CN101773422A - 基于神经再分布技术的肌电仿生手臂系统 - Google Patents

基于神经再分布技术的肌电仿生手臂系统 Download PDF

Info

Publication number
CN101773422A
CN101773422A CN201010105712A CN201010105712A CN101773422A CN 101773422 A CN101773422 A CN 101773422A CN 201010105712 A CN201010105712 A CN 201010105712A CN 201010105712 A CN201010105712 A CN 201010105712A CN 101773422 A CN101773422 A CN 101773422A
Authority
CN
China
Prior art keywords
model
pin
electric wire
chip microcomputer
transducer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201010105712A
Other languages
English (en)
Other versions
CN101773422B (zh
Inventor
陈万忠
田彦涛
孙保峰
邹晓亮
李勇强
岳喜胜
郑鑫
李阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN2010101057121A priority Critical patent/CN101773422B/zh
Publication of CN101773422A publication Critical patent/CN101773422A/zh
Application granted granted Critical
Publication of CN101773422B publication Critical patent/CN101773422B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于神经再分布技术的肌电仿生手臂系统。旨在克服现有仿生手臂功能欠缺和还不能用肌电信号控制整个假手臂的问题。其包括有触滑觉传感器、触滑觉信号放大电路和触滑觉信号滤波电路并依次电线连接;还包括肌电电极、前置放大电路、滤波电路、陷波电路、转换器、单片机和步进电机并依次电线连接;还包括电平转化芯片和PC机,单片机和电平转化芯片与PC机依次电线连接。触滑觉信号滤波电路和电平转化芯片电线连接。肌电电极粘贴在胸部肌肉的皮肤上,触滑觉传感器安装在假手指上,电平转化芯片和PC机调试完系统后拆除,其它组件安装在假手臂上。单片机根据肌电信号及触滑觉信号控制步进电机17转动和停止,实现对假手臂的控制。

