预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113730054A(43)申请公布日2021.12.03(21)申请号202111067275.3(22)申请日2021.09.13(71)申请人桂林电子科技大学地址541004广西壮族自治区桂林市七星区金鸡路1号(72)发明人李华魏紫屈嘉豪李垚杜晓霞(74)专利代理机构桂林文必达专利代理事务所(特殊普通合伙)45134代理人白洪(51)Int.Cl.A61F2/72(2006.01)权利要求书1页说明书2页附图1页(54)发明名称一种控制肌电假肢抓握力的方法(57)摘要本发明公开了一种控制肌电假肢抓握力的方法,所述方法包括:肌电传感器获取肌电信号,判断用户动作意图;神经网络控制中心识别到用户有抓握、捏取动作意图时,驱动假肢组件按照用户动作意图进行动作;启动摄像模块对动作目标进行拍摄,识别物体并判断握紧物体需要的预期压力;获取压力传感器的信息,与预期压力进行比较,调整假肢组件力施加状态;当识别到用户有释放、伸展等动作意图时,驱动假肢组件放开被抓取物体。本发明通过肌电信号判断用户动作意图,采用视觉与压力双向反馈的方式调节抓握力,增加信息获取渠道,实现肌电假肢在多种手势下的力度调节,丰富了假肢的使用场景。CN113730054ACN113730054A权利要求书1/1页1.一种控制肌电假肢抓握力的方法,所述方法包括:肌电传感器获取肌电信号,判断用户动作意图;神经网络控制中心识别到用户有抓握、捏取动作意图时,驱动假肢组件按照用户动作意图进行动作;神经网络控制中心启动摄像模块对动作目标进行拍摄,识别物体并判断握紧物体需要的预期压力;神经网络控制中心获取压力传感器的信息,与预期压力进行比较,调整假肢组件力施加状态;神经网络控制中心识别到用户有释放、伸展等动作意图时,驱动假肢组件放开被抓取物体。2.根据权利要求1所述的方法,其特征在于,所述肌电传感器为双通道肌电传感器,分别设置在用户前臂尺侧腕屈肌与桡侧腕屈肌相应皮肤表面。3.根据权利要求1或2所述的方法,其特征在于,所述肌电信号通过预先训练完成的识别模型进行分类识别,识别模型通过使用支持向量机对训练样本进行训练得到;每个动作收集30组数据,每组数据有1000个原始肌电信号特征值,按照6:4划分训练集及测试集;将训练集按照每一维度归一化到[‑1,1]区间并记录归一化映射,选择径向基核函数利用网络寻优去寻找最优的惩罚系数以及核函数的参数,训练集通过支持向量机训练函数生成识别模型,达到目标识别率后将生成的识别模型提取出来,作为一个类移植到神经网络处理器上。2CN113730054A说明书1/2页一种控制肌电假肢抓握力的方法[0001]技术领域[0002]本发明涉及假肢技术领域,具体涉及一种肌电假肢抓握力的控制方法。背景技术[0003]对于截肢患者来说,安装肢体假肢可以大幅提高他们的生活和工作质量。随着技术的进步,假肢可以根据用户的意愿来执行越来越多的动作;以肌电假肢为例,肌电假肢可以针对采集的用户肌电信号进行识别,产生相应的识别结果以便进一步控制执行机构进行相应动作。但在现有技术中,肌电假肢对抓握力的识别采用传感器较少,如此,导致获取信息较少,识别精度较差,力度调节不合适,造成使用不够方便。发明内容[0004]为了解决上述技术问题,本发明提供一种肌电假肢抓握力的控制方法,所述方法通过肌电信号判断用户动作意图,采用视觉与压力双向反馈的方式调节抓握力,增加信息获取渠道,实现肌电假肢在多种手势下的力度调节,丰富了假肢的使用场景。[0005]控制肌电假肢抓握力的方法包括以下步骤:肌电传感器获取肌电信号,神经网络控制中心获取所述肌电传感器的信息,判断用户动作意图;当用户有抓握、捏取等动作意图时,控制中心启动摄像模块对动作目标进行拍摄,识别物体并判断握紧物体需要的预期压力,假肢组件按照用户动作意图驱动;神经网络控制中心获取压力传感器的信息,与预期压力进行比较,调整假肢组件力施加状态;当用户有释放、伸展等动作意图时,假肢组件放开被抓取物体。所述肌电传感器为双通道肌电传感器,分别设置在用户前臂尺侧腕屈肌与桡侧腕屈肌相应皮肤表面。附图说明[0006]图1为本发明的流程图。具体实施方式[0007]如图1所示,用户佩戴上假肢系统后需要先手动打开开关,为假肢系统通电初始化。假肢系统将通过控制中心采集肌电信号,通过预先训练完成的识别模型对肌电信号进行分类识别,以此判断用户动作意图。此处肌电信号由肌电传感器采集,通过PCF8591芯片将模拟信号转成数字信号,采用I2C总线将数据发送到控制中心的K210处理器(神经网络处理器)。[0008]此处识别模型是通过使用支持向量机(SupportVectorMachine,SVM)对训练样本进行训练得到