文摘
改善控制效果,使假肢手不仅可控,也可感知的,EMG假肢手提出了控制策略。控制策略包括EMG自学运动识别,往后退控制器与刚度模糊观测和力触觉表示。EMG自学运动识别是用来减少对EMG信号造成的影响的不确定性联系肌电图的位置传感器。往后退与刚度模糊控制器观察是用于实现位置控制和把握力的控制。速度比例控制在自由空间和把握力跟踪控制在限制空间可以实现相同的控制器。力触觉表示帮助用户感知假肢手的状态。可以实现一些实验来验证提出的控制策略的效果。结果表明,该策略的有效性。在实验中,参与者的评论表明,该策略对截肢者是一个更好的选择,因为提高可控性和理解力。
1。介绍
假肢手的重视上肢截肢者可以帮助他们完成一些操作如把握。如何使假肢手抓住对象遵循截肢者的倾向是一个有意义的研究方向。学者在这个申请已经做了大量研究工作,取得了一些重要的发展。
目前,有一些类型的假体的手:装饰假肢手(为目的的装饰,没有函数),开关控制假肢手,肌电图(EMG)信号控制假肢手,等等。EMG假肢手的典型控制方案如图1(1]。和EMG信号从一对获得拮抗的肌肉,比例因子,是预期的把握力,是掌握力的力传感器。反馈增益和吗是错误的比例获得力量。这种控制方式由于其简单的操作和依照自然的操作习惯。然而,仍然有一些问题需要解决。首先,这种控制方式不完全考虑EMG信号控制策略的影响:EMG信号测量从不同的人是不同的,和EMG信号测量不同状态的同一个人可能会有所不同。其次,这种控制方式缺乏理解力:用户无法感知的把握力假肢手抓物体。
EMG运动模式识别是EMG假肢手的基本技术;大量的识别方法已经开发出来,如时域法和频域法(2]。ARMA模型和卡尔曼滤波器的参数作为特征向量识别运动模式(3]。Khoshaba等人用绝对值的积分肌电图信号识别运动模式(4]。自回归(AR)模型、功率谱、小波系数,神经网络,一些信号处理方法也使用(5]。然而,由于不同的EMG坚持立场的传感器和环境的温度和湿度的差异,EMG信号测量从不同的人或同一个人的不同状态可能导致不同的结果。这种现象可能会影响运动模式识别的准确性,这可能会导致下降的控制效果。
控制器的设计是另一个重要的肌电假肢手的一部分;大部分的假肢手的控制策略旨在可控性,如力跟踪控制精度和速度控制打开和关闭。为了得到一个令人满意的抓取性能,Fassih等人提出了一个控制策略基于定义两个指尖之间的虚拟弹簧阻尼模型和阻尼力在每个手指关节(6]。陈等人关注混合的软计算技术的自适应neuron-fuzzy推理系统(简称ANFIS)和计算技术的自适应控制为一个二维运动用拇指和食指假肢手(7]。混合滑动mode-backstepping (HSMBS)平行force-velocity控制器提出了改善动力假肢手的控制效果Engeberg和温顺8]。根据触觉反馈和视觉反馈,把握对象时,自然可以调整时间的把握力。但对假肢手没有触觉反馈给用户,很难得到预期的控制效果。所以一个假肢手不仅可控,而且明显的截肢者可能是一个不错的选择。假肢手的可控性就功能帮助截肢者把握等来完成一些简单的操作。然而,假肢手的感觉力认为更多关于截肢者本人。它不仅满足功能需求的手也满足心理需求。在视图的感觉力假肢手,截肢者使用它时获得更多的信息。它显示了一个更快接受截肢者在使用很长一段时间,这幻肢感觉也可能提高控制效果。
本文描述了EMG假肢手的控制策略,主要包括EMG自学的认可,逐步退焊法与刚度模糊控制器的观察,和把握力触觉表示。EMG自学识别旨在减少对EMG信号造成的影响的不确定性联系肌电图的位置传感器。往后退与刚度模糊控制器观察是用于实现位置控制和把握力的控制。把握力触觉表示旨在提高假肢手的本体感觉,从而改善控制效果。最后,实验验证该控制策略来实现。
2。系统组件
MPH-III假肢手,这是在东南大学设计的机器人传感器和控制实验室,用于本文。MPH-III包含三个组件:假肢手,肌电图采集设备,和触觉表示设备(见图2)。的锂电池作为电源组件。
2.1。假肢手