Description

基于神经再分布技术的肌电仿生手臂系统
技术领域
本发明涉及一种利用信息与仿生控制技术的假手臂的控制装置,更具体地说,它涉及一种基于神经再分布技术的肌电仿生手臂系统。
背景技术
对伤残人士来说,老式假手在很大程度上只是摆设,不能传递任何感觉信号,因此伤残者拿东西时必须用眼看而不是靠意识。而基于神经再分布技术的肌电仿生手臂系统,对于失去整个手臂的人,通过外科手术将神经放于胸肌内,将神经信号转换为胸肌的肌电信号,通过肌电信号来控制多自由度的仿生手臂,使伤残者可以通过意识控制手臂的动作,使其仿生手臂得以自由而精准活动,同时还可获得久违的触摸感。
对于仿生手臂系统的研究,目前国内外都取得了显著成就,已经有很多人做了这方面的工作。主要有以下几个方面:
1.具有多个活动的关节;
2.增加各种感觉传感器,尤其是触滑觉传感器实现对不同形状物体的自适应抓取;
3.整体系统重量轻,体积小,简单可靠;
4.高度集成的驱动和控制系统;
5.高性能的肌电—假手接口系统。
但是还有很多不足和需要改进的方面。首先是造价昂贵,一般伤残人士无力承担,另外就是功能有待改进,有的是只能根据肌电信号控制仿生手臂的屈伸,有的虽然具有触滑觉,但是感觉不灵敏,反应不迅速,抗干扰能力不强,常常有误动作发生,给伤残人士在某些场合造成很大尴尬。更为重要的是目前国内大部分假肢都是针对失去部分手臂的患者,对于失去整个手臂的患者,利用肌电控制假肢还未见报道。尤其是国内目前基于神经再分布技术的肌电仿生手臂系统未见实用方面的报道。
发明内容
本发明所要解决的技术问题是克服了现有仿生手臂功能欠缺和还不能用肌电信号控制整个假手臂的问题,提供了一种基于神经再分布技术,能由意识控制并具有触摸临场感觉的基于神经再分布技术的肌电仿生手臂系统。
为解决上述技术问题,本发明是采用如下技术方案实现的:所述的基于神经再分布技术的肌电仿生手臂系统包括有触滑觉传感器、触滑觉信号放大电路和触滑觉信号滤波电路。触滑觉传感器、触滑觉信号放大电路和触滑觉信号滤波电路依次电线连接。所述的基于神经再分布技术的肌电仿生手臂系统还包括肌电电极、电极导线、前置放大电路、滤波电路、陷波电路、转换器、单片机、步进电机、电平转化芯片和PC机。
肌电电极、电极导线、前置放大电路、滤波电路、陷波电路、转换器、单片机和步进电机依次电线连接。单片机和电平转化芯片与PC机依次电线连接。转换器和触滑觉信号滤波电路电线连接。肌电电极粘贴在胸部肌肉的皮肤上。电极导线、前置放大电路、滤波电路、陷波电路、转换器、单片机、步进电机、触滑觉信号滤波电路、触滑觉信号放大电路和触滑觉传感器安装在假手臂上。
技术方案中所述的转换器是采用型号为ADC0809的转换器。单片机是采用型号为AT89C51的单片机。电平转化芯片是采用型号为MAX232的电平转化芯片。步进电机是采用型号为20BY-20的步进电机;所述的肌电电极、电极导线、前置放大电路、滤波电路、陷波电路、转换器、单片机和步进电机依次电线连接是指:肌电电极的输出端通过电极导线和前置放大电路中的三线插座J1~J2的1号引脚、2号引脚和3号引脚电线连接,前置放大电路的输出端OUT和滤波电路的输入端IN电线连接,滤波电路的输出端OUT和陷波电路的输入端I N电线连接,陷波电路的输出端OUT和型号为ADC0809的转换器的模拟信号输入引脚IN0~IN7中的一个引脚电线连接。型号为ADC0809的转换器的输出引脚D0~D7和型号为AT89C51的单片机的输入/出引脚D0~D7电线连接。型号为AT89C51的单片机的输入/出引脚D0~D2和型号为ADC0809的转换器的地址线引脚A0~A2电线连接。型号为AT89C51的单片机的引脚
Figure GSA00000010534800021
与引脚P2.7经过一级或非门后和型号为ADC0809的转换器的引脚START与引脚ALE电线连接,型号为AT89C51的单片机的引脚
Figure GSA00000010534800022
与引脚P2.7经过一级或非门后和型号为ADC0809的转换器的引脚OE电线连接。型号为ADC0809的转换器的引脚EOC经过一级或非门后和型号为AT89C51的单片机的引脚P3.2电线连接。型号为AT89C51的单片机的输出引脚p1.0~p1.3和型号为20BY-20的步进电机的4相绕组之间通过型号为ULN2003的功率驱动集成电路电线连接;所述的单片机和电平转化芯片与PC机依次电连接是指:型号为AT89C51的单片机的输入引脚RXD与型号为MAX232的电平转化芯片的输出引脚R2OUT电线连接,型号为AT89C51的单片机的输出引脚TXD与型号为MAX232的电平转化芯片的输入引脚T2 IN电线连接。型号为MAX232的电平转化芯片的输入引脚R2 IN与型号为DB9的串口线的3号引脚电线连接,型号为MAX232的电平转化芯片的输出引脚T2 OUT与型号为DB9的串口线的2号引脚电线连接。型号为DB9的串口线另一端与PC机21电线连接;所述的转换器和触滑觉信号滤波电路电线连接是指:触滑觉信号滤波电路的输出端OUT和型号为ADC0809的转换器的模拟输入引脚IN0~IN7中的一个引脚电线连接。所述的肌电电极粘贴在胸部肌肉的皮肤上是指:肌电电极在移接有腋神经、肩胛上神经、肌皮神经及桡神经的锁骨下肌、胸大肌、胸小肌及前锯肌的皮肤上分别粘贴2~6个相同结构的肌电电极。
