輸入層、模式層、競(jìng)爭(zhēng)層和輸出層[7]。PNN是一種基于貝葉斯最優(yōu)分類(lèi)決策理論與核密度估計(jì)的概率密度非參數(shù)估計(jì)方法的神經(jīng)網(wǎng)絡(luò)算法[8]。相對(duì)于其他常見(jiàn)的神經(jīng)網(wǎng)絡(luò)，PNN的主要技術(shù)優(yōu)勢(shì)在于：

圖5 PNN神經(jīng)網(wǎng)絡(luò)模型

（1）學(xué)習(xí)的過(guò)程較其他的神經(jīng)網(wǎng)絡(luò)更簡(jiǎn)單，它可以將原本需要非線(xiàn)性學(xué)習(xí)算法的任務(wù)通過(guò)直接使用線(xiàn)性學(xué)習(xí)算法來(lái)解決。

（2）收斂速度快，實(shí)時(shí)性也相對(duì)比較好。PNN網(wǎng)絡(luò)中相對(duì)應(yīng)的連接權(quán)值就是模型樣本的連接和分布，不必再進(jìn)行訓(xùn)練，連接的權(quán)值由輸入層直接決定。

（3）信息劃分更準(zhǔn)確，對(duì)錯(cuò)誤、噪聲容忍程度更大。當(dāng)代表性的訓(xùn)練樣本數(shù)量已經(jīng)足夠多時(shí)，判別面就會(huì)逐漸趨向貝葉斯的最優(yōu)分類(lèi)面。從本質(zhì)上說(shuō)，PNN是一個(gè)監(jiān)督神經(jīng)網(wǎng)絡(luò)分類(lèi)器。

如圖5所示，從左至右對(duì)PNN神經(jīng)網(wǎng)絡(luò)基本模型介紹如下：

（1）第一層為樣本的輸入層；

（2）第二層通過(guò)非線(xiàn)性權(quán)值映射出輸入向量與各模式的匹配關(guān)系，稱(chēng)為模式層；

（3）第三層通過(guò)相對(duì)線(xiàn)性網(wǎng)絡(luò)將模式層中統(tǒng)一模式的向量做加權(quán)平均，稱(chēng)為競(jìng)爭(zhēng)層；

（4）第四層輸出層通過(guò)對(duì)競(jìng)爭(zhēng)函數(shù)的臨界值判斷，輸出擁有最大后驗(yàn)概率密度的神經(jīng)元。

2.4.2 基于概率神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別

識(shí)別系統(tǒng)通過(guò)建立概率神經(jīng)網(wǎng)絡(luò)（PNN）對(duì)手勢(shì)動(dòng)作進(jìn)行分類(lèi)和識(shí)別，特征信號(hào)d1，d2，…，dn代表n種不同的動(dòng)作特征數(shù)據(jù)，輸入層接收待識(shí)別樣本特征數(shù)據(jù)，該層神經(jīng)元個(gè)數(shù)與輸入向量長(zhǎng)度相等，輸入向量傳遞給模式層：

式中，p為待分類(lèi)動(dòng)作個(gè)數(shù)。

模式層計(jì)算測(cè)試樣本與訓(xùn)練樣本中的每一個(gè)樣本的Gauss函數(shù)的取值，得到神經(jīng)元個(gè)數(shù)等于訓(xùn)練樣本的個(gè)數(shù)。測(cè)試樣本D與訓(xùn)練樣本C之間的Gauss函數(shù)取值為：

式中，C為訓(xùn)練樣本；σ為平滑參數(shù)，其值一般在0到1之間。通過(guò)調(diào)整可以提高分類(lèi)精度：

式中，m為訓(xùn)練樣本個(gè)數(shù)。

Euclidean為待測(cè)試樣本D與訓(xùn)練樣本C的距離，其值為：

模式層高斯函數(shù)的神經(jīng)元被σ激活后，得到初始概率矩陣P：

競(jìng)爭(zhēng)層的主要作用是線(xiàn)性求和、加權(quán)平均。將模式層中同一模式的神經(jīng)元的輸出做加權(quán)平均，該層神經(jīng)元個(gè)數(shù)與樣本模式總數(shù)相同，且與模式層神經(jīng)元建立連接關(guān)系的前提條件是兩者屬于同一模式分類(lèi)[9]。假設(shè)共有h個(gè)動(dòng)作，并且各類(lèi)樣本數(shù)量相同，均為k，通過(guò)競(jìng)爭(zhēng)層求得各個(gè)樣本屬于各類(lèi)的初始概率和矩陣S：

