文摘

最常用控制方法控制假肢是基于前臂肌肉活动,名为肌电图(EMG)信号。从这个意义上说,研究人员模拟手写作在飞机上只从两个EMG信号。在此基础上分析,我们可以考虑作为一个机器人,有两个手武器(两个自由度)继续(x,y)飞机。然而,这些信号非常敏感许多干扰和通常是不可预测的,类型和水平。前臂肌电图信号的基础上,这项工作的目的是提出一种自适应机器手控制设计生成的笔迹。作为第一步,我们开发的应用经典比例积分(PI)结构。PI控制器应用于生成不同文章的手写的图形跟踪一位作家和multiwriter案件。这两种情况下提出了令人不满意的结果生成草书字母和形式。事实上,我们提出第二种方法,一种自适应PI控制器具有不同积分K_我获得,根据EMG信号,为了处理操作更改。

1。介绍

在过去的几十年里,一些研究人员感兴趣的提高机器人假肢手的质量使其功能,使用更方便。这些改进也关注运动精度要求,如键盘输入文本,疏松的苹果,甚至笔迹与保护作者的个人特征(圆度或清晰度,倾向,规则还是不规则的间距信件,等等)。

增加的假肢手的功能主要是基于控制策略的发展。最常用的控制方法是基于放大器电活动的肌肉、肌电图信号,使大脑直接编码生成的订单(1- - - - - -4]。

这些生物信号的大量的信息导致许多研究者提出的方法基于肌肉活动的控制。例如,为了控制一个表达机制,雅各布森等人提出了一个经典的PID (5]。Kawanishi等人开发的(6)位置控制的模糊逻辑控制器设计的仿生机器人手指Hristu et al。7]。基于分类技术,在8),十肌肉的肌电图信号用于控制打开和关闭动作的人工与四个手指的手,用来把握对象。在[9),开发了PID控制上肢假肢实时EMG信号处理。

比较其他控件(模糊逻辑、滑模、往后退)、PID -和PI-based技术被认为是业内最好和最常用的控制器由于简单和易于实现。然而,他们有一些缺点。事实上,这些控制器参数优化是很重要的,以确保它们的有效性(10]。在这个意义上,提出了不同的方法来优化PI参数如Ghazali等人改善(11)上肢假肢使用采用模糊控制器的性能。Engeberg提出(12)的混合自适应控制器force-position假肢手基于肌电图信息来控制一些简单的手部运动。

在文献中,一些研究人员表明,写作在飞机上(手x,y)只能从建模两个前臂肌肉活动,叫“外展全身长肌”和“伸卡普瑞Ulnaris。“第一保证垂直运动,第二个保证水平位移(10,13,14]。

在此基础上分析,我们可以考虑两臂的手机器人建模。第一臂的一端连接到第一个发音水平运动。结束的第二臂与第二个关节,垂直运动,其另一端笔移动(x,y)飞机。这个机器人手臂致力于模拟人类书写过程从两个前臂肌肉活动为了生成手稿形状像草书字母和几何形式。

然而,肌电图是不可预测的,类型和水平。肌肉活动的特征很容易受到许多因素的影响,如记录层的肌肉、脂肪和组织,突然改变电极的位置,汗水的假肢穿戴者在录制现场,电极阻抗的变化,过滤方法,测量噪声、干扰和用户疲劳(15- - - - - -17]。所有这些条件导致不准确的识别用户的意图和威胁到假肢控制可靠性(18- - - - - -22]。

书写过程的个人特点导致的控制设计代表和命令这个复杂的过程,取决于肌肉活动的不可预测的特点和不同的内部和外部影响因素的生产平面痕迹(22]。灵感来自经典的增益调度允许控制非线性和复杂系统分解成不同的线性控制器,在本文中,我们提出一种自适应PI控制器应用于手臂机器人的几何模型从两个EMG信号生成的笔迹。提出的控制器是基于决策函数基于肌电图信号,视为条件选择合适的上涨迫使系统按照所需的性能,甚至肌肉活动的不可预测的特点,由于内部或外部的因素。否则,调度所提出的自适应增益是基于不同的肌电图信号的平均值;每一个关联到一个特定的书写模式。

数据库,收集从2003年佐提出的一种实验方法,被认为是有效的当前工作(23]。从这个实验,一些非传统的方法,基于人工神经网络和模糊逻辑的概念,提出了描述笔迹过程(23,24]。其他模型的基础上,提出了速度剖面(25,26]。书写过程的复杂性解释了前面的研究令人不满意的结果。