与现有技术相比本发明的有益效果是:
1.本发明所述的基于神经再分布技术的肌电仿生手臂系统具有功能基本齐全,感应速度足够快,多自由度,活动和真手相似,价格便宜等优点,且使伤残者具有更准确的控制能力。
2.本发明所述的基于神经再分布技术的肌电仿生手臂系统采用神经再分布技术,对于失去整个手臂的人仍然适用,利用肌电信号和触滑觉信号共同决定仿生手臂的多自由度动作。
附图说明
下面结合附图对本发明作进一步的说明:
图1是本发明所述的基于神经再分布技术的肌电仿生手臂系统的结构原理示意图;
图2是本发明所述的肌电信号数据采集处理及信号特征辨识子系统的肌电仿生手臂运动特征辨识流程示意框图;
图3是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中型号为AT89C51的单片机与型号为ADC0809的转换器之间连接关系的示意框图;
图4是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中所采用的前置放大电路的电原理图;
图5是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中所采用的肌电信号的滤波电路的电原理图;
图6是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中所采用的双T型有源陷波电路的电原理图;
图7是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中所采用的触滑觉信号的放大电路的电原理图;
图8是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中所采用的触滑觉信号的滤波电路的电原理图;
图9是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中型号为AT89C51的单片机与型号为MAX232的芯片连接电路的电原理图;
图10是表示本发明所述的基于神经再分布技术的肌电仿生手臂系统中型号为AT89C51的单片机经驱动芯片与步进电机电线连接的电原理图;
图中:1.腋神经,2.肩胛上神经,3.肌皮神经,4.桡神经,5.锁骨下肌,6.胸大肌,7.胸小肌,8.前锯肌,9.肌电电极,10.电极导线,11.前置放大电路,12.滤波电路,13.触滑觉传感器,14.陷波电路,15.转换器,16.单片机,17.步进电机,18.触滑觉信号放大电路,19.触滑觉信号滤波电路,20.电平转化芯片,21.PC机,22.胸部肌肉,23.硬件部分,24.实时分析,25.数据显示,26.数据存储,27.软件部分,R1~R30.电阻,RP1~RP3.可变电阻,C1~C25.电容,LM358.运算放大器,OP07.运算放大器,AD544L.运算放大器,INA128P.仪表放大器,J1~J2.三线插座,DB9.串口线,ULN2003.驱动芯片。
具体实施方式
下面结合附图对本发明作详细的描述:
参阅图1,基于神经再分布技术的肌电仿生手臂系统包括有神经再分布技术、肌电信号数据采集处理及信号特征辨识子系统和触滑觉信号采集处理及信号特征辨识子系统。
所述基于神经再分布技术的肌电仿生手臂系统的触滑觉传感器采用的是型号为PVDF的触滑觉传感器13,采集的触滑觉信号经触滑觉信号放大电路18、触滑觉信号滤波电路19和型号为ADC0809的转换器15进入型号为AT89C51的单片机16中。
所述的神经再分布技术是通过外科手术将患者手臂残端的腋神经1、肩胛上神经2、肌皮神经3、桡神经4分别移接至锁骨下肌5、胸大肌6、胸小肌7和前锯肌8上,并使各种神经与各肌群建立良好的连接。这样由患者脑部发出的控制手臂运动的神经电信号就被放大并转换为肌电信号,对肌电信号进行提取和分析处理,按照肌电信号的特征来完成对仿生手臂的控制。
所述的肌电信号数据采集处理及肌电信号特征辨识子系统它主要由硬件部分23和软件部分27构成。硬件部分包括肌电电极9、电极导线10、前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14、型号为ADC0809的转换器15、型号为AT89C51的单片机16、型号为MAX232的电平转化芯片20和PC机21。软件部分27主要实现的功能是对信号的采集、实时分析24、数据显示25和数据存储26等。通过肌电信号数据采集处理及肌电信号特征辨识子系统就可以实现对人体肌电信号的采集、分析、显示,帮助研究人员找到人体放的肌电信号和形体动作间的关联,从而为智能肌电假臂弯曲转动的实现奠定了基础。