MPH-III是one-DOF(自由度)假肢手,这是配备三个力传感器(测量把握力)和位置传感器(编码器)。穿硅胶手套,MPH-III看起来像一个自然的手。控制系统的核心是单片机(C8051F320、硅实验室)9]。控制板有USB接口之间的数据交换的假肢手的控制董事会和电脑。
2.2。肌电图采集设备
两个EMG传感器采用收购EMG信号。10位A / D转换器用于数字化信号(采样率是1 kHz)。蓝牙模块是用来传输假肢手的EMG信号控制器。emg采集设备的所有组件是固定带(见图3)让用户方便穿,和肌电图的位置传感器上的检测位置可调,因为不同的用户是不同的。
2.3。触觉表示设备
触觉表示设备(TRD)由六个振动马达,它由电子控制系统配备蓝牙模块。振动电机固定带(见图4)。当带着上臂,振动电机的分布如图5。这些振动电机可能对截肢者的皮肤产生刺激。TRD接收到假肢手的力信息从控制模块通过蓝牙模块。然后命令生成控制振动马达有序,这样用户可以感知假肢手的受力状态。
3所示。控制策略的设计
所设计的控制策略是基于自然手的操作模式。用户在系统中起着主导的作用。当她/他打算经营假肢手,从大脑中会产生一个控制命令和传播通过脊髓运动神经。运动神经控制肌肉运动。和EMG信号将生成表面的皮肤。这些EMG信号后可用于控制假肢手处理。处理这些EMG信号可能包括放大、过滤、获取、特征提取和运动识别。力传感器安装假肢手的手指是用来检测把握力。一方面,把握力信息反馈到控制器;另一方面它通过一定的触觉反馈给用户反馈类型。 According to the specialty of the object, users can combine visual and tactile message and adjust the control strategy in time. In this way, three closed loops are achieved to control the prosthetic hand: the first one is from user to prosthetic hand then back to the user through tactile feedback device, the second one is from controller to prosthetic hand then back to the controller, and the last one is from the user to prosthetic hand then back to the user through user’s eyes. The functional scheme of this control strategy is shown in the Figure6。
3.1。EMG自学识别
肌电图信号的模式识别的准确性直接关系到假肢的控制效果。表面EMG信号可以说明骨骼肌的活动,和它的振幅范围从低于50μV 30 mV,从几十到数百赫兹频率范围,根据观测下的肌肉。
因为不同的用户的EMG信号强度是不同的,由于一些其他因素,EMG自学习识别方法提出了如图9。在模式识别之前,EMG信号处理,如图7。
EMG传感器连接到表面的肌肉获得EMG信号。数据8(一个),8 (b),8 (c)显示放大EMG信号,形状的EMG信号,分别和过滤后的EMG信号。
(一)
(b)
(c)
在图9,和是EMG信号预处理,如图7。的值和在0 V, 3.3 V之间。EMG学习者的目的是记录和更新的最小值和最大值的EMG信号。采用移动窗口,记录和更新的原则如下:
步骤1。计算平均值()中数据的移动时间窗: 在哪里时间窗的长度。代表了当前数据的EMG信号代表了前肌电图信号的数据。
步骤2。更新数据: 在哪里和的最大和最小值吗,分别。的初始值的初始值设置为0,设置为3.3。
的最大和最小值,,通过使用相同的更新方法。
可调节的因素(,)定义如下: 输出,,是由和,如下: 在哪里比例因子。
在自由的空间,反映了关闭或打开假肢手的速度,在受限制的空间,反映了把握力。