本文的其余部分组织如下:第一部分处理的实验方法主要使用的方法生成图形的痕迹。第二部分研究了机器人手臂的描述:直接和逆几何模型。字迹控制设计提出了第三部分:这部分处理的应用经典的P控制器和PI控制器和显示了不同的文章的结果手写的痕迹。而经典的PI控制器的缺点,提出了自适应PI控制器。在上一节的结论和观点。

2。手写数据采集

图形形状的产生被认为是自然的一个复杂的认知活动的过程。事实上,大脑处理笔尖的位置信息,发送的眼睛。这个信息分析和评估一个智能控制系统发送一个以前臂的肌肉的手移动到所需的新职位(27]。

在书写过程中,产生的运动可以描述像迁移在二维空间的写作计划。众多研究,表现在文献中,证明了图形跟踪一致空间的自然成分驱逐的笔在创作的轨迹26- - - - - -28]。

尽管效应系统的复杂性包括肩膀的关节、手肘、手腕、手,共计43块肌肉,研究由Pirabakaran和一步(14)确定了四个主要肌肉的手控制。本文是基于两个前臂肌肉来书写过程。第一个,叫“外展全身长肌”,第二个“伸肌Capri Ulnaris,”图1。

一个实验研究广岛大学的城市。这些作家产生一些阿拉伯语字母和一些基本的几何图形写在不同的方向,表1。图形的类型是精心挑选的痕迹。实际上,基于Pirabakaran和一步的分析证实,当一个人不得不产生线或形式在其他首选药物方向,不太精确,性能更稳定,是体现尤其是颤抖的存在28]。

在这个实验中,日本参与者产生阿拉伯语字母,影响,不可避免地,在速度和优先方向的作家。在这种情况下,几何形状的生产速度。

前臂的肌肉,干预行动的笔迹,直接坐落在皮肤下,允许使用表面电极记录EMG信号。”来形容这种生物过程,目前提出了(23)记录的实验方法,与此同时,图形轨迹的坐标(x,y)飞机和肌电图信号从前面手臂运动参与生产的笔迹。这些信号从表面电极测量计算集成两个前臂肌肉的肌肉活动,IEMG1 IEMG2。这些信号是通过许多信号处理技术,数字2。

数据3和4显示了实验装置和设备用于该方法的成就。这个实验需要以下:(我)电脑记录x和y位置和钢笔写作计划的压力(2)数值表:“rn WACOM, kt - 0405”,作为写作计划(3)数据记录器:“问题AR-C2EMG1”(iv)表面电极:“医生测试,蓝传感器N-00-S”

图4显示了作家的电极的定位的手臂,和电极,由“ch 1”表示相对于第一个肌肉和这些有关第二个肌肉都表示“ch 2。”

3所示。笔迹的鉴定过程

本文提出的控制方法应用于MIMO笔迹模型,开发的(28]。这个模型是基于multimodel特点的方法z研究过程。本部分介绍目前使用的笔迹模型提出的自适应控制。

在[28),提出了一个数学模型来描述笔尖运动在笔迹的行为。因为它是图所示5,这个模型是线性的,有两个输入(IEMG信号)和两个输出笔尖坐标(x,y)。

Multimodel方法是基于几个简单的子的结合。每个人的贡献决定通过规范化的残余。

方程(1)和(2)说明了线性笔迹模型。然后使用这个模型来开发multimodel笔迹结构,(3)和(4)。递归最小二乘算法(RLS)是用于估计模型参数。 与和 :估计笔尖,坐标, :估计参数x_我向量, :估计参数向量,和 :IEMG信号。 在哪里d_习和d_易的每个子模型的残留multimodel结构,x_d和y_d笔迹multimodel输出,n的数量的子multimodel结构。

3.1。书法的过程

书法的过程,图6,生成连接θ_1e和θ_{2 e}从两个控制律U_x和U_yAPI的输出控制技术,被认为是特定于每个字母或形式。

给出了模型结构如下: 在哪里 , 误差向量, , 矩阵中元素的延迟输入和输出组件。

4所示。笔迹辅助机械臂的设计

指定的信由同一作者在相同的条件下,模型提出在文献中没有显示一个满意的一致性(同样的作家和相同类型的字符)。这些不满意结果导致几个问题要问:什么是模型或控制器,可以代表任何一种笔迹运动过程?我们可以找到一个单一的模型识别许多作家?