所述的触滑觉信号采集处理及信号特征辨识子系统也主要由硬件部分和软件部分构成。硬件部分包括型号为PVDF的触滑觉传感器13、触滑觉信号放大电路18、触滑觉信号滤波电路19、型号为ADC0809的转换器15和型号为AT89C51的单片机16。软件部分包括单片机内编写的触滑觉信号处理程序及对步进电机的控制程序。通过触滑觉信号采集处理及信号特征辨识子系统就可以实现将通过安装在仿生手(指)上的型号为PVDF的触滑觉传感器13所产生的电信号反馈给型号为AT89C51的单片机16来调整智能假肢(手)的抓取动作,使智能假肢(手)具有握物感觉和握物自适应性。
通过肌电信号数据采集处理及肌电信号特征辨识子系统和触滑觉信号采集处理及信号特征辨识子系统的协调运作,利用肌电信号和触滑觉信号共同决定即能由意识控制仿生手臂的动作。
采用神经再分布技术对于失去整个手臂的患者,通过外科手术将患者肩部切开,进入控制肘部、腕部和手部等手臂关节的神经末梢,在不破坏神经的情况下,将腋神经1、肩胛上神经2、肌皮神经3及桡神经4的神经末梢依次分别接至胸部肌肉22的锁骨下肌5、胸大肌6、胸小肌7及前锯肌8上,并使各种神经与相应的肌肉组织建立良好的连接,这样由患者大脑发出的神经电信号就能转换为胸部肌肉22表面的肌电信号。手臂的不同运动模式分别对应具有不同特征的肌电信号,根据已提取的肌电信号的特征可以分辨出手臂要进行的各种运动。肌电电极(9)采集的肌电信号和型号为PVDF的触滑觉传感器13提取的触滑觉信号共同决定仿生手臂的多自由度动作。
参阅图1与图2,肌电信号数据采集处理及肌电信号特征辨识子系统的硬件部分23包括肌电电极9、电极导线10、前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14、型号为ADC0809的转换器15、型号为AT89C51的单片机16、步进电机17、型号为MAX232的电平转化芯片20和PC机21。肌电电极9、电极导线10、前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14、型号为ADC0809的转换器15、型号为AT89C51的单片机16和步进电机17它们依次电线连接。型号为AT89C51的单片机16、型号为MAX232的电平转化芯片20和PC机21依次电线连接。肌电电极9粘贴在和胸部肌肉22自然长在一起的皮肤上,更具体地说,移接腋神经1、肩胛上神经2、肌皮神经3及桡神经4的锁骨下肌5、胸大肌6、胸小肌7及前锯肌8的皮肤上分别粘贴2~6个肌电电极9。肌电信号经肌电电极9采集后,经过前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14和型号为ADC0809的转换器15后进入型号为AT89C51的单片机16,通过型号为MAX232的电平转化芯片20串口通信进入PC机21进行分析处理。基于肌电信号数据采集处理及肌电信号特征辨识子系统的软件部分27,即通过PC机21上的各种软件首先提取肌电信号的信号特征,建立肌电信号AR参数模型,通过AR参数模型的信号变换算法提取到某类信号的特征值组,之后对提取到的肌电信号特征值组进行分类,利用BP神经网络算法进行训练,得到神经网络的权值、域值等参数,再利用上述参数建立神经网络,实际计算肌电信号特征值。肌电信号数据采集处理及肌电信号特征辨识子系统的硬件部分23的电极导线10、前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14、型号为ADC0809的转换器15与型号为AT89C51的单片机16安装在假臂上,步进电机17安装在假臂之间的转弯处。型号为MAX232的电平转化芯片20和PC机21主要完成肌电信号的实时显示、数据存储及对假臂进行训练。待训练结束即可以将此部分移除。
参阅图3,肌电信号经过前置放大电路11、滤波电路12和陷波频率为50HZ的陷波电路14后,需经过型号为ADC0809的转换器15进行数字化后送入型号为AT89C51的单片机16。型号为ADC0809的转换器15是采样频率为8位的、以逐次逼近原理进行A/D转换的器件。其内部有一个8通道多路开关,它可以根据地址码锁存译码后的信号,只选通8路模拟输入信号中的一个进行A/D转换,转换时间为100μs,由于肌电信号的主要分布在频率范围20-500HZ内,选取型号为ADC0809的转换器15可以满足系统要求。本系统中使用型号为ADC0809的转换器15可以实现8路模拟信号的AD转换。START引脚为A/D转换启动脉冲输入端,输入一个正脉冲使其启动,EOC引脚为A/D转换结束信号,当A/D转换结束时,此端输出一个高电平,OE引脚为数据输出允许信号,输入高电平有效,当A/D转换结束时,此端输入一个高电平,才能打开输出三态门,输出数字量。ALE引脚为地址锁存允许信号,输入高电平有效。
