由于肌电假肢手大多基于阈值的张、合控制, 并存在操作灵活性差等问题, 提出一种基于ARM 的肌电假肢手控制器设计方案. 采用ARM 核STM32 处理器作为主控芯片, 通过2路A/D采集手臂尺侧腕屈肌和桡侧腕屈肌的肌电信号, 分别提取时域和频域上的4种特征值, 并采用BP 神经网络分类算法实现对5 种手掌动作模式的在线实时识别. 实验结果表明, 该控制器对5 种动作的整体在线识别率可达97%, 且符合实时性要求, 很好地满足了残疾人假肢手控制的需求.
As most electromyography prosthesis controller systems are based on a threshold to control hand’s opening and closing, with poor operational flexibility, it is proposed to use ARM in the system. A STM32 ARM core processor is used as the main chip. It collects the flxor carpi ulnaris and flexor carpi radialis electomyography signals with 2 A/D signal converters, and extractes 4 kinds of characteristic values both in the time and frequency domains. By using a BP neural network classification algorithm, the system realizes real-time online identification of 5 kinds of palm action modes. Experimental results show that the system’s online recognition rate for the 5 actions is up to 97%, meeting the real-time requirements of prosthetic hand control.
[1] 吴常铖, 宋爱国, 章华涛. 一种肌电假手的自适应模糊控制方法[J]. 仪器仪表学报, 2013, 34(6): 1339-1345.
[2] 杨大鹏, 赵京东, 崔平远, 等. 基于支持向量机的人手姿态肌电模式识别与力检测[J]. 高技术通讯, 2010 (6): 618-622.
[3] 杨大鹏, 赵京东, 李楠, 等. 基于预抓取模式识别的假手肌电控制方法[J]. 机械工程学报, 2012, 48(15): 1-8.
[4] Harada A, Nakakuki T, Hikita M, et al. Robot finger design for myoelectric prosthetic hand and recognition of finger motions via surface EMG [C]//2010 IEEE International Conference on Automation and Logistics. 2010: 273-278.
[5] 王星, 张莹, 赵德春, 等. 多通道表面肌电无线采集系统设计及实验研究[J]. 仪器仪表学报, 2012, 33(11): 2460-2465.
[6] 尹少华, 杨基海, 梁政, 等. 基于递归量化分析的表面肌电特征提取和分类[J]. 中国科学技术大学学报, 2006, 36(5): 550-555.
[7] 王喜太, 王强, 张晓玉, 等. 基于肌电传感器的下肢残肢康复训练模式识别的研究[J]. 中国康复理论与实践, 2009, 15(1): 90-92.
[8] 郭明远, 张建宏, 王惠娟, 等. 表面肌电在评估偏瘫患者肘关节肌张力中的应用[J]. 中国康复理论与实践, 2012, 18(5): 448-450.
[9] 张毅, 代凌凌, 罗元. 基于sEMG 信号控制的智能轮椅无障碍人机交互系统[J]. 华中科技大学学报: 自然科学版, 2011, 39(Z2): 264-267.
[10] 李媛媛, 陈香, 张旭, 等. 基于ART2 神经网络的手势动作肌电信号识别[J]. 中国科学技术大学学报, 2010, 40(8): 829-834.
[11] 黄鹏程, 杨庆华, 鲍官军, 等. 基于幅值立方和BP神经网络的表面肌电信号特征提取算法[J]. 中国机械工程, 2012, 23(11): 1332-1336.
