基于sEMG和變剛度控制的虛擬假手交互系統(tǒng)*

余偉杰, 曾 洪, 金偉明, 宋愛國

(東南大學(xué) 儀器科學(xué)與工程學(xué)院,江蘇 南京 210096)

0 引 言

表面肌電(surface electromyography,sEMG)信號中蘊(yùn)含了關(guān)節(jié)運(yùn)動、肌肉伸縮等大量信息,且sEMG超前于實(shí)際運(yùn)動,因此sEMG被廣泛應(yīng)用于人機(jī)交互領(lǐng)域[1]。通過sEMG控制虛擬假手的關(guān)鍵是由sEMG中識別出人的運(yùn)動意圖,包括離散動作分類和連續(xù)運(yùn)動估計兩類。離散動作分類一般通過模式識別技術(shù)從sEMG中提取離散手部動作,如握拳、伸掌等[2],從而控制虛擬假手做出相應(yīng)的動作。離散動作分類的研究較多,方法較為成熟,識別率也較高,如張發(fā)輝等人[3]通過支持向量機(jī)(SVM)識別4種手勢動作的識別率達(dá)99.3 %,宋佳強(qiáng)等人[4]通過線性判別分析(LDA)識別8種手勢的識別率達(dá)97.5 %。但離散動作分類只能識別事先定義好的一定數(shù)量的手部動作,對于超出定義范圍的離散動作以及連續(xù)動作的識別效果較差。連續(xù)運(yùn)動估計則是通過sEMG提取肌肉激活度[5]或信號包絡(luò)[6]進(jìn)而估計關(guān)節(jié)運(yùn)動量,估計結(jié)果作為參考輸入來控制虛擬假手完成連續(xù)平滑運(yùn)動。Li Z[7]與Han J等人[8]通過Hill模型來估計關(guān)節(jié)運(yùn)動量,該模型能夠解釋運(yùn)動的產(chǎn)生過程；Nakamura G等人[9]直接建立sEMG信號與關(guān)節(jié)運(yùn)動量之間的回歸模型,建模過程簡單直接。將上述方法估計的連續(xù)運(yùn)動量作為輸入直接控制假手雖然可以實(shí)現(xiàn)假手與人的同步,但無法根據(jù)假手的交互力調(diào)節(jié)假手的運(yùn)動狀態(tài),不具備柔順性。人體肌肉和關(guān)節(jié)則具有剛度可調(diào)的特性,可以根據(jù)任務(wù)的變化通過拮抗肌肉對的共收縮來調(diào)節(jié)剛度[10],當(dāng)需要實(shí)現(xiàn)與環(huán)境的柔順力交互時主動減小剛度,當(dāng)需要抵抗較強(qiáng)外部干擾力以實(shí)現(xiàn)精準(zhǔn)控制時主動增大剛度[11]。

因此,本文實(shí)現(xiàn)了一種基于sEMG和變剛度控制的虛擬假手交互系統(tǒng),首先,通過MYO肌電臂環(huán)采集人體前臂的sEMG,并從中估計人手的剛度水平和關(guān)節(jié)扭矩;然后,通過變剛度阻抗控制模型估計虛擬假手的關(guān)節(jié)角度;最后,使用估計的關(guān)節(jié)角度控制虛擬假手與虛擬環(huán)境中的物體進(jìn)行交互,交互過程中根據(jù)虛擬假手與物體的交互力對關(guān)節(jié)角度進(jìn)行動態(tài)調(diào)節(jié),從而提高虛擬假手的柔順性。

1 虛擬假手交互系統(tǒng)構(gòu)建

1.1 系統(tǒng)的整體框架

系統(tǒng)整體框架如圖1所示,主要包括sEMG采集與預(yù)處理、基于sEMG和變剛度控制的關(guān)節(jié)角度估計、虛擬假手交互環(huán)境3個模塊。sEMG采集與預(yù)處理模塊采集人體前臂的sEMG并進(jìn)行預(yù)處理?；趕EMG和變剛度阻抗控制的關(guān)節(jié)角度估計模塊,首先從預(yù)處理后的sEMG信號包絡(luò)中估計人手關(guān)節(jié)扭矩和剛度水平,然后基于變剛度阻抗控制模型估計虛擬假手的關(guān)節(jié)角度。虛擬假手交互環(huán)境模塊根據(jù)估計得到的關(guān)節(jié)角度控制虛擬假手與虛擬環(huán)境中的物體進(jìn)行交互,并計算虛擬假手交互過程中的交互力,轉(zhuǎn)換為關(guān)節(jié)阻抗控制模型中的外部扭矩。