型号为ADC0809的转换器15的数据线有一个特点,就是数据只能出不能进,往型号为ADC0809的转换器15上写入时,把数据总线上的数据写到地址寄存器,从型号为ADC0809的转换器15读出时实际是读取转换结果数据。因此,可以把型号为AT89C51的单片机16的输入/出引脚D0-D7这8位数据线接到型号为ADC0809的转换器15输出引脚D0~D7的8位数据线的同时,又把型号为AT89C51的单片机16数据线的输入/出引脚D0~D2接到型号为ADC0809的转换器15的3根地址线引脚A0~A2以确定通道号。型号为AT89C51的单片机16的引脚和P2.7引脚经过一级或非门后和型号为ADC0809的转换器15的START和ALE引脚电线连接。型号为AT89C51的单片机16的和P2.7引脚进过一级或非门后和型号为ADC0809的转换器15的OE引脚电线连接。型号为ADC0809的转换器15的EOC引脚经过一级或非门后和型号为AT89C51的单片机16的P3.2引脚电线连接。
参阅图1与图4,肌电电极9通过电极导线10和前置放大电路11中的三线插座J1~J2的输入端连接,即一个电极的输出端与三线插座J1或/J2的1号引脚电线连接并接地,当1块肌肉上粘贴多个电极时二个电极的输出端与三线插座J1和J2的1号引脚电线连接并接地,其它电极的输出端分别与三线插座J1的2号引脚、3号引脚和三线插座J2的2号引脚、3号引脚电线连接做输入。肌电电极9采集到肌电信号后进入到前置放大电路11对信号进行放大处理。在前置放大电路11中采用高输入阻抗、高共模抑制比、增益可调的专用的型号为INA128的仪表放大器,型号为INA128的仪表放大器的增益只需一个外加电阻R3来调节,在此系统中采用电阻R3=470Ω,可求得增益为107.4倍,适合应用在肌电信号采集系统的放大电路中。肌电信号从型号为INA128的仪表放大器的输入引脚IN(即仪表放大器的3号引脚)输入后经过放大,从型号为INA128的仪表放大器的输出引脚OUT(即仪表放大器的6号引脚)输出后进入滤波电路12的输入端IN。
肌电信号可以分块肌肉采集,也可多块肌肉同时采集。为了能够综合评价前臂每个动作过程中,各块肌肉发力的时间顺序、做功的大小、在整个动作过程中所做的贡献等,需要同时采集多块肌肉的肌电信号。这时根据需要同时采集肌肉的块数,电极导线10、前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14要增加1~3套并和图1中所示的第一套结构相同的电极导线10、前置放大电路11、滤波电路12、陷波频率为50HZ的陷波电路14并联连接,各输出端分别与型号为ADC0809的转换器15的模拟信号输入引脚IN0~IN7中的一个引脚电线连接。
参阅图5,在肌电信号的采集的过程中,模拟信号的滤波电路12占有重要地位,为了有效消除干扰和噪声的不利影响,根据肌电信号的频带选择合适的滤波电路12。由于肌电信号的频率范围主要在10-1000HZ,而主要能量集中的频率范围在50-350HZ,为了减少皮肤和电极之间移动伪差产生的低频干扰,我们选择带通滤波电路12的频率范围为20-660HZ。为此,选择R4=8.2K,C5=1U,R7=24K,C9=0.01U,即可满足所要求的带通频带的范围。前置放大电路11的输出端OUT和滤波电路12的输入端IN电线连接。肌电信号经放大从前置放大电路11的输出端OUT输出后进入滤波电路12的输入端IN进行滤波处理,再从滤波电路12的输出端OUT输出的已是经过放大、滤波处理的肌电信号。
参阅图6,双T有源带阻陷波电路14的特性主要取决于两个方面。双T网络中,两支路的电阻R、电容C的对称度决定陷波点的衰减能否达到最低限度,陷波电路14中必须使R11,R12,R13和R14之间以及C10,C11,C12和C13之间严格保持R11=R12,C10=C11=C12=C13,R13+R14=R11/2的数量关系。阻带宽度由可变电阻RP调节,可以根据阻带宽度的要求选择k值。根据陷波电路14的特性参数,一定范围内,K值越大,Q值越高,频率选择性越好。但是Q值太高,陷波电路14的性能不稳定,例如,元器件受温度等变化影响产生的变化将使陷波点移动,造成50Hz工频干扰得不到抑制。通常取K=0.8左右。K值过大,又将在50Hz附近丢失太多的信号,产生波形失真,对于频带包含50HZ的肌电信号是有所损失的。陷波电路14的输入端IN和滤波电路12的输出端OUT电线连接,陷波电路14的输出端OUT和型号为ADC0809的转换器15的模拟信号输入引脚IN0~IN7中的一个引脚电线连接。