这种识别方法的帮助下,EMG信号的多样性的影响减少了模式识别的准确性。
3.2。往后退与刚度模糊控制器的观察
实现位置控制和把握力的控制,逐步退焊法控制器与模糊观测(BCSFO)刚度设计。设计的控制器如图10。输入信号,的输出运动识别器。是把握力由力传感器连接到假肢手的手指,比例因子,是微分比例因子,是电机的电压。和分别是假肢手的手指的位置和速度。是对象的刚度和刚度的定义是 在哪里是对象的原始大小假肢手的手指的位置,当对象和手指首次接触。
在自由空间中,规划师的输出如下: 在哪里当假肢手的手指位置的改变,从受限空间自由空间。
在受限空间中,对象的刚度和变形的结构之间的关系可能影响假肢手的抓力和电机转动的角度。因为设计的把握力相对较小的范围(0 ~ 30 N),忽略结构变形的影响,和规划师的输出限制如下: 选择假肢手的系统模型如下: 在哪里,,分别是惯性、阻尼和未知非线性系统的阻尼。是系统的输出,它是电动机的控制电压。
两个子系统被定义为错误 在哪里是一个虚拟的控制变量(即。的估计,): 取,;然后 第一个错误子系统的李雅普诺夫函数被定义为 第二个错误子系统的李雅普诺夫函数被定义为 采取的控制律如下: 然后 李雅普诺夫稳定性理论,设计的控制系统可以在有限的时间内达到一个稳定状态,因此系统的稳定性。
为了把握对象不同刚度稳定,刚度模糊观测器设计调整。采用模糊逻辑推理的双输入(和)和一个输出。和分别是,刚度和刚度的导数。调整如下: 在模糊化和去模糊化,输入和输出类型被定义为几个与三角或梯形模糊集隶属函数如图11。模糊推理规则如表所示1。图12显示了整个投入产出关系的模糊逻辑推理。
(一)
(b)
3.3。触觉表达系统
有很多神经元分布在全身皮肤。机制被称为触觉感知。这些神经元可以接收信息(温度、湿度、疼痛、压力、振动等)在身体之外。触觉感知的一个最常见的现象是,当自然的手触摸一个对象,对象的特征,如形状和表面粗糙度可以感受。触觉感知是获取信息的一种方式。它涉及人类生理学、触觉生理学、触觉现象等等(10,11]。
在这工作时,触觉表达是很重要的。传输是很重要的把握力和滑动信息返回给用户。
3.3.1。掌握力检测
为了实现一个更全面、更准确的把握力测量,开发多个力传感器(12,13]。图(13日)显示了假肢手的拇指。一个力传感器(FSS SMT系列,霍尼韦尔)安装在手指的尖端;其他两个半桥(惠斯通桥一半)分别固定在中间,拇指的根源。这种分布是利用因为手指上的力分用户掌握对象时可能会有所不同。
(一)
(b)
力传感器的敏感性为12.2 mV / N。力,,应用于区域1如下: 在哪里力传感器的输出。
四个应变仪(干系人,sg2、sg3 sg4)具有相同的属性(材料、尺寸、压力系数等)连接到假肢手的拇指,如图13。,,,分别代表这些应变仪的阻力。和,,,相同的值。
假肢手的拇指是铝做的。有一个变形在拇指的力量应用于它。拇指的变形将导致相应的变形的应变仪。和应变仪的变形将导致电阻的变化这些应变仪的“价值。
干系人,sg2;例如,拉伸变形和压缩变形发生在干系人,sg2力时,分别应用于拇指。拉伸变形的干系人结果增加阻力的干系人的价值。相反,压缩变形的sg2结果减少阻力的sg2的价值。干系人的阻力的变化值和sg2被认为是相同的,变形的原因是小和干系人sg2具有相同的属性。
干系人,sg2连接测量电路如图13 (b)。干系人、sg2和两个额外的电阻(,)组成一个惠斯通电桥。电路的输出,,如下: 在哪里提供的电源电压电路,干系人,sg2阻力的变化,然后呢的值是和。
因为力量,,应用于区域2(如图13)成正比的变形应变仪,它可以通过测量电路的输出(,如图13 (b))。
力,,应用于区域3可以使用相同的方法得到的。
当假肢手接触对象区域1、2和3,掌握部队由力传感器测量,半桥1,半桥2,分别。
3.3.2。滑动状态检测
聚偏二氟乙烯(PVDF)压电薄膜通常用于检测滑的触觉传感器设计良好的动态特性和物理特性,如光质量,软,接触电阻大,和可塑性14,15]。摘要PVDF压电薄膜与表面的硅胶手套的假肢手。信号图(14日)显示了一个滑动期间掌握操作。在这个图中,表明滑动过程的时间跨度。