輸出層將具有最大后驗(yàn)概率密度的神經(jīng)元輸出，即可得到分類(lèi)結(jié)果。

初步建立網(wǎng)絡(luò)模型后，將實(shí)驗(yàn)數(shù)據(jù)的80%，約480組數(shù)據(jù)用于模型訓(xùn)練集。其余約20%的數(shù)據(jù)，共120組用作測(cè)試集。通過(guò)輸出層的結(jié)果對(duì)網(wǎng)絡(luò)的有效性進(jìn)行判斷。

為了測(cè)試建立的神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)識(shí)別性能，選取8種動(dòng)作，共32組數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試，動(dòng)作類(lèi)型代碼如表1和圖6所示。使用MATLAB搭建概率神經(jīng)網(wǎng)絡(luò)（PNN），測(cè)試結(jié)果如圖7所示。發(fā)現(xiàn)在32組數(shù)據(jù)中，只有1組數(shù)據(jù)出現(xiàn)錯(cuò)誤結(jié)果，識(shí)別率可達(dá)到96.8%，識(shí)別準(zhǔn)確率如圖8所示。

表1 手勢(shì)類(lèi)型代碼

圖6 手勢(shì)動(dòng)作圖

圖7 測(cè)試結(jié)果

圖8 肌電信號(hào)動(dòng)作識(shí)別準(zhǔn)確率

可以看出建立的神經(jīng)網(wǎng)絡(luò)識(shí)別率較高，說(shuō)明這三種特征在提取表面肌電信號(hào)的特征向量方面具有良好的實(shí)用性。比較好地代表了信號(hào)的特征。通過(guò)使用PNN神經(jīng)網(wǎng)絡(luò)對(duì)特征向量進(jìn)行測(cè)試，證明了PNN分類(lèi)模型的識(shí)別結(jié)果是可靠的。

3 假肢手的反饋系統(tǒng)設(shè)計(jì)

3.1 力觸覺(jué)反饋系統(tǒng)

在力的反饋部分，采用機(jī)械震動(dòng)進(jìn)行刺激，該方法裝置簡(jiǎn)單，人體感知明顯，響應(yīng)速度快。將模塊貼合于人體皮膚表面，當(dāng)假肢采集到壓力信息，單片機(jī)控制震動(dòng)模塊產(chǎn)生響應(yīng)頻率的震動(dòng)，人體便可以清楚地感知到作用到假肢上的壓力。

系統(tǒng)硬件組成包括：薄膜壓力傳感器、電壓轉(zhuǎn)換模塊、微型振動(dòng)器、單片機(jī)以及鋰電池等。合理的刺激范圍可以有效的對(duì)肢體殘疾者，進(jìn)行觸覺(jué)再現(xiàn)，幫助使用者更好地完成假肢動(dòng)作。

首先由假肢手指部分的薄膜壓力傳感器采集作用于假肢的壓力信息，經(jīng)過(guò)電壓轉(zhuǎn)換模塊利用單片機(jī)的ADC將壓力信息進(jìn)行采集，然后根據(jù)采集到力的大小確定刺激程度，最后由單片機(jī)控制震動(dòng)系統(tǒng)對(duì)人體進(jìn)行觸覺(jué)反饋，令使用者可以實(shí)時(shí)感受壓力情況，從而進(jìn)行動(dòng)作。

傳感器串聯(lián)一個(gè)固定電阻，測(cè)量固定電阻兩端的輸出如下：

式中，R0為固定電阻；RS為傳感器電阻。

在一般情況下，固定電阻取值建議是取傳感器應(yīng)用電阻范圍值的1/3到1/2。另外，通過(guò)選擇合適的固定電阻可以使壓力和輸出電壓在一定壓力范圍內(nèi)呈現(xiàn)一定程度的近似線(xiàn)性關(guān)系。根據(jù)測(cè)量電路的阻抗要求，分壓器后可以加一個(gè)運(yùn)算放大器。