参阅图1、图3、图7与图8,触滑觉信号采集处理及信号特征辨识子系统的硬件部分包括型号为PVDF的触滑觉传感器13、触滑觉信号放大电路18、触滑觉信号滤波电路19、型号为ADC0809的转换器15和型号为AT89C51的单片机16。
型号为PVDF的触滑觉传感器13的一端和触滑觉放大电路18中型号为AD544L的运算放大器的正极端电连接并同时接地,触滑觉传感器13的另一端通过电阻R16和型号为AD544L的运算放大器的负极端电连接。触滑觉信号放大电路18的OUT端与触滑觉信号滤波电路19的输入端IN电线连接,触滑觉信号滤波电路19的输出端OUT和型号为ADC0809的转换器15的模拟输入引脚IN0~IN7中的一个引脚电线连接。型号为ADC0809的转换器15的数字输出引脚D0~D7和型号为AT89C51的单片机16输入/输出引脚p0.0~p0.7(D0~D7)电线连接。型号为PVDF的触滑觉传感器13所采集的触滑觉信号经过触滑觉信号放大电路18、触滑觉信号滤波电路19与型号为AD C0809的转换器15后,即经过数字化处理后进入型号为AT89C51的单片机16。
参阅图9,型号为AT89C51的单片机16的输入引脚RXD与型号为MAX232的电平转化芯片20的输出引脚R2OUT电线连接,型号为AT89C51的单片机16的输出引脚TXD与型号为MAX232的电平转化芯片20的输入引脚T2IN电线连接,型号为MAX232的电平转化芯片20的输入引脚R2 IN与型号为DB9的串口线的引脚3电线连接,型号为MAX232的电平转化芯片20的输出引脚T2 OUT与型号为DB9的串口线的引脚2电线连接,型号为DB9的串口线另一端与PC机21电线连接,即型号为MAX232的电平转化芯片20通过型号为DB9的串口线与PC机21电线连接,型号为AT89C51的单片机16将接收来的数据通过型号为MAX232的电平转化芯片20和型号为DB9的串口线传递给PC机21,在PC机21上对接收的信号进行分析,建立手臂运动模式与肌电信号的特征值组之间的对应关系,并对仿生手臂进行训练。在型号为AT89C51的单片机16内编写特定程序,根据接收到的肌电信号的特征以及这些特征值与手臂运动模式的对应关系来控制假臂内的步进电机17的工作。
参阅图10,在本发明所述的基于神经再分布技术的肌电仿生手臂系统中选用国产型号为20BY-20的步距角为18度四相的步进电机17,步进电机17使用正5V电源供电,可以和型号为AT89C51的单片机16共用一个电源。步进电机17共有4相绕组,步进电机17的4相绕组分别和型号为AT89C51的单片机16的输出引脚p1.0~p1.3电线连接,即步进电机17的4相绕组由型号为AT89C51的单片机16的输出引脚p1.0~p1.3控制。由于型号为AT89C51的单片机16输出的电流脉冲很小,不能直接驱动步进电机17,故在二者之间添加了型号为ULN2003的功率驱动集成电路。从型号为AT89C51的单片机16的输出引脚p1.0~p1.3输出驱动步进电机17的驱动脉冲进入型号为ULN2003的功率驱动集成电路,型号为ULN2003的功率驱动集成电路是高耐压、大电流达林顿阵列,由七个硅NPN达林顿管组成,该功率驱动集成电路采用集电极开路输出,输出电流大,故可直接驱动步进电机。在此系统中,在型号为AT89C51的单片机16内编制程序,根据接收到的肌电信号及触滑觉信号的特征值组控制步进电机17的转动和停止,从而实现对仿生手臂动作的控制。
基于神经再分布技术的肌电仿生手臂系统的工作原理:
实施基于神经再分布技术的肌电仿生手臂系统时,首先对于失去整个手臂的人实施外科手术,将患者断臂残端处的腋神经1、肩胛上神经2、肌皮神经3及桡神经4的神经末梢移接到胸部肌肉22上,即将腋神经1、肩胛上神经2、肌皮神经3及桡神经4的神经末梢依次移接到胸部肌肉22中的锁骨下肌5、胸大肌6、胸小肌7及前锯肌8上,并使锁骨下肌5、胸大肌6、胸小肌7及前锯肌8分别与相应神经建立良好的连接。这样胸部肌肉22就能接收并放大从大脑发出的神经电(控制)信号(电子脉冲),并将神经电信号转换为肌电信号。
对于失去整个手臂的患者,当其脑部产生要完成某个动作的意识时,神经系统会向相对应的肌肉组织发出神经电信号,由于采用了神经再分布技术,这些神经电信号被转移到患者正常的胸部肌肉组织上,当胸部肌肉22接收到这些神经电信号后,便会做出相应的响应,从而在胸部肌肉22表面产生肌电信号,肌电信号被粘贴在皮肤上的肌电电极9采集后经过放大、滤波和AD转换后进入型号为AT89C51的单片机16内。在假手臂前端(手指上)安装有型号为PVDF的触滑觉传感器13,当患者接触到物体时,便会产生触滑觉信号,触滑觉信号被采集后经过处理,也送入型号为AT89C51的单片机16内,型号为AT89C51的单片机16根据肌电信号和触滑觉信号共同决定(1个~几个)步进电机17的工作,根据需要步进电机可以选多个,单片机与其它步进电机的连接方法与其和步进电机17的连接相同。从而实现仿生手臂的多自由度动作。

