一种基于肌电活跃度反馈的关节助力控制方法技术

本发明专利技术涉及一种基于肌电活跃度反馈的关节助力控制方法，属于关节助力控制技术领域，解决了现有技术中很难由肌电信号得到准确的肌肉力信息的问题。包括以下步骤：对采集到的原始肌电信号进行预处理；对上述预处理后的肌电信号活跃度进行分析；根据肌电信号活跃度分析结果，获取肌肉发力大小与发力时机的信息，并将所述信息输出给关节助力装置，所述关节助力装置利用所述信息进行关节助力控制。本发明专利技术从肌电信号获取肌肉发力大小与发力时机的信息，作为关节力控制的基础；第一时间获取肌肉发力意图，辨识肌肉发力大小，能够保证人体运动预测的实时性并及时从力控制的角度给与运动助力，实现人机协同控制的效果，同时，提高助力机器人的助力效率。

【技术实现步骤摘要】
一种基于肌电活跃度反馈的关节助力控制方法
本专利技术涉及关节助力控制
，尤其涉及一种基于肌电活跃度反馈的关节助力控制方法。
技术介绍
目前，穿戴式机器人实现人机协同控制主要有两种方式：1)直接的运动/力控制：人体运动后，依赖运动学传感器或者力传感器反馈给出运动/力信号，然后对机器人进行控制；2)运动意图控制：采集人体生物电信号(肌电信号(EMG，electromyography)、脑电信号(EEG)等)，分析人体运动意图，然后根据人体的运动意图控制机器人运动或发力。前者是传统的机器人控制方法，由于只有人体产生运动才会有相应的信号，所以会有较高的控制延迟；后者能够第一时间反馈人体运动意图，虽然其量化解析难度大，但助力控制实时性好。穿戴式助力机器人的助力效率是系统性能最重要的指标，系统助力时机与助力大小的获取尤为关键，影响人机协同控制的实现效果。EMG信号的变化表示的是肌肉发力前的一个神经指令信号，先于人体运动，人体发力意图直接体现在该肌电信号上，因此可对其进行解析、建模，得到人体运动意图信息的量化反映，基于该肌电信号反馈得到的肌肉力量对机器人发力进行控制，能够及时跟踪人体运动意图，实现高实时性的人机协同控制。目前，对肌电信号的研究多集中在运动评估、发力时机预测等方面，对基于肌电信号的量化肌力辨识研究与控制很少，主要原因在于肌电信号属于微弱电信号，导致有效信号干扰源特别多，对量化值有显著影响。此外，EMG反馈肌力涉及神经动力学、肌肉-肌腱动力学、骨骼肌肉动力学等模型较为复杂，很难由肌电信号得到准确的肌肉力信息。
技术实现思路
鉴于上述的分析，本专利技术旨在提供一种基于肌电活跃度反馈的关节助力控制方法，用以解决现有技术中很难由肌电信号得到准确的肌肉力信息的问题。本专利技术的目的主要是通过以下技术方案实现的：提供了一种基于肌电活跃度反馈的关节助力控制方法，包括以下步骤：对采集到的原始肌电信号进行预处理；对上述预处理后的肌电信号活跃度进行分析；根据肌电信号活跃度获取肌肉发力大小与发力时机的信息，并将所述信息输出给关节助力装置,所述关节助力装置利用所述信息进行关节助力控制。本专利技术有益效果如下：本专利技术从生物电的采集与处理出发，从肌电信号获取肌肉发力大小与发力时机的信息，作为关节力控制的基础；第一时间获取肌肉发力意图，能够辨识肌肉发力大小并进行反馈控制，因此能够保证人体运动预测的实时性并及时从力控制的角度给与运动助力，实现人机协同控制的效果，同时，提高助力机器人的助力效率。在上述方案的基础上，本专利技术还做了如下改进：进一步，所述对上述预处理后的肌电信号活跃度进行分析包括：神经活跃度分析；将上述预处理后的肌电信号划分为若干组；并对每组信号进行滑动标准差简化处理，得到每组信号的神经活跃度值；肌肉活跃度分析；根据上述获取的神经活跃度值，利用肌肉活跃度与神经活跃度的非线性关系，求取肌肉活跃度值。进一步，所述每组信号的神经活跃度值u(t)为：式中，t表示时间，xi为该组信号中第i个肌电信号值，N为该组肌电信号中的肌电信号值的个数，x为该组肌电信号积分肌电均值。进一步，所述神经活跃度分析还包括：记录与关节相关的骨骼肌肌群自然状态下的静息肌电信号；解算出该关节没有运动意图下的神经活跃度参考值，作为肌肉发力信息的基准值；将求取的神经活跃度值与上述神经活跃度参考值作差，得到神经活跃度值变化量Δu(t)。进一步，根据上述获取的神经活跃度值，利用肌肉活跃度与神经活跃度的非线性关系，求取肌肉活跃度值，包括根据上述获取的神经活跃度值得到神经活跃度值变化量Δu(t)，根据下式肌肉活跃度与神经活跃度的非线性关系得到所述肌肉活跃度值a(t)：式中，t表示时间，A为反应非线性程度的参数，Δu(t)为神经活跃度值变化量。进一步，所述根据肌电信号活跃度获取肌肉发力大小与发力时机的信息，包括：利用上述求取的肌肉活跃度值，经HILL肌肉发力模型得到肌肉发力大小；利用得到的肌肉发力大小，基于骨肌关节运动学模型解算肌肉产生的关节力矩，确定肌肉发力时机。进一步，所述肌肉发力大小F(t)为：F(t)＝k·a(t)+m式中，t为时间，m为肌肉弹性力，k为与肌肉纤维主动发力相关的系数，a(t)为肌肉活跃度值。进一步，所述关节力矩T(t)为：T(t)＝r1(q)·F1(t)+r2(q)·F2(t)+...+rn(q)·Fn(t)式中，t为时间，q为关节角，Fn为第n块骨骼肌的发力大小，rn为第n块骨骼肌的发力力臂。进一步，所述对获取的原始肌电信号进行预处理，包括：进行滤波处理，截取频率范围为[5Hz,30Hz]的信号。进一步，所述对获取的原始肌电信号进行预处理，还包括：全波整流、归一化处理。本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。附图说明附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。图1为本专利技术实施例中神经-肌肉-骨骼关节动力学建模与优化示意图；图2为本专利技术实施例中基于肌电活跃度反馈的关节助力控制方法流程图。具体实施方式下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。本专利技术的一个具体实施例，公开了一种基于肌电活跃度反馈的关节助力控制方法，包括以下步骤：步骤S1、对采集到的原始肌电信号进行预处理；步骤S2、对上述预处理后的肌电信号活跃度进行分析；步骤S3、根据肌电信号活跃度分析结果，获取肌肉发力大小与发力时机的信息，并将所述信息输出给关节助力装置,关节助力装置利用上述信息进行关节助力控制。实施时，原始肌电信号经过滤波、整流以及归一化等处理后，得到能够反应运动意图的纯净肌电信号，经神经活跃度动力学和肌肉活跃度动力学依次得到神经活跃度值和肌肉活跃度值大小，而后经HILL肌肉发力模型得到肌肉发力大小，然后，根据骨肌关节运动学模型解算肌肉产生的关节力矩，确定发力时机。与现有技术相比，本实施例提供的基于肌电活跃度反馈的关节助力控制方法，从生物电的采集与处理出发，第一时间获取肌肉发力意图，与常见的发力时机辨识不同，能够辨识肌肉发力大小并进行关节助力控制，因此能够保证人体运动预测的实时性并及时从力控制的角度给与运动助力。另外，本专利技术对骨骼-肌肉-神经的动力学模型进行了分析与运用，从而通过解析肌电信号获取人体发力意图，能够应用于穿戴式助力机器人的控制系统中，提高助力机器人的助力效率。本实施例以单自由度的肘关节助力机器人为例，从神经-肌肉-骨骼关节模型出发，对本实施例中技术方案进行阐述说明，实现利用人体生物电信号对穿戴式关节助力机器人的人机协同控制。具体来说，在步骤S1中，采集原始肌电信号；可以在被试者的关节(优选的，肘关节)相关的骨骼肌(优选的，在肱二头肌、肱三头肌)上粘贴肌电电极，通过肌电采集系统获取肌电信号。为了得到较为纯净的肌电信号，需要对采集到的原始肌电信号进行预处理，具体包括以下步骤：步骤S101、对采集本文档来自技高网...