圖1 基于sEMG信號和變剛度阻抗控制的虛擬假手交互系統(tǒng)整體框架

1.2 sEMG信號采集及預(yù)處理

本文選用的sEMG傳感器為加拿大Thalmic實(shí)驗室于2013年推出的MYO肌電臂環(huán)。采集到的sEMG將通過低功率的藍(lán)牙將信號傳輸給上位機(jī)。MYO肌電臂環(huán)8個電極通道的編號如圖2所示。

圖2 MYO臂環(huán)電極通道設(shè)置

本文要求所有用戶統(tǒng)一將MYO臂環(huán)佩戴在前臂靠近肘關(guān)節(jié)的位置,且臂環(huán)的LED標(biāo)識(位于第4通道)遠(yuǎn)離肘關(guān)節(jié)。與手指關(guān)節(jié)彎曲伸展相關(guān)的肌肉主要是位于前臂的指淺屈肌(flexor digitorum superficialis,FDS)和指總伸肌(extensor digitorum communis,EDC),其中，指淺屈肌的sEMG信號由MYO臂環(huán)的通道5和通道6采集,指總伸肌的sEMG信號由MYO臂環(huán)的通道3采集。

由于sEMG信號是運(yùn)動單位產(chǎn)生的動作電位序列(motor unit action potential trains,MUAPT)在皮膚表面疊加而成的一種非平穩(wěn)微弱信號[9],因此需要對采集的原始肌電信號進(jìn)行預(yù)處理,提取sEMG信號包絡(luò)。預(yù)處理過程包括全波整流、低通濾波和基于最大自主收縮(maximum voluntary contraction,MVC)的歸一化3部分。其中，低通濾波采用二階巴特沃茲低通濾波器,截止頻率為5 Hz。

1.3 基于sEMG和變剛度控制的關(guān)節(jié)角度估計

關(guān)節(jié)角度估計方法的原理框圖如圖3所示,分為基于變剛度控制的虛擬假手關(guān)節(jié)角度估計和基于sEMG的人手關(guān)節(jié)扭矩和剛度水平估計兩部分。

圖3 基于sEMG和變剛度控制的虛擬假手關(guān)節(jié)角度估計方法的原理框圖

1.3.1 基于變剛度控制的虛擬假手關(guān)節(jié)角度估計

當(dāng)中樞神經(jīng)系統(tǒng)(central nervous system,CNS)發(fā)出運(yùn)動指令,產(chǎn)生肌肉控制信號分別作用于伸肌和屈肌,兩塊肌肉被激活后收縮產(chǎn)生肌力,在關(guān)節(jié)處產(chǎn)生關(guān)節(jié)扭矩,驅(qū)動關(guān)節(jié)運(yùn)動。在進(jìn)行抓握動作的過程中,關(guān)節(jié)的阻抗控制模型如下

τ-τE=M+B+K(θ-θ0)

(1)

式中θ和θ0為手部關(guān)節(jié)的實(shí)時角度與起始角度；和分別為關(guān)節(jié)角速度和角加速度；M,B,K分別為慣性、阻尼和剛度系數(shù)；τ為關(guān)節(jié)扭矩,τE為外部扭矩。

本文將假手與物體的交互力集中于手指與物體的接觸點(diǎn),根據(jù)式(2)計算假手與物體間的交互力,進(jìn)而根據(jù)式(3)轉(zhuǎn)換為關(guān)節(jié)的外部扭矩

Fint=kf(θ-θobject)

(2)

τE=lFint

(3)

式中l(wèi)為手指與物體的接觸點(diǎn)到關(guān)節(jié)的距離,Fint為手與物體的交互力,kf為交互力系數(shù),θ為角度估計值,θobject為手與物體恰好接觸時的關(guān)節(jié)角度。

在手部關(guān)節(jié)緩慢運(yùn)動時,關(guān)節(jié)角加速度較小,慣性系數(shù)所引起的扭矩變化可忽略不計,故忽略式(1)中的慣性系數(shù),并重新排列,得到式(4)

(4)

在離散時間系統(tǒng)中對角速度進(jìn)行積分得到抓握運(yùn)動過程中的關(guān)節(jié)角度估計值

(5)