为了回答这些问题,我们提出几何模型(直接和逆)代表书写运动和一种新颖的方法来设计一个自适应PI控制器提供了IEMG信号两个前臂肌肉。这个新方法允许定义一个变量增加控制器适应不同平面痕迹(字母和几何形状)生成的相同的作家。

4.1。直接的几何造型

我们的机械手机器人建模两臂以代表人类的手;臂的一端连接到第一个发音θ₁。第二部门是与的结束θ₂和它的另一端效应器,如图7。

(我)关节被认为是理想的(没有机械,刚性)(2)手臂的长度有点大于其他维度(3)阻尼的武器被认为是可以忽略的

我们开始了正运动学。机械手能感觉自己的地位在某种程度上使用内部传感器(位置编码器位于关节1和2),可以直接确定关节角θ₁和θ₂。因此,我们需要表达的开始和结束位置这些关节角的函数。这产生了正运动学,是确定末端执行器的位置和姿态或工具的关节变量。

承认建立一个固定的坐标系统,称为世界或底架所有对象引用计数的机械手。在这种情况下,我们解决基本坐标系R₀(x₀,y₀)底部的机器人,如在图表示7。坐标(x,y声明)的工具在这个坐标系 在这α₁和α₂分别两臂的长度。

4.2。逆几何造型

考虑到关节角θ₁和θ₂,我们可以修复末端执行器的坐标x和y。为了控制机器人移动到所需的位置,我们需要逆几何模型;我们需要联合变量θ₁和θ₂的函数x和y所需的坐标位置。这是逆运动学的问题。

换句话说,提供x和y在正向运动学方程(7)和(8),我们希望解决关节角。

考虑到图8,我们可以看到θ₂角是由

我们现在可以确定θ₂如下:

但是,一个更好的方法θ₂请注意,如果了,然后可以给

θ₂可以发现

这种方法的优点是,抬起胳膊肘和手肘以上的解决方案都是通过选择恢复在方程(积极的和消极的迹象13),分别。然后,很容易证明θ₁现在给出

我们必须注意到的角度θ₁取决于θ₂。这身体是有道理的,因为我们会需要一个不同的值θ₁选择,这取决于解决方案θ₂。提供了几何造型,我们可以设计一个自适应控制器来应付每一个系统的环境变化。

5。辅助机械臂控制

5.1。经典的笔迹控制设计

在本文中,我们为每一个所要求的形式提供一个特定的控制器模型:(我)第一种方法,应用经典的PI控制器,数字9,应用于几何模型上一段(2)第二种方法,一种自适应PI控制器使用新的优化技术选择π获得以应对改变的字符或作家

π(比例积分)控制有一个简单的控制结构由核电站运营商,他们发现理解相对容易调整。因为很多控制系统使用PI控制已经证明了令人满意的结果,它仍有广泛的应用在工业控制。

控制参数如下:(我)比例条件:提供一个总体控制作用通过恒定增益系数的误差信号成正比(2)积分项:行动是减少稳态误差通过低频补偿的积分器

在文献中,一些作品描述了π结构(14,29日]。也被称为并行结构形式和代表 与K_p:比例增益,K_我:积分增益,Y_d:想要的位置,Y_e:估计位置。

不同的方程用于这项工作的比例积分控制器应用于手写系统流程如下: 在哪里e_x和e_y:错误相对于x和y。

5.1.1。P控制器

我们应用经典的PI控制器比例增益K_p的高价值K_我为了得到一个P控制器,和命令 我们把错误呢e(t由增益)K_我具体选择使仿真结果数据库最近的形状。图10显示仿真结果为阿拉伯语字母“罪”和“三角形”。

获得的形状显示控制器之间不满意一致性的结果和产生的痕迹的作家。P控制器不能给好的结果当它被用来模拟一个手写的花体字的形状。

5.1.2中。比例积分控制器

我们应用PI控制器提供的相同形状相同K_p和相当大的K_我:

图11显示了令人满意的结果。良好的通信是显示在接下来的两个几何痕迹。

PI控制器可用于随后的一代的模仿痕迹手写的形状。

我们选择引入PI控制器来控制我们的机器人和生成几何形状类似产生的作家。

π方程如下:

5.1.3。经典的控制器设计的缺点

经典的PI控制器提出了生成平面手写的痕迹。事实上,每一个都有自己的形式K_p和K_我收益;换句话说,相同类型的两种形式,由相同的作家写的有两种不同的收益。重要的是要注意,积分的值K_我获得价值和K_p获得一些图形轨迹非常接近的值。

验证经典PI控制器结果和测试它的限制,我们建议在这部分下面的验证策略:(我)我们保持相同的比例增加K_p我们组获得积分K_我。(2)Writer-1写阿拉伯语字母“哈”三次。在这个例子中,我们定义了三个模型,model-11, model-12, model-13,涉及每一个的例子“哈”的信。model-11 PI-1控制器,开发,应用于model-12 model-13,表2。(3)Writer-2写阿拉伯语字母“安”三次。在这个例子中,我们定义了三个模型,21,model-22, model-23,涉及的每个实例字母“艾茵·。21“π2控制器,开发,应用于model-22 model-23,表3。

