人與機(jī)器人的協(xié)同作業(yè)是新一代機(jī)器人系統(tǒng)研究和發(fā)展的方向之一,其目的是減輕人類協(xié)作者的負(fù)擔(dān)和提高人機(jī)協(xié)同作業(yè)的效率。人與機(jī)器人如何認(rèn)知彼此的狀態(tài)是實(shí)現(xiàn)人機(jī)協(xié)同作業(yè)的關(guān)鍵。人與機(jī)器人在協(xié)同作業(yè)過(guò)程中,人體手臂的肌肉疲勞會(huì)影響人機(jī)協(xié)同作業(yè)的質(zhì)量和效率,而且會(huì)增加人類協(xié)作者患骨骼肌疾病的風(fēng)險(xiǎn)。因此,對(duì)人機(jī)協(xié)作中的人體肌肉疲勞進(jìn)行預(yù)測(cè)具有重要的理論意義和應(yīng)用價(jià)值。表面肌電信號(hào)(Surface Electromyogram,SEMG)是在肌肉表面通過(guò)電極引導(dǎo)而記錄下來(lái)的神經(jīng)肌肉系統(tǒng)活動(dòng)時(shí)的生物電信號(hào),其被認(rèn)為是目前用來(lái)研究肌肉疲勞最有效的工具之一。但人體肌肉疲勞與表面肌電信號(hào)之間的內(nèi)在關(guān)系尚有待進(jìn)一步研究,為此,本文對(duì)人機(jī)協(xié)作中的表面肌電信號(hào)處理、抓握力預(yù)測(cè)、肌肉疲勞預(yù)測(cè)以及人機(jī)協(xié)同作業(yè)中的部分關(guān)鍵問(wèn)題進(jìn)行了研究,主要研究進(jìn)展如下:(1)針對(duì)動(dòng)態(tài)肌肉收縮下的表面肌電信號(hào)易受干擾的問(wèn)題,提出了一種基于小波變換的信號(hào)頻帶選擇方法。首先,通過(guò)在不同小波尺度下的均方根特征對(duì)肌肉收縮的敏感度進(jìn)行分析,并基于蒙特卡洛模擬獲得不同小波尺度對(duì)肌肉收縮的靈敏度分布。在此基礎(chǔ)上,基于定序組合分析方法對(duì)小波尺度組合進(jìn)行選擇,從而確定有效的表面肌電信號(hào)頻帶。最后,通過(guò)基于表面肌電信號(hào)的握力預(yù)測(cè)實(shí)驗(yàn)驗(yàn)證了基于小波變換的信號(hào)頻帶選擇方法的有效性。(2)針對(duì)靜態(tài)與動(dòng)態(tài)肌肉收縮下的握力預(yù)測(cè)問(wèn)題,提出了一種基于交叉模型選擇的握力預(yù)測(cè)方法。首先,通過(guò)基于小波變換的信號(hào)頻帶選擇方法獲取動(dòng)態(tài)與靜態(tài)肌肉收縮下的表面肌電信號(hào);其次,通過(guò)交叉驗(yàn)證方法建立表征表面肌電信號(hào)和握力關(guān)系的九階多項(xiàng)式;再次,基于系數(shù)項(xiàng)選擇算法對(duì)九階多項(xiàng)式進(jìn)行降維研究,分別建立手臂伸肌和屈肌與表面肌電信號(hào)的關(guān)系模型。最后,通過(guò)手臂握力預(yù)測(cè)實(shí)驗(yàn)驗(yàn)證了所提方法的有效性和準(zhǔn)確性。(3)針對(duì)肌肉疲勞預(yù)測(cè)問(wèn)題,建立了基于肌肉力損失的肌肉疲勞預(yù)測(cè)模型。首先,通過(guò)基于小波變換的信號(hào)頻帶選擇方法獲取疲勞肌肉收縮下的表面肌電信號(hào),并提取表面肌電信號(hào)的均方根、平均頻率和中值頻率;然后,通過(guò)蒙特卡洛模擬和皮爾遜相關(guān)系數(shù)研究了表面肌電信號(hào)均方根、平均頻率和中值頻率在不同頻帶下對(duì)肌肉力損失的敏感度;最后,通過(guò)定序組合分析方法和皮爾遜相關(guān)系數(shù)建立基于肌肉力損失的肌肉疲勞預(yù)測(cè)模型。(4)針對(duì)動(dòng)態(tài)運(yùn)動(dòng)中的肌肉疲勞預(yù)測(cè)進(jìn)行了實(shí)驗(yàn)研究。首先,通過(guò)手臂動(dòng)態(tài)運(yùn)動(dòng)實(shí)驗(yàn),驗(yàn)證了所提出的肌肉疲勞預(yù)測(cè)模型在多肌肉協(xié)同運(yùn)動(dòng)下的有效性;然后,結(jié)合肌肉力和肌肉疲勞預(yù)測(cè)模型,提出了一種機(jī)器人末端輸出力調(diào)節(jié)方法,并搭建了相應(yīng)的人機(jī)協(xié)作實(shí)驗(yàn)系統(tǒng),通過(guò)實(shí)驗(yàn)研究人體肌肉疲勞程度與人機(jī)交互力的變化,驗(yàn)證了本文所提方法的有效性。
【學(xué)位單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP242
【部分圖文】：