Claims (6)

1.一种基于神经再分布技术的肌电仿生手臂系统,包括有触滑觉传感器(13)、触滑觉信号放大电路(18)和触滑觉信号滤波电路(19),触滑觉传感器(13)、触滑觉信号放大电路(18)和触滑觉信号滤波电路(19)依次电线连接,其特征在于,所述的基于神经再分布技术的肌电仿生手臂系统还包括肌电电极(9)、电极导线(10)、前置放大电路(11)、滤波电路(12)、陷波电路(14)、转换器(15)、单片机(16)、步进电机(17)、电平转化芯片(20)和PC机(21);
肌电电极(9)、电极导线(10)、前置放大电路(11)、滤波电路(12)、陷波电路(14)、转换器(15)、单片机(16)和步进电机(17)依次电线连接,单片机(16)和电平转化芯片(20)与PC机(21)依次电线连接;转换器(15)和触滑觉信号滤波电路(19)电线连接;肌电电极(9)粘贴在胸部肌肉(22)的皮肤上,电极导线(10)、前置放大电路(11)、滤波电路(12)、陷波电路(14)、转换器(15)、单片机(16)、步进电机(17)、触滑觉信号滤波电路(19)、触滑觉信号放大电路(18)和触滑觉传感器(13)安装在假手臂上。
2.按照权利要求1所述的基于神经再分布技术的肌电仿生手臂系统,其特征在于,所述的转换器(15)是采用型号为ADC0809的转换器(15);单片机(16)是采用型号为AT89C51的单片机(16);电平转化芯片(20)是采用型号为MAX232的电平转化芯片(20);步进电机(17)是采用型号为20BY-20的步进电机(17)。
3.按照权利要求1所述的基于神经再分布技术的肌电仿生手臂系统,其特征在于,所述的肌电电极(9)、电极导线(10)、前置放大电路(11)、滤波电路(12)、陷波电路(14)、转换器(15)、单片机(16)和步进电机(17)依次电线连接是指:肌电电极(9)的输出端通过电极导线(10)和前置放大电路(11)中的三线插座J1~J2的1号引脚、2号引脚和3号引脚电线连接,前置放大电路(11)的输出端OUT和滤波电路(12)的输入端IN电线连接,滤波电路(12)的输出端OUT和陷波电路(14)的输入端IN电线连接,陷波电路(14)的输出端OUT和型号为ADC0809的转换器(15)的模拟信号输入引脚IN0~IN7中的一个引脚电线连接,型号为ADC0809的转换器(15)的输出引脚D0~D7和型号为AT89C51的单片机(16)的输入/出引脚D0~D7电线连接,型号为AT89C51的单片机(16)的输入/出引脚D0~D2和型号为ADC0809的转换器(15)的地址线引脚A0~A2电线连接,型号为AT89C51的单片机(16)的引脚
Figure FSA00000010534700011
与引脚P2.7经过一级或非门后和型号为ADC0809的转换器(15)的引脚START与引脚ALE电线连接,型号为AT89C51的单片机(16)的引脚
Figure FSA00000010534700012
与引脚P2.7经过一级或非门后和型号为ADC0809的转换器(15)的引脚OE电线连接,型号为ADC0809的转换器(15)的引脚EOC经过一级或非门后和型号为AT89C51的单片机(16)的引脚P3.2电线连接,型号为AT89C51的单片机(16)的输出引脚p1.0~p1.3和型号为20BY-20的步进电机(17)的4相绕组之间通过型号为ULN2003的功率驱动集成电路电线连接。
4.按照权利要求1所述的基于神经再分布技术的肌电仿生手臂系统,其特征在于,所述的单片机(16)和电平转化芯片(20)与PC机(21)依次电连接是指:型号为AT89C51的单片机(16)的输入引脚RXD与型号为MAX232的电平转化芯片(20)的输出引脚R2 OUT电线连接,型号为AT89C51的单片机(16)的输出引脚TXD与型号为MAX232的电平转化芯片(20)的输入引脚T2 IN电线连接,型号为MAX232的电平转化芯片(20)的输入引脚R2 IN与型号为DB9的串口线的3号引脚电线连接,型号为MAX232的电平转化芯片(20)的输出引脚T2 OUT与型号为DB9的串口线的2号引脚电线连接,型号为DB9的串口线另一端与PC机21电线连接。
5.按照权利要求1所述的基于神经再分布技术的肌电仿生手臂系统,其特征在于,所述的转换器(15)和触滑觉信号滤波电路(19)电线连接是指:触滑觉信号滤波电路(19)的输出端OUT和型号为ADC0809的转换器(15)的模拟输入引脚IN0-IN7中的一个引脚电线连接。
6.按照权利要求1所述的基于神经再分布技术的肌电仿生手臂系统,其特征在于,所述的肌电电极(9)粘贴在胸部肌肉(22)的皮肤上是指:肌电电极(9)在移接有腋神经(1)、肩胛上神经(2)、肌皮神经(3)及桡神经(4)的锁骨下肌(5)、胸大肌(6)、胸小肌(7)及前锯肌(8)的皮肤上分别粘贴2~6个相同结构的肌电电极(9)。
CN2010101057121A 2010-01-21 2010-01-21 基于神经再分布技术的肌电仿生手臂系统 Expired - Fee Related CN101773422B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010101057121A CN101773422B (zh) 2010-01-21 2010-01-21 基于神经再分布技术的肌电仿生手臂系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010101057121A CN101773422B (zh) 2010-01-21 2010-01-21 基于神经再分布技术的肌电仿生手臂系统