(一)
(b)
在滑动检测降低噪声的影响,实现过滤过程。此外,一个小阈值中减去。图14 (b)显示了这两个之后的滑动信号流程。与滑动信号相比,温度是一个缓慢改变变量。温度的影响被忽略在使用PVDF检测滑状态。
根据信号如图14和PVDF的特点,采用每个时间单位的零交点数来表示滑动的情况。
3.3.3。触觉表示
刺激触觉表达技术主要有气动、振动刺激,功能性神经肌肉刺激,顶针刺激,热刺激,等等16]。采用振动刺激,因为它使用方便,不会对人体造成伤害。振动编码模式,包括振动频率、振幅、持续时间、节奏,和秩序17,18),影响用户的触觉感知的准确性。然而,由于触觉错觉现象的存在,必须建立一个高效的振动编码模式。触觉是一种错觉现象的触觉感知不匹配的客观刺激。许多种类的触觉错觉现象已经被发现,如幻的感觉和明显的运动。合理的利用这些现象可能导致实现触觉表示。
一个编码模式设计(振动编码)的把握力。如图15把握力检测,电机2号开始振动,然后电机1号和3号电机开始震动。是2号电机的开始时间,汽车的开始时间是1号和3号,然后呢是所有这些汽车的结束时间。是掌握力的时间被发现,然后呢显示的时候把握力降低到零。之间的时间间隔和是300 ms。掌握力测量传感器是用来调节振动的强度根据所示的原理公式(19),振动频率设置为100 Hz。通过这种方法,用户可能会觉得他/她的手臂被理解: 我,II, III, IV, V振动强度水平;振动强度之间的关系水平和电机的电压,如表所示2。的比例是把握力力传感器检测到的最大容许值的把握力: 在哪里是把握力力传感器和检测到的最大许用值的把握力。
滑的触觉表示编码模式的目的是根据似动现象(见附件)19]。振动强度设置为第三级,和振动频率设置为100 Hz。如图16,,,分别是,一开始的时候汽车4号,5号,6号。结束的时候这三个马达,分别,,。的时间间隔~,~,~,~是250 ms。是滑动的情况被发现的时间。通过这种方法,用户可能会感到一些他/她的手臂上滑动。
4所示。实验和结果
来验证本文提出的控制策略的有效性,进行了实验室实验。
4.1。评价实验的EMG自学运动识别方法
运动进行了识别实验来验证EMG自学运动识别方法的有效性。在实验中,四个EMG传感器分布在参与者的前臂,如图17。参与者执行手势(手抓和手打开)根据命令。图18显示了参与者执行手势时EMG信号。
根据肌电图的贴合位置传感器,EMG信号来自四个传感器可以组合成四组如表所示3。两种识别方法,包括一个图所示1和其他EMG自学习识别方法,已经应用于这些四组EMG信号。图19显示了使用识别方法识别结果如图1,图20.显示了利用EMG自学识别方法识别结果。
评估识别结果的一致性,每两个之间的相关系数计算识别结果如表所示4和5。相关系数()是一个衡量两个变量之间的线性相关(依赖)和。广泛用作衡量两个变量之间的线性相关程度。的公式是 x和协方差,的标准偏差,的意思是,是期待。
EMG运动识别实验的结果,识别结果利用EMG自学习识别方法有更好的一致性。EMG自学可以减少对EMG信号造成的影响的不确定性联系肌电图的位置传感器。
4.2。评价实验往后退的控制器
验证的有效性BCSFO、速度跟踪和力跟踪实验实施。设计速度控制器的输入自由的空间,而设计的把握力控制器的输入受限空间。结果如图21和22。对象与不同的刚度是由假肢手抓住在这项实验中,结果如表所示6。表6包含平均值()和平均方差力的跟踪误差。结果表明,该控制器可以跟踪设计速度和设计迅速把握力;跟踪误差在可以接受的范围。
(一)
(b)
(一)
(b)
4.3。触觉表象编码实验和结果
十nonamputee志愿者(五个男人和五个女人,年龄在22到27)MPH-III选择使用。EMG采集装置戴在前臂,和肌电传感器被放在一对对立的肌肉。TRD戴在上臂。5分钟或更多给每个参与者熟悉假肢手。实验后,他们分级这三种控制策略。
TRD输出把握力振动编码为25倍。其中,滑动状态随机振动编码发生五次。参与者被要求记录振动状态根据自己的感受。每个振动状态发生5次。每个参与者完成实验没有影响别人的。实验结果如图23和24。
