肌電仿生控制與遙操作研究.pdf

1、全自主方式工作的機(jī)器人一直是機(jī)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(shí)還不能滿足發(fā)展全自主式智能機(jī)器人的需要，短期內(nèi)應(yīng)用全自主式智能機(jī)器人難以實(shí)現(xiàn)。于是由人進(jìn)行遠(yuǎn)程操作的遙操作機(jī)器人便成為一種現(xiàn)實(shí)可行的選擇。這類機(jī)器人的特點(diǎn)是由人參與機(jī)器人的控制和決策，以人類的智慧來(lái)彌補(bǔ)現(xiàn)有機(jī)器人智能不足的缺陷。現(xiàn)有的遙操作機(jī)器人一般通過(guò)操控臺(tái)的操作桿進(jìn)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(jī)交互的瓶頸。

2、同時(shí)，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(dòng)作最直接的信號(hào)就是從人體直接獲取信息，利用人手直接“指揮”機(jī)器人、與操作者上肢動(dòng)作對(duì)應(yīng)的表面肌電信號(hào)(surface electromyogramsignal，sEMG)作為控制源來(lái)控制遠(yuǎn)端的機(jī)器人成為一種很自然的選擇。這樣的人機(jī)接口對(duì)操作者不會(huì)造成操作上的負(fù)擔(dān)，無(wú)需特殊學(xué)習(xí)和訓(xùn)練，而且操作者在作業(yè)過(guò)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(jī)交互的新渠道，增進(jìn)了人機(jī)交互的自然性、舒適性和主動(dòng)性。同時(shí)，由于遙操作機(jī)器人涉及機(jī)械、材料、傳感器、網(wǎng)絡(luò)、控制等多學(xué)科的知識(shí)，所以存在著許多研究方向和重點(diǎn)問(wèn)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(jī)器人系統(tǒng)，并解決了本課題中遇到的一些問(wèn)題。主要研究?jī)?nèi)容如下：
　　 (1)信號(hào)采集與預(yù)處理方面，首先介紹了表面肌電信號(hào)(surfaceelectr

4、omyogram signal，sEMG)的基本特征和采集方案，其次針對(duì)基于經(jīng)驗(yàn)?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(yàn)?zāi)Ｊ椒纸?EEMD)的表面肌電信號(hào)去噪方法?；贓EMD的肌電信號(hào)去噪方法通過(guò)對(duì)表面肌電信號(hào)多次加入白噪聲，利用正態(tài)分布白噪聲在經(jīng)驗(yàn)?zāi)Ｊ椒纸庵芯哂械亩M(jìn)尺度分解特性，有效抑制EMD去噪算法處理肌電信號(hào)時(shí)產(chǎn)生的模式混疊現(xiàn)象。實(shí)驗(yàn)結(jié)果表明，基于EEMD的肌電信號(hào)去噪方法可以消除信號(hào)分解時(shí)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(hào)的上臂肢體及手部運(yùn)動(dòng)模式識(shí)別率打下了良好的基礎(chǔ)。
　　 (2)信號(hào)特征提取與模式識(shí)別方面，首先提出了一種基于排列組合熵的表面肌電信號(hào)特征提取方法。利用表面肌電信號(hào)的相鄰數(shù)據(jù)復(fù)雜度計(jì)算出排列組合熵，實(shí)驗(yàn)分析表明排列組合熵可以從較短的時(shí)間序列中揭示出不同動(dòng)作肌電信號(hào)的復(fù)雜度，且能很好反映肌電信號(hào)的細(xì)微變化情況，具有算法簡(jiǎn)單，抗干擾性強(qiáng)的優(yōu)點(diǎn)，適用于表面肌電信號(hào)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(hào)對(duì)應(yīng)的排列組合熵構(gòu)成的特征向量送入“一對(duì)多”支持向量機(jī)(SVM)多類分類器，用先聚類后分類的二叉樹多類算法對(duì)肌電信號(hào)的六種動(dòng)作模式進(jìn)行識(shí)別。實(shí)驗(yàn)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(jī)的方法能夠有效地識(shí)別腕上翻、腕下翻、握拳、展拳、屈臂、伸臂六種手臂及手部動(dòng)作，識(shí)別率達(dá)到93.7％。
　　 (3)主從手通信方面，首先針對(duì)網(wǎng)絡(luò)時(shí)延問(wèn)題，提出了基于Elman網(wǎng)絡(luò)的時(shí)延預(yù)測(cè)方法。實(shí)驗(yàn)表明，

7、采用Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)網(wǎng)絡(luò)延時(shí)來(lái)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(xì)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(jī)器人控制指令和反饋信息。通信系統(tǒng)以主手端為客戶機(jī)，從機(jī)器人端為服務(wù)器，采用Socket編程實(shí)現(xiàn)基于TCP協(xié)議流套接字的主從手通信。
　　 (4)機(jī)器人手爪抓取方面，針對(duì)本課題手爪抓取物品時(shí)存在著的過(guò)緊抓或滑落問(wèn)題，本文應(yīng)用了一種基于肌電信號(hào)和觸覺信號(hào)的模糊控制方法。