系統(tǒng)電壓轉(zhuǎn)換電路原理如圖9所示，采用分壓電路接法將薄膜壓力傳感器變化的電阻信號(hào)轉(zhuǎn)換為可以被處理器識(shí)別的電壓信號(hào)，電路采用5 V供電，輸出信號(hào)范圍0～3.3 V，轉(zhuǎn)換精度±0.1 V。

圖9 線(xiàn)性電壓轉(zhuǎn)換電路原理圖

得到如圖10所示的電壓與力的線(xiàn)性關(guān)系后，將電壓值與震動(dòng)模塊的振動(dòng)頻率進(jìn)行函數(shù)關(guān)聯(lián)，當(dāng)電壓值越高，模塊的震動(dòng)頻率越高，關(guān)系函數(shù)如下：y=-350×adcx+800，其中adcx為單片機(jī)采集到的電壓值，y值決定單片機(jī)輸出的占空比，從而實(shí)現(xiàn)模塊不同程度的震動(dòng)。

圖10 輸出電壓與施加力的關(guān)系圖

3.2 溫度反饋系統(tǒng)

溫度控制系統(tǒng)有開(kāi)環(huán)閉環(huán)兩種形式。開(kāi)環(huán)控制是無(wú)反饋控制系統(tǒng)。為提高假肢溫度反饋的舒適度和精準(zhǔn)性采用了閉環(huán)控制。

溫度反饋選擇半導(dǎo)體制冷片，半導(dǎo)體制冷片是利用半導(dǎo)體材料的珀?duì)柼?yīng)制成的，兩端一端能吸熱降溫，另一端能放熱[10]。為實(shí)現(xiàn)溫控系統(tǒng)的實(shí)時(shí)反饋能力，采用常用的PID算法實(shí)現(xiàn)對(duì)溫度的精準(zhǔn)反饋。

在27℃室溫（T0），5 V供電的情況下，測(cè)試傳感器接觸不同溫度的物體，半導(dǎo)體制冷片達(dá)到相應(yīng)溫度的反饋時(shí)間，實(shí)驗(yàn)結(jié)果如表2所示。

表2 溫度反饋時(shí)間表

實(shí)驗(yàn)結(jié)果表明，在室溫環(huán)境下，假肢接觸到溫度較低的物體時(shí)，半導(dǎo)體制冷片達(dá)到目標(biāo)溫度的時(shí)間略長(zhǎng)于接觸到溫度較高物體的時(shí)間，在實(shí)際情況下，低溫對(duì)假肢的傷害遠(yuǎn)低于高溫。假肢采用的PLA材料溫度耐受能力較好，日常所接觸到的溫度不會(huì)對(duì)假肢造成過(guò)大的物理性損傷，而遇到過(guò)高溫度時(shí)（大于80℃），可以通過(guò)設(shè)置報(bào)警裝置以提醒使用者控制假肢離開(kāi)溫度源，從而達(dá)到高溫時(shí)的保護(hù)與日常溫度的反饋感知功能。

3.3 滑覺(jué)反饋系統(tǒng)

在對(duì)假肢手的控制中，需要控制假手握力精準(zhǔn)度以達(dá)到對(duì)不同物體施加最適合的力。使用PVDF壓電薄膜傳感器以檢測(cè)微弱的觸滑覺(jué)信號(hào)。

滑覺(jué)反饋系統(tǒng)模擬人的抓握過(guò)程。人在抓握物體的時(shí)候，通過(guò)皮膚的一系列生物感受器確定物體的位置、重量、狀態(tài)等信息，反饋給大腦，并通過(guò)大腦控制手指關(guān)節(jié)的握力大小。

假肢系統(tǒng)在采集到手部觸滑覺(jué)電信號(hào)后，對(duì)其進(jìn)行方差和均方根的特征提取，獲得此時(shí)抓握的觸覺(jué)和滑覺(jué)的狀態(tài)。并通過(guò)實(shí)際的測(cè)量獲得觸覺(jué)和滑覺(jué)中觸碰和滑動(dòng)的閾值信息。利用判定觸覺(jué)或滑覺(jué)特征是否大于閾值來(lái)檢測(cè)手部的抓握狀態(tài)和物體在手中的滑動(dòng)趨勢(shì)。