在图23,设在代表了实力水平由TRD输出;设在代表*参与者记录强度水平。不同强度级别的参与者觉得由不同的颜色。也就是说,强度等级I, II, III, IV, V参与者感到由红色,黄色,蓝色,绿色和黑色分别。红、黄、蓝、绿、黑色代表强度水平的参与者觉得我,II, III, IV, V,分别。
参与者1的实验结果;例如,当实际强度级别(见“我”设在),强度级别的次I, II, III, IV, V, 5, 0, 0, 0, 0,分别。当实力水平“二世”,《纽约时报》的力量水平,II, III, IV, V, 0, 5 0, 0, 0,分别。当实力水平“三世”时代的力量水平,II, III, IV, V, 0, 0, 1和0。当实力水平是“四”,《纽约时报》的力量水平,II, III, IV, V, 0, 0, 1, 3,分别和1。当实力水平“V”,《纽约时报》的力量水平,II, III, IV, V, 0, 0, 0, 1,分别和4。
图24显示每个强度水平的平均值被参与者在每个实力水平。
数据的结果23和24表明,参与者可以区分强度水平时的强度级别精确的测试在低水平(水平1和2),在高水平的条件(水平3 - 5),强度级别,每个实际强度级别波动的实力水平。错误的记录和正确记录之间的错误是不超过1级。所有的参与者的结果显示相同的趋势。实验结果认为,这种振动编码可以帮助用户感知假肢手的抓力。
滑的触觉表示状态的实验结果作为其预计因为编码模式简单,没有支持编码模式之间的关系和把握力触觉反馈。大多数的参与者可以判断是否发生滑动。
4.4。掌握实验和结果
力控制策略(M1)如图1EMG自学习控制策略(M2),和控制策略如图2(M3)相互比较。这三个策略都含有视觉反馈。M2的差异是EMG自学习功能和控制器在BCSFO M2。除了的特点M2, M3触觉反馈的有一个额外的功能。实验假设视觉反馈的功能在这三个策略是相同的。五分钟给参与者熟悉这些控制策略。然后,十个参与者被要求掌握和提升一个纸杯,到处都是水(见图25)。在这个过程中,参与者应该保持水不溢出或下降。控制策略都是测试的十倍。成功取消的数量被用来量化控制策略的性能。和参与者被要求评估每一个控制策略后,实验根据他们对控制策略的性能。和性能包括灵活性和可用性。最好的控制策略是标记为最高等级,10。表7展示了实验结果。图26显示记录的把握力曲线的过程中参与者把握纸杯用M3的控制策略。
在这个实验中,所有参与者的言论表明,M3是最好的在这三个策略。当使用假肢手没有EMG自学,大部分的参与者必须调整EMG皮肤表面上的传感器的位置,而无需调整利用EMG自主学习的策略。
5。结论
触觉反馈的控制策略对EMG假肢手详细描述。针对减少影响EMG信号来自于附加EMG传感器的位置,一个肌电图提出了自主学习识别方法。提出了一种BCSFO意识到自由空间的速度比例控制和把握力跟踪控制在受限制的空间。触觉再现系统旨在帮助用户感知假肢手的状态,包括把握力和滑信息和状态。
实现实验来验证提出的控制策略的效果。,结果表明,不同接触位置传感器和手臂之间导致EMG信号的方差,和这种影响可以减少该EMG自学习方法。该BCSFO能满足假肢手的要求(在自由空间速度比例控制和把握力跟踪控制在限制空间)。和把握实验的结果表明,EMG自学方法的策略和触觉反馈(M3)比力的策略控制(M1)和肌电图的策略控制的自学习控制(M2)方面的影响假肢手。
此外,所有的参与者认为EMG信号自学习模式识别方法更有用和方便的操纵假肢手的过程中。
对未来的工作,经过大量的实验,我们将研究一个更有效的编码模式,触觉表示,这将是容易接受截肢者。
附录
这种现象是详细描述19]。其基本原理如下。(1)点开始震动。(2)B点开始震动。(3)点停止。通过应用振动刺激在这个秩序,参与者将得到一个错觉,A点正朝着B点(见图27)。
利益冲突
作者宣称没有利益冲突有关的出版。
承认
本文由中国自然科学基金会支持下批准号61325018。