式中T為相鄰2次迭代的時間間隔,k為迭代次數(shù)。剛度系數(shù)K,阻尼系數(shù)B及關(guān)節(jié)扭矩τ從sEMG信號中估計得到。

1.3.2 基于sEMG的人手關(guān)節(jié)扭矩和剛度水平估計

當(dāng)肌肉不處于干擾和疲勞的狀態(tài)下時,sEMG與關(guān)節(jié)扭矩及剛度之間呈現(xiàn)近似線性的關(guān)系。根據(jù)sEMG與關(guān)節(jié)扭矩間的近似線性關(guān)系,使用修正的雙曲正切模型[12]從sEMG信號中估計關(guān)節(jié)扭矩

τ=aτδ

(6)

δ=aq(1-e-bq(Af-Ae))/(1+e-bq(Af-Ae))

(7)

式中aτ為扭矩增益。δ為拮抗肌肉對的肌肉激活水平差,歸一化至[0,1]的取值范圍內(nèi),在肌肉處于放松狀態(tài)時可以表示手指關(guān)節(jié)彎曲程度。aq和bq為常數(shù),通過參數(shù)辨識實(shí)驗確定。Af和Ae分別為與手指關(guān)節(jié)轉(zhuǎn)動相關(guān)的拮抗肌肉對中指淺屈肌和指總伸肌的sEMG信號包絡(luò)。

相應(yīng)地,使用修正的雙曲正切模型從sEMG中估計人手的剛度水平

Ks=ak(1-e-bk(Af+Ae))/(1+e-bk(Af+Ae))

(8)

式中ak和bk為常數(shù),通過參數(shù)辨識實(shí)驗確定。Ks為人手的剛度水平,取值范圍為[0,1]。阻抗控制模型中的剛度系數(shù)K通過將剛度水平映射到人手的剛度區(qū)間內(nèi)獲得

K=(Kmax-Kmin)Ks+Kmin

(9)

式中Kmax和Kmin為手的最大剛度和最小剛度,通過最小二乘法確定。在抓握物體時,為滿足穩(wěn)定性要求,阻尼系數(shù)B與剛度系數(shù)K需滿足式(10)中的關(guān)系

(10)

1.4 虛擬假手交互環(huán)境

本文利用Unity 3D建立了一個僅掌指關(guān)節(jié)可以轉(zhuǎn)動的單自由度虛擬假手。并搭建了一個抓握物體的虛擬交互環(huán)境,根據(jù)上述基于sEMG和變剛度控制的手指關(guān)節(jié)角度估計方法得到的角度估計值控制虛擬假手的掌指關(guān)節(jié)轉(zhuǎn)動以抓握虛擬物體,過程中根據(jù)式(2)計算虛擬假手與物體的交互力,抓握是否成功的判定條件為虛擬假手與虛擬物體的交互力超過交互力閾值(本文設(shè)置為7 N)2.5 s。

人手在抓握物體時,感知到無法將物體成功抓握時,會使用更大的握力直到能將其成功抓握。在控制虛擬假手抓握物體時,人手中沒有物體,無法感知交互力,因此，在虛擬環(huán)境中將虛擬假手與虛擬物體的接觸交互力集中于虛擬手指與虛擬物體的接觸點(diǎn),計算虛擬假手與物體的接觸交互力,進(jìn)一步轉(zhuǎn)換為關(guān)節(jié)處的外部扭矩。

2 實(shí)驗與結(jié)果

10名(年齡22～27歲,7男3女)均為右利手的健康被試參加了實(shí)驗。

2.1 角度估計實(shí)驗

在進(jìn)行抓握控制實(shí)驗前,被試首先在沒有外力干擾的情況下進(jìn)行手指關(guān)節(jié)的轉(zhuǎn)動,評估基于sEMG和變剛度控制的關(guān)節(jié)角度估計值與真實(shí)測量值的標(biāo)準(zhǔn)化均方根誤差(normalized root mean squared error,NRMSE),10位被試的平均NRMSE為0.164 1±0.023 6(均值±標(biāo)準(zhǔn)差),說明大部分被試可通過本文方法較準(zhǔn)確地從sEMG信號中估計人手關(guān)節(jié)角度。關(guān)節(jié)角度估計值和關(guān)節(jié)角度測量值如圖4所示,在10°～70°內(nèi),所提方法的關(guān)節(jié)角度估計效果較好。