【技术保护点】
1.一种基于肌电活跃度反馈的关节助力控制方法，其特征在于，包括以下步骤：对采集到的原始肌电信号进行预处理；对上述预处理后的肌电信号活跃度进行分析；根据肌电信号活跃度分析结果，获取肌肉发力大小与发力时机的信息，并将所述信息输出给关节助力装置，所述关节助力装置利用所述信息进行关节助力控制。

【技术特征摘要】
1.一种基于肌电活跃度反馈的关节助力控制方法，其特征在于，包括以下步骤：对采集到的原始肌电信号进行预处理；对上述预处理后的肌电信号活跃度进行分析；根据肌电信号活跃度分析结果，获取肌肉发力大小与发力时机的信息，并将所述信息输出给关节助力装置，所述关节助力装置利用所述信息进行关节助力控制。2.根据权利要求1所述的方法，其特征在于，所述对上述预处理后的肌电信号活跃度进行分析包括：神经活跃度分析；将上述预处理后的肌电信号划分为若干组；并对每组信号进行滑动标准差简化处理，得到每组信号的神经活跃度值；肌肉活跃度分析；根据上述获取的神经活跃度值，利用肌肉活跃度与神经活跃度的非线性关系，求取肌肉活跃度值。3.根据权利要求2所述的方法，其特征在于，所述每组信号的神经活跃度值u(t)为：式中，t表示时间，xi为该组信号中第i个肌电信号值，N为该组肌电信号中的肌电信号值的个数，为该组肌电信号积分肌电均值。4.根据权利要求2或3所述的方法，其特征在于，所述神经活跃度分析还包括：记录与关节相关的骨骼肌肌群自然状态下的静息肌电信号；解算出该关节没有运动意图下的神经活跃度参考值，作为肌肉发力信息的基准值；将求取的神经活跃度值与上述神经活跃度参考值作差，得到神经活跃度值变化量Δu(t)。5.根据权利要求4所述的方法，其特征在于，根据上述获取的神经活跃度值，利用肌肉活跃度与神经活跃度的非线...

【专利技术属性】
技术研发人员：崔翔，贾正伟，胡源渊，王道臣，李鑫，常远，
申请(专利权)人：北京机械设备研究所，
类型：发明
国别省市：北京,11