第二章 抓握力的表面肌電信號(hào)處理 ( ) = ( ) ( ) = ，...，10 是小波尺度的序號(hào)，r = 100,200 ...，140,000，yi(p)是 i×100）下的小波尺度 p 靈敏度值。然后，指定個(gè)數(shù)的隨機(jī)變tegration)可以按照如下公式計(jì)算： ( ) = ∑ ( )

圖 3-1 CMS 技術(shù)路線3.2 樣本數(shù)據(jù)提取一共有 15 位健康實(shí)驗(yàn)參與者參與本次實(shí)驗(yàn)（學(xué)生：15 名男性，年齡在 22 歲至 3歲（26.1±3.5））。隨機(jī)選擇其中 10 位參與者作為訓(xùn)練組用于建立 CMS 模型，其他 5 位參與者作為驗(yàn)證組評(píng)估訓(xùn)練組的 CMS 模型預(yù)測(cè)性能。參與者在實(shí)驗(yàn)過(guò)程中的姿勢(shì)與第

第三章 抓握力預(yù)測(cè)模型研究擇有效系數(shù)項(xiàng)。雖然可以對(duì)個(gè)人的 9 階多項(xiàng)式進(jìn)行系數(shù)項(xiàng)泛化能力的下降。為了建立適合不同參與者的模型，提出了集的定序組合分析（SCA）方法。從 10 位參與者（訓(xùn)練組項(xiàng)參數(shù)并將其進(jìn)行整合： = ∑ = 者的總數(shù)，r = 1，...，R，N = 9 是回歸系數(shù)項(xiàng)的總數(shù)，I 是的程度。整合后將獲得 10 個(gè)回歸系數(shù)項(xiàng)趨近零的程度(I)分
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 曲道奎;;智能制造與新一代機(jī)器人技術(shù)[J];軍工文化;2015年02期

2 張毅;祝翔;羅元;;一種克服sEMG人機(jī)交互中肌肉疲勞的SVM算法[J];控制工程;2014年04期

3 王樂(lè)軍;陸愛(ài)云;牛文鑫;龔銘新;趙文楠;;運(yùn)動(dòng)誘發(fā)局部肌肉疲勞的肌電及腦電協(xié)同分析研究進(jìn)展[J];中國(guó)運(yùn)動(dòng)醫(yī)學(xué)雜志;2014年02期

4 王樂(lè)軍;黃勇;龔銘新;陳志勇;許翔;馬國(guó)強(qiáng);;小波包分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合探索運(yùn)動(dòng)性肌肉疲勞過(guò)程中sEMG變化特征[J];體育科學(xué);2009年12期

5 劉洪濤;曹玉珍;謝小波;胡勇;;表面肌電信號(hào)的時(shí)變AR模型參數(shù)評(píng)估肌疲勞程度的研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2007年04期

6 陳偉婷;王志中;胡曉;李曉浦;;基于熵的動(dòng)態(tài)收縮sEMG信號(hào)疲勞特征分析[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2006年03期

本文編號(hào)：2835305