圖4 虛擬假手關(guān)節(jié)角度估計結(jié)果

2.2 虛擬假手交互實(shí)驗

為了驗證基于sEMG和變剛度控制的虛擬假手的抓握柔順性和穩(wěn)定性,本文進(jìn)行了虛擬假手交互實(shí)驗,被試通過上述方法估計得到的假手關(guān)節(jié)角度控制假手在3種不同的剛度模式下對圓柱形虛擬物體進(jìn)行抓握：1)高剛度；2)低剛度；3)變剛度。其中，變剛度模式下將根據(jù)從sEMG信號中估計的人手剛度水平調(diào)節(jié)阻抗控制模型中的剛度系數(shù)及阻尼系數(shù),高剛度模式和低剛度模式下剛度系數(shù)和阻尼系數(shù)將保持不變。實(shí)驗將評估抓握成功率和抓握過程中的均值交互力及峰值交互力。

圖5所示為被試佩戴MYO臂環(huán),控制虛擬假手抓握虛擬物體。

圖5 實(shí)驗環(huán)境

如圖5所示，被試在每種剛度模式下進(jìn)行4次實(shí)驗,共12次實(shí)驗。為了最小化學(xué)習(xí)效應(yīng),被試在正式實(shí)驗前將進(jìn)行充分的訓(xùn)練,剛度模式順序隨機(jī)分配且不告知被試當(dāng)前實(shí)驗的剛度模式。

10位被試共120次實(shí)驗中,其中失敗次數(shù)為3次,實(shí)驗?zāi)Ｊ骄鶠榈蛣偠饶Ｊ?這說明在低剛度模式下,容易因無法提供所需的最小交互力導(dǎo)致無法成功抓握。10位被試進(jìn)行抓握實(shí)驗的均值交互力和峰值交互力如圖6所示,高剛度模式下的交互力較大(均值為(14.84±1.26)N,峰值為(21.61±1.24)N),低剛度模式下的交互力較小(均值為(8.78±0.97)N,峰值為(14.23±1.36)N),變剛度模式下的交互力處于高、低剛度模式之間(均值為(10.40±0.65)N,峰值為(16.31±0.82)N)。

圖6 抓握實(shí)驗的均值交互力和峰值交互力

在顯著性水平為0.05下對實(shí)驗數(shù)據(jù)進(jìn)行Kruskal-Wallis H檢驗的結(jié)果為不同剛度模式下,抓握過程中的均值交互力(P<0.01)和峰值交互力(P<0.01)均有顯著性差異,然后進(jìn)行了事后多重檢驗,為消除多重比較可能造成的統(tǒng)計學(xué)偏倚,根據(jù)Bonferroni法對P值進(jìn)行了校正。檢驗結(jié)果表明，低剛度模式下的交互力與高剛度模式有顯著性差異,變剛度模式與高剛度模式有顯著性差異而低剛度模式下的交互力與變剛度模式?jīng)]有顯著性差異。這說明與高剛度模式相比,低剛度模式的虛擬假手能顯著減小與物體間的交互力,而在變剛度模式下被試傾向于控制肌肉收縮程度維持在較低的剛度值以達(dá)到較小的交互力。

在高剛度模式下,假手與物體間的峰值交互力較大,容易造成物體的變形或損壞,低剛度模式下的交互力較小,可能因無法提供所需的最小交互力導(dǎo)致無法成功抓握。而在變剛度模式下,根據(jù)通過控制肌肉收縮程度來調(diào)節(jié)假手的剛度值在高、低剛度之間,在成功抓握的前提下產(chǎn)生盡可能小的交互力。

3 結(jié) 論

通過MYO肌電臂環(huán)采集人體前臂的sEMG信號,并從中估計人手的剛度水平和關(guān)節(jié)扭矩,然后，根據(jù)人手的剛度水平通過變剛度阻抗控制模型估計虛擬假手的關(guān)節(jié)角度,最后，將估計的關(guān)節(jié)角度用于控制虛擬假手與虛擬環(huán)境中的物體進(jìn)行交互,交互過程中根據(jù)虛擬假手與物體的交互力動態(tài)調(diào)節(jié)關(guān)節(jié)角度。實(shí)驗表明：與固定高剛度和固定低剛度相比,基于sEMG和變剛度控制的虛擬假手在進(jìn)行抓握物體的交互任務(wù)時能夠在成功抓握物體的基礎(chǔ)上產(chǎn)生較小的交互力,從而實(shí)現(xiàn)柔順、穩(wěn)定的交互。