经典的PI控制器的验证结果如表所示4和5。红线显示了实验数据,蓝线代表提出的指挥结构的响应。

验证经典PI控制器给不满意的结果是一样的K_我获得价值被认为是各种例子由同一个人写的。这显示了经典的PI控制器的局限性,也就是说,只有能产生的模型的开发。

同样的验证策略被应用到其他类型的图形形式,即一个圆和一个三角形。验证结果如表所示6和7现在不满意结果时使用相同的吗K_我获得各种例子,即使他们是由相同的作家写的。

在这个意义上,我们定义如下:(我)Writer-3写道几何形状“圈”三次。在这个例子中,我们定义了三个模型,model-31, model-32, 33型,涉及每一个“圆”,表的实例8。model-31 PI-3控制器,开发,应用于model-32 33型、表6。(2)Writer-4写道几何形状“三角”三次。在这个例子中,我们定义了三个模型,model-41, model-42, model-43,涉及每一个“三角形”,表的示例9。PI-4控制器,为model-41开发应用于model-42 model-43,表7。

当相同的形式生产和同一个人写的,提出的PI控制器给不满意的结果。事实上,即使控制器已经认识到图形跟踪的类型,其响应之间的误差,实验记录是相当大的。这让我们思考一个自适应PI控制器的设计(API)来应对不断变化的环境和数据可以有系统研究。

6。自适应的笔迹控制设计

在本部分中,提出了一种自适应PI控制器来克服上述传统PI控制器的局限性。为此,我们选择了使用IEMG信号进入适当的收益的计算来生成所需的写作。

图12说明了自适应校正方法的基本原理。在这种情况下,综合肌信号注入在这个校正器,包括以下:(我)块1来计算平均IEMG1和IEMG2信号(2)阻止2允许,肌的平均信号相关手稿形状,选择最优PI收益(3)块3 PI控制器,包含一个基地和决策函数选择最优PI从这个图书馆

6.1。决策函数

为决策函数,我们选择使用IEMG信号。这些信号是一个条件选择合适的收益甚至迫使系统按照所需的性能与系统存在的一些变化特征。

使用集成的平均值(IEMG突变信号₁和IEMG₂从数据库)提供每个几何形状的实验方法的结果,我们选择属性来每一个形状K_我获得,这样我们可以插入他们的“样条”功能。提供的平均IEMG形状和前面的函数,我们的系统可以估计K_我获得相关的形状。因此,我们的模型就变成了一般适用于不同的字母和几何图形,数字12和13。

结果在图14显示不同的结果控制技术用于获得一个自适应设计考虑应对变化的形式生成。这些结果显示良好之间的协议提出了自适应控制和数据存储在数据库中。这是验证为不同类型的几何和阿拉伯语字母所产生的不同的人。

7所示。结论

本文认为手是一个机器人,有两个武器(两个自由度)继续(x,y)飞机。基于两个EMG信号,我们提出了一个自适应控制设计生成草书书法。

第一种方法,我们应用经典的PI控制器。根据获得的结果,我们得出结论,这种类型的控制器不适合考虑形状是圆形和草书。这显示,尤其是最复杂的地区的写作,这代表了相当大的变化形式和方向。直接和交叉验证相对于经典的PI显示真实和估计的数据之间的一个重要的错误甚至当我们考虑验证数据代表同样的形状由同一个人写的。

为了计算一个特定的增益为每个写的形状,我们调优技术上选择一个特定的积分Ki增加一个自适应PI控制器。提出的控制器是用于受增益调度控制非线性系统和基于插值不同线性控制器与多个操作点的非线性系统进行了研究。

的调度提出了自适应增益是基于不同的肌电图信号的平均值,视为不可预测;每一个关联到一个特定的书写模式。

对仿真结果,我们评论,自适应PI (API)控制器给出令人满意的结果时草书字母和形式。也就是说,交叉验证显示了一个微不足道的错误之间真实的数据和估计的形状甚至当我们考虑数据不同的作家写的。总之,与经典的控制器相比,草书阿拉伯语字母和几何形式更好的自适应PI,即使在最复杂的地区,表现为突然改变方向,方向,甚至速度。

然而,这种方法的可靠性取决于PI校正技术发达的数量基础。在这个意义上是我们未来工作的一部分,它由在克服这个问题和改善插值函数通过使用非传统方法,如人工神经网络。

数据可用性

EMG信号和对应的字母坐标数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。