基于预抓取模式识别假手肌电控制方法.pdfVIP

基于预抓取模式识别的假手肌电控制方法 *  杨大鹏 赵京东 李 楠 姜 力 刘 宏  (哈尔滨工业大学机器人技术与系统国家重点实验室 哈尔滨  150001)  摘要：为解决多自由度假手肌电控制难题，建立一种人手预抓取模式的在线识别方法，并将其应用至 HIT­DLR 假手的抓取 控制。基于  Teager­Kaiser  能量算子增幅肌电信号在肌肉动作发起时的变化，引入后处理解决噪声影响，提出一种预抓取发 起的在线检测方法。针对人手 4种预抓取模式，讨论不同肌电信号分段方法，不同时域特征、频域特征和时频域特征，以及 多种分类方法所能获得的识别成功率。最终建立了基于波形长度及支持向量机的最优识别方法，成功率可达 95%，延迟小于  300 ms。肌电控制试验表明，假手可以准确地、快速地抓取各种不同形状的物体。 关键词：假手 肌电控制 预抓取 模式识别 中图分类号：R241  Recognition of HandGraspPreshapingPatternsApplied to  ProstheticHandElectromyography Control  YANG Dapeng  ZHAO Jingdong  LI Nan  JIANG Li  LIU Hong  (State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin 150001)  Abstract：It appears a big challenge when the multi­DOFs prosthetic hand is controlled by the electromyography (EMG) signals. A  novel recognition method of the hand grasp preshaping patterns is proposed to the HIT­DLR prosthetic hand’s EMG control. A new  online detection method is designed to collect the accurate onset EMG signals of the grasp preshaping, which uses the Teager­Kaiser  energy (TKE) operator and post processing to enlarge the changes of the EMG signal and deal with the spike noise, respectively.  Focusing on 4 types of the hand preshaping patterns, different data segmentation methods, different features coming  from the  time­domain, frequency domain and time­frequency domain, and various classifiers are attempted to find the best classification  accuracy. The waveform length and support vector machine are chosen, which can reach anaccuracyof 95% and a response time less  than 300 ms.The experiment ofthe prosthetic handcontrol shows thatthe hand canswiftlygrasp the objectswith various shapes.  Keywords：Prosthetic hand  Electromyographycontrol  Grasp preshaping  Pattern recognition  比如，可以使用五指强力抓取一个茶杯，也可以使 0  前言