接觸壓力產(chǎn)生的電信號(hào)與滑動(dòng)所產(chǎn)生的電信號(hào)具有明顯的區(qū)別，假手控制系統(tǒng)可以進(jìn)行區(qū)分辨別。在利用PVDF實(shí)現(xiàn)假手反饋時(shí)，用PVDF傳感器檢測(cè)信號(hào)判定假手是否與物體接觸，如果未接觸則控制假手關(guān)節(jié)舵機(jī)繼續(xù)帶動(dòng)手指內(nèi)拉，當(dāng)傳感器得到已經(jīng)握住的信號(hào)，則停止內(nèi)拉進(jìn)行下一步活動(dòng)。

PVDF滑覺(jué)傳感器主要作用于握住物體后將物體拿起的過(guò)程，檢測(cè)物體是否具有輕微的滑動(dòng)。因?yàn)槭植康幕X(jué)反饋需要非常敏感，以便于在非常短的時(shí)間內(nèi)便能通過(guò)關(guān)節(jié)舵機(jī)內(nèi)拉獲得能夠拿起物體的摩擦力。所以使用PVDF來(lái)檢測(cè)滑覺(jué)信號(hào)。若觸碰后拿起時(shí)無(wú)滑覺(jué)信號(hào)則握物拿起過(guò)程結(jié)束。若觸碰后手指和物體之間接觸力不夠，則繼續(xù)手指內(nèi)握。

圖11為PVDF壓電薄膜接觸物體所產(chǎn)生的滑覺(jué)響應(yīng)信號(hào)圖，當(dāng)壓電薄膜與物體產(chǎn)生接觸時(shí)，會(huì)產(chǎn)生一個(gè)明顯的脈沖信號(hào)，通常選擇以該信號(hào)作為接觸特征值。對(duì)滑覺(jué)的判斷采用閾值法，當(dāng)信號(hào)的特征值大于閾值時(shí)，認(rèn)為滑動(dòng)產(chǎn)生。對(duì)連續(xù)N個(gè)采樣值進(jìn)行計(jì)算得到均值和方差，具體計(jì)算方式如下：

圖11 觸滑覺(jué)響應(yīng)信號(hào)圖

4 總結(jié)與展望

本文設(shè)計(jì)了一款基于概率神經(jīng)網(wǎng)絡(luò)的多模態(tài)感知假手。其通過(guò)MYO臂環(huán)與軟件處理完成肌電信號(hào)的采集處理，對(duì)多種動(dòng)作進(jìn)行測(cè)試，均取得了較好的分類(lèi)結(jié)果。觸覺(jué)、溫度和滑覺(jué)的感知反饋系統(tǒng)有效地幫助肢體殘疾患者重新獲得手臂部分的感知，驗(yàn)證了此研究的實(shí)用性。

隨著人機(jī)接口技術(shù)的發(fā)展，利用肌電信號(hào)SEMG的手勢(shì)識(shí)別控制假肢與多種傳感器的結(jié)合作為交互媒介是實(shí)現(xiàn)人與機(jī)器交流的有效途徑，也是當(dāng)今的研究熱點(diǎn)，人體的運(yùn)動(dòng)行為較為復(fù)雜，這也是肌電感知的人機(jī)交互過(guò)程中的難點(diǎn)[11]。

此系統(tǒng)為基于SEMG的假肢控制與感知反饋的研究和應(yīng)用提供了一次參考。在未來(lái)的研究中，可以通過(guò)尋找不同患者的SEMG的共性特征與增加容錯(cuò)機(jī)制來(lái)提高手勢(shì)動(dòng)作的識(shí)別率，完成更多的假肢手部動(dòng)作以適應(yīng)不同情形下的需要?；蛘呒蓴?shù)量更多的傳感器，通過(guò)發(fā)展迅速的智能處理算法處理感知數(shù)據(jù)，獲得更精確的反饋。

基于SEMG和感知反饋的假肢研究仍是未來(lái)的研發(fā)熱點(diǎn)，新成果的不斷出現(xiàn)必將為殘疾人的生活帶來(lái)更好的改變。