Publications (2)

Publication Number Publication Date
CN101773422A true CN101773422A (zh) 2010-07-14
CN101773422B CN101773422B (zh) 2012-02-01

Family

ID=42510106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010101057121A Expired - Fee Related CN101773422B (zh) 2010-01-21 2010-01-21 基于神经再分布技术的肌电仿生手臂系统

Country Status (1)

Country Link
CN (1) CN101773422B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028568A (zh) * 2010-12-22 2011-04-27 中国科学院深圳先进技术研究院 肌电假肢控制装置
CN103519924A (zh) * 2013-10-22 2014-01-22 深圳先进技术研究院 智能假手系统
CN103892945A (zh) * 2012-12-27 2014-07-02 中国科学院深圳先进技术研究院 肌电假肢控制系统
CN105739442A (zh) * 2016-01-12 2016-07-06 新乡医学院 一种基于脑电信号的仿生手控制系统
CN115530835A (zh) * 2022-10-21 2022-12-30 吉林大学 一种适用于智能假肢的电极系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3680109D1 (de) * 1986-09-26 1991-08-08 Univ Northwestern Myoelektrisch gesteuerte kuenstliche hand.
US5376128A (en) * 1992-08-31 1994-12-27 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Control system for prosthetic devices
CN2220256Y (zh) * 1995-04-07 1996-02-21 才德容 肌电控制前臂电动假肢
DE20301116U1 (de) * 2003-01-24 2003-03-20 Sen Jung Chen Myoelektrisch gesteuerte künstliche Hand
CN1582866A (zh) * 2004-06-02 2005-02-23 杭州电子科技大学 带触觉的肌电仿生电动假手及其控制方法
CN201370654Y (zh) * 2009-03-20 2009-12-30 吉林大学 具有感知冷热和触滑觉的智能假肢系统
CN201602914U (zh) * 2010-01-21 2010-10-13 吉林大学 基于神经再分布技术的肌电仿生手臂系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028568A (zh) * 2010-12-22 2011-04-27 中国科学院深圳先进技术研究院 肌电假肢控制装置
CN103892945A (zh) * 2012-12-27 2014-07-02 中国科学院深圳先进技术研究院 肌电假肢控制系统
CN103892945B (zh) * 2012-12-27 2017-03-08 中国科学院深圳先进技术研究院 肌电假肢控制系统
CN103519924A (zh) * 2013-10-22 2014-01-22 深圳先进技术研究院 智能假手系统
CN103519924B (zh) * 2013-10-22 2015-12-02 深圳先进技术研究院 智能假手系统
CN105739442A (zh) * 2016-01-12 2016-07-06 新乡医学院 一种基于脑电信号的仿生手控制系统
CN105739442B (zh) * 2016-01-12 2018-12-04 新乡医学院 一种基于脑电信号的仿生手控制系统
CN115530835A (zh) * 2022-10-21 2022-12-30 吉林大学 一种适用于智能假肢的电极系统

Also Published As

Publication number Publication date
CN101773422B (zh) 2012-02-01

Similar Documents

Publication Publication Date Title
CN104107134B (zh) 基于肌电反馈的上肢训练方法及系统
CN103892945B (zh) 肌电假肢控制系统
CN101773422B (zh) 基于神经再分布技术的肌电仿生手臂系统
CN100546553C (zh) 采用肌电和脑电协同控制的假肢手及其控制方法
CN202288542U (zh) 假肢控制装置
CN109091819A (zh) 上肢康复机器人控制系统
CN104383637B (zh) 一种培训辅助设备和培训辅助方法
CN106821680A (zh) 一种基于下肢步态的上肢康复外骨骼控制方法
CN102499797B (zh) 假肢控制方法及系统
WO2020118797A1 (zh) 假肢控制方法、装置、系统、设备和存储介质
CN110179643A (zh) 一种基于环带传感器的颈部康复训练系统和训练方法
CN202173391U (zh) 数字化中医脉象诊断系统
CN102125425A (zh) 基于移动通信终端的数字化中医脉象诊断系统
CN105012057A (zh) 基于双臂肌电、姿态信息采集的智能假肢及运动分类方法
CN105769173A (zh) 一种具有心电信号去噪功能的心电监测系统
CN201602914U (zh) 基于神经再分布技术的肌电仿生手臂系统
CN110339024A (zh) 下肢外骨骼机器人及其实时步态切换方法及存储装置
CN106491251A (zh) 一种基于非侵入式脑机接口机器臂控制系统及其控制方法
CN104307101A (zh) 用于产生驱动胃肠起搏系统的刺激电流的方法及装置
CN203829261U (zh) 一种上肢康复机器人数据采集处理系统
CN204765638U (zh) 表面肌电信号数据采集系统
CN103617411B (zh) 基于复杂度和分维数及分形长度的肌电信号识别方法
Shinde et al. Design of myoelectric prosthetic arm
CN204909750U (zh) 基于双臂肌电、姿态信息采集的智能假肢
CN111360792A (zh) 面向仿生机械手的可穿戴便携式实时控制动作识别系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120201

Termination date: 20150121

EXPY Termination of patent right or utility model