一种基于CNN-LSTM的假手触觉信息识别方法、设备及存储介质技术

本发明专利技术涉及一种基于CNN

【技术实现步骤摘要】
一种基于CNN
‑
LSTM的假手触觉信息识别方法、设备及存储介质


[0001]本专利技术涉及仿生假手感知
，尤其是涉及一种基于CNN
‑
LSTM的假手触觉信息识别方法、设备及存储介质。

技术介绍

[0002]手是人体最为重要的肢体部位之一，人们的各种日常活动均离不开手。意外伤害和疾病导致的肢体残缺，不仅影响外表的美观而且也会严重影响患者的生活质量。假手的研究作为康复医疗中的重要环节得到了各界学者的广泛关注，在漫长的发展过程中，假手渐渐开始具备自然手的功能，并不断改进和完善。
[0003]触觉反馈对于假手功能的实现有重要意义，可以防止抓握过程中物体的滑落，显著提高抓取的成功率。此外，触觉反馈有助于减轻肢体疼痛，缓解肌肉疲劳，并使假肢使用者产生身体归属感。
[0004]现有假手的触觉反馈技术通常是通过假手握力大小带来的单一振动或者电刺激反馈，忽略了真实抓取物体时感受到的多种因素的影响，如：物体硬度、假手握力、物体温度等。因此，需要考虑和弄清楚不同因素对于人体感觉的复杂影响。对于影响的分析，大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN
‑
LSTM的假手触觉信息识别方法，其特征在于，所述方法包括以下步骤：步骤S1、在假手上配置压力传感器阵列以及温度传感器，执行设定动作后采集传感器数据，预处理后得到握力数据、硬度数据以及温度数据；步骤S2、基于握力数据、硬度数据以及温度数据，采用概率分布分进行人体感觉投票，将假手不同的抓取因素与人体感觉进行数值关联；步骤S3、基于假手不同的抓取因素与人体感觉的数值关联，构建基于CNN
‑
LSTM的假手触觉信息识别模型，对假手的触觉信息进行识别。2.根据权利要求1所述的一种基于CNN
‑
LSTM的假手触觉信息识别方法，其特征在于，所述步骤S1中的传感器阵列包括11个压力传感器。3.根据权利要求2所述的一种基于CNN
‑
LSTM的假手触觉信息识别方法，其特征在于，所述11个压力传感器的位置具体为：假手的每个手指上均设置2个压力传感器，假手的掌心设置1个压力传感器。4.根据权利要求3所述的一种基于CNN
‑
LSTM的假手触觉信息识别方法，其特征在于，所述假手的每个手指上均设置2个压力传感器，具体为：假手掌面侧的每个手指指尖设置1个压力传感器，每个手指关节处设置1个压力传感器。5.根据权利要求3所述的一种基于CNN
‑
LSTM的假手触觉信息识别方法，其特征在于，所述步骤S1中的执行设定动作后采集传感器数据，预处理后得到握力数据、硬度数据以及温度数据，具体为：1)假手正常缓慢抓握住物体，直至正好能够抬起，假手上的压力传感器阵列采集压力数据，预处理后得到握力数据；2)假手进行倾斜摇晃，假手上的压力传感器阵列采集压力数据，预处理后得到硬度数据；3)假手上的温度传感器采集温度信息，预处理后得到温度数据。6.根据权利要求1所述的一种基于CNN
‑
LSTM的假手触觉信息识别方法，...

【专利技术属性】
技术研发人员：李保江，柏基波，郭昱廷，王海燕，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：