基于神经网络假肢无线控制系统设计.docVIP

基于神经网络假肢无线控制系统设计 　　摘 要： 为了改善残疾人生活水平和促进医疗事业发展，提出一种基于神经网络的假肢无线控制系统设计方案。该系统以STM32为核心芯片，通过采集上肢肱二头肌、肱三头肌、指浅屈肌、指伸肌4块肌肉的肌电信号，使用BP神经网络与SOFM神经网络相结合对肌电信号进行模式识别，实时控制肌电假肢的完成伸臂、屈臂、腕内旋、腕外旋、握拳、张手6种动作行为。实验结果表明，该系统对6种动作的整体识别率可达97%，并且采用无线实时的控制方式，能够更方便地帮助部分肢体残疾患者完成这些基本的操作行为。 　　关键词： 神经网络； 肌电信号； 模式识别； STM32； 无线控制； 肌电假肢 　　中图分类号： TN711?34； TP27 文献标识码： A 文章编号： 1004?373X（2018）02?0063?05 　　Abstract： To improve the living standard of the disabled and promote the development of medical treatment cause， a design scheme of prosthesis wireless control system based on neural network is proposed. With STM32 as the core chip of the system， BP neural network and SOFM neural network are combined for pattern recognition of electromyography （EMG） signal which are collected from four muscles of biceps， triceps， superficial flexor and extensor. Six motions of arm stretching， arm bending， wrist pronating， wrist supinating， fist clenching and hand opening can be accomplished by means of real?time control of myoelectric prostheses. The experimental results show that the overall recognition rate of the system for the six motions can reach to 97%， and the wireless real?time control pattern can help disabled patients who lose part of their limbs perform these basic operations more conveniently. 　　Keywords： neural network； EMG signal； pattern recognition； STM32； wireless control； myoelectric prosthesis 　　0 引 言 　　近20年来，由于意外事故、先天缺陷、疾病、自然灾害等原因，我国肢体残疾人口增长迅速。根据中国残疾人联合会在2012年发布的数据显示，截至2010年末，我国仅仅肢体残疾的人数就已经达到2 472万人，相比1987年的755万人增长了两倍多 [1]。为了代替失去肢体的部分功能，使截肢者恢复一定的生活自理和工作能力，假肢应运而生。另外，某些特定作业需要在高温、严寒或高强度辐射等不适合人类进入的特殊环境中进行。为了避免危险环境对人们可能造成的伤害，可以通过安全区内的操作者以远程操控机械臂的方式，完成危险区域内的作业。因此，开展假肢无线控制系统的设计研究对于改善残疾人的生活水平和促进医疗事业发展具有十分重要的意义。 　　目前肌电假肢大多是基于阈值控制的，识别率比较低，并且操作灵活性差。针对这些问题，模式识别分类算法被应用到假肢控制中[2]，本文提出一种基于神经网络的假肢无线控制系统设计方案。该系统包括“肌电信号（Electromyography，EMG）”采集、模式识别和无线实时遥控系统，可对前臂截肢患者安装的假肢实现自主控制的6种动作；也可对高温、严寒或高辐射环境中的机械臂实现无线远程操控，完成特定任务。 　　1 系统总体设计方案 　　基于神经网络算法的肌电信号模式识别假肢无线控制系统的总体设计方案如图1所示。 　　使用者在使用肌电假肢之前需要通过肌电信号采集模块对不同类型的动作进行训练