肌電仿生控制與遙操作研究.pdf

1、全自主方式工作的機器人一直是機器人學(xué)者追求的目標(biāo)，但由于目前傳感和人工智能等支撐技術(shù)暫時還不能滿足發(fā)展全自主式智能機器人的需要，短期內(nèi)應(yīng)用全自主式智能機器人難以實現(xiàn)。于是由人進行遠程操作的遙操作機器人便成為一種現(xiàn)實可行的選擇。這類機器人的特點是由人參與機器人的控制和決策，以人類的智慧來彌補現(xiàn)有機器人智能不足的缺陷?，F(xiàn)有的遙操作機器人一般通過操控臺的操作桿進行控制，但輸入方式不自然、單一、信息存在多義性，輸入技術(shù)已成為制約人機交互的瓶頸。

2、同時，大部分輸入接口都涉及到復(fù)雜的物理結(jié)構(gòu)或者感知系統(tǒng)，操作者需要了解、熟悉這些復(fù)雜的接口，操作和適應(yīng)性差。因此，考慮到獲取操作者動作最直接的信號就是從人體直接獲取信息，利用人手直接“指揮”機器人、與操作者上肢動作對應(yīng)的表面肌電信號(surface electromyogramsignal，sEMG)作為控制源來控制遠端的機器人成為一種很自然的選擇。這樣的人機接口對操作者不會造成操作上的負擔(dān)，無需特殊學(xué)習(xí)和訓(xùn)練，而且操作者在作業(yè)過程中不

3、受束縛，操作感好。這種肌電仿生遙操作方式提供了人機交互的新渠道，增進了人機交互的自然性、舒適性和主動性。同時，由于遙操作機器人涉及機械、材料、傳感器、網(wǎng)絡(luò)、控制等多學(xué)科的知識，所以存在著許多研究方向和重點問題。
　　 為此本文結(jié)合課題的要求，提出了一種基于肌電仿生控制的遙操作機器人系統(tǒng)，并解決了本課題中遇到的一些問題。主要研究內(nèi)容如下：
　　 (1)信號采集與預(yù)處理方面，首先介紹了表面肌電信號(surfaceelectr

4、omyogram signal，sEMG)的基本特征和采集方案，其次針對基于經(jīng)驗?zāi)Ｊ椒纸?EMD)去噪方法的模式混疊現(xiàn)象，提出了基于總體平均經(jīng)驗?zāi)Ｊ椒纸?EEMD)的表面肌電信號去噪方法。基于EEMD的肌電信號去噪方法通過對表面肌電信號多次加入白噪聲，利用正態(tài)分布白噪聲在經(jīng)驗?zāi)Ｊ椒纸庵芯哂械亩M尺度分解特性，有效抑制EMD去噪算法處理肌電信號時產(chǎn)生的模式混疊現(xiàn)象。實驗結(jié)果表明，基于EEMD的肌電信號去噪方法可以消除信號分解時產(chǎn)生的混疊現(xiàn)

5、象，具有良好的去噪效果，為提高基于表面肌電信號的上臂肢體及手部運動模式識別率打下了良好的基礎(chǔ)。
　　 (2)信號特征提取與模式識別方面，首先提出了一種基于排列組合熵的表面肌電信號特征提取方法。利用表面肌電信號的相鄰數(shù)據(jù)復(fù)雜度計算出排列組合熵，實驗分析表明排列組合熵可以從較短的時間序列中揭示出不同動作肌電信號的復(fù)雜度，且能很好反映肌電信號的細微變化情況，具有算法簡單，抗干擾性強的優(yōu)點，適用于表面肌電信號特征分析。其次，將尺側(cè)腕伸肌

6、、尺側(cè)腕屈肌和肱三頭肌三路肌電信號對應(yīng)的排列組合熵構(gòu)成的特征向量送入“一對多”支持向量機(SVM)多類分類器，用先聚類后分類的二叉樹多類算法對肌電信號的六種動作模式進行識別。實驗結(jié)果表明：基于排列組合熵構(gòu)筑的特征向量結(jié)合支持向量機的方法能夠有效地識別腕上翻、腕下翻、握拳、展拳、屈臂、伸臂六種手臂及手部動作，識別率達到93.7％。
　　 (3)主從手通信方面，首先針對網(wǎng)絡(luò)時延問題，提出了基于Elman網(wǎng)絡(luò)的時延預(yù)測方法。實驗表明，

7、采用Elman神經(jīng)網(wǎng)絡(luò)預(yù)測網(wǎng)絡(luò)延時來保證基于互聯(lián)網(wǎng)的遙操作控制系統(tǒng)性能是有效的。其次詳細分析了主從端通信協(xié)議，按一定原則制定了通信數(shù)據(jù)格式協(xié)議，包括機器人控制指令和反饋信息。通信系統(tǒng)以主手端為客戶機，從機器人端為服務(wù)器，采用Socket編程實現(xiàn)基于TCP協(xié)議流套接字的主從手通信。
　　 (4)機器人手爪抓取方面，針對本課題手爪抓取物品時存在著的過緊抓或滑落問題，本文應(yīng)用了一種基于肌電信號和觸覺信號的模糊控制方法。