虚拟诱导患者下肢主动运动意图及其脑电精准感知方法

针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题,提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先,分析影响患者运动意图产生的因素,建立基于大脑注意机制的虚拟诱导患者意图产生模型,形成基于脑电信号的人机交互策略;然后,设计并搭建数据驱动沉浸式三维虚拟诱导场景,激发患者大脑产生主动运动意图;进而,采集患者脑电信号,通过基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的伪迹去除方法进行信号预处理;最后,利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明：虚拟诱导方法能够有效增强受试者脑电信号特征,运动意图识别率明显提高,相比常规方法,采用虚拟诱导方法后,静息状态识别准确率达到80.5%,提高了10.33%,产生意图识别准确率达到92.17%,提高了20.5%,稳定维持在较高水平,为外骨骼机器人实现按需辅助控制奠定了基础。     

基于触滑觉感知的智能假肢抓握控制方法研究

【】触觉和滑觉感知功能是仿生假手不可或缺的感知功能。本文在原有智能假肢的基础上,通过对触滑觉感知方法的研究,包括触滑觉传感器的选型、后续测量电路的设计和测点布局分析等,开发了一种可以同时实现触觉和滑觉感知的智能假肢。进而,通过模糊逻辑控制方法的引入,实现了假肢的可靠抓握功能及抓握保持过程中的自适应响应控制。实验结果表明,该智能假肢可以实现假肢抓握的稳定控制,并在被抓握物体产生滑动时进行精准快速的自适应响应控制。     

利用运动准备电位的人体下肢自主运动意图预先感知方法

针对下肢外骨骼机器人穿戴者的运动与机器人本身响应之间存在时间迟滞而导致控制实时性差的问题,提出了一种利用运动准备电位(RP)的人体下肢自主运动意图预先感知方法。首先,根据人体下肢运动的脑电(EEG)产生机理和耦合神经元集群模型仿真了下肢产生运动意图时大脑运动皮质区的RP响应,验证了下肢产生运动意图时其EEG中存在RP;其次,利用下肢肌电(EMG)确定了下肢自主运动的起始时刻并完成EEG中自主下肢运动事件的触发标记,同时利用多元经验模式分解(MEMD)方法去除了EEG中的运动伪迹成分,进而利用叠加平均法和模板匹配法实现了下肢自主运动的RP提取及其运动意图的预先感知;最后,搭建检测系统进行实验验证。实验结果表明:该方法可在离线情况下于人体下肢自主运动开始前约120 ms实现下肢运动意图的预先感知,其平均识别正确率为74.4%。该方法实现了人体下肢自主运动意图的预先感知,可为外骨骼机器人的柔顺控制提供信息提前量。     

驱动人体下肢运动的脑肌电相干同步方法

针对驱动下肢运动中脑肌电信息不同步现象导致的脑肌电融合识别稳定性差等问题，提出一种结合多元自回归(mvAR)模型及最大化相干性法则的驱动下肢运动脑肌电相干性分析及信息同步化方法。首先根据驱动下肢运动中神经冲动传导机制及运动控制原理，进行驱动下肢运动脑肌电产生原理及信息不同步现象分析；其次，引入多元自回归模型，以下肢稳态力输出状态下的多次实验多通道脑肌电作为模型输入，迭代得到基于高维模型拟合的脑肌电时频相干性结果；再次，确定显著相干频率及时刻，并利用最大化相干性法则将脑肌电时延量化，实现脑肌电同步；最后，搭建下肢稳态力输出脑肌电同步采集和下肢运动意图识别实验平台并进行方法验证。实验结果表明，在下肢稳态力输出过程中，脑肌电相干性在beta频段呈现显著相干，各受试者左右腿脑肌电时延分布于10～40 ms之间，其中左腿平均时延为(23.3±11.4) ms,右腿平均时延为(19.8±4.8) ms,使用抵消时延后的脑肌电融合识别下肢运动意图准确率有部分提升，可有效同步脑肌电中的驱动下肢运动信息，同时提升脑肌电融合识别稳定性。