CN105012057B - 基于双臂肌电、姿态信息采集的智能假肢及运动分类方法 - Google Patents
基于双臂肌电、姿态信息采集的智能假肢及运动分类方法 Download PDFInfo
- Publication number
- CN105012057B CN105012057B CN201510457645.2A CN201510457645A CN105012057B CN 105012057 B CN105012057 B CN 105012057B CN 201510457645 A CN201510457645 A CN 201510457645A CN 105012057 B CN105012057 B CN 105012057B
- Authority
- CN
- China
- Prior art keywords
- artificial limb
- module
- pattern
- signal
- electromyographic signal
- 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.)
- Active
Links
Landscapes
- Prostheses (AREA)
Abstract
基于双臂肌电、姿态信息采集的智能假肢，该假肢包括表面肌电信号采集模块、肌电信号处理模块、动作模式识别模块、模式匹配模块和假肢动作执行模块；表面肌电信号采集模块连接肌电信号处理模块，肌电信号处理模块连接动作模式识别模块，动作模式识别模块连接模式匹配模块，模式匹配模块连接假肢动作执行模块。本发明利用分析引入的健康手姿态和电信号，精细化分类智能假肢的运动种类，使得智能假肢可以实现更多的运动方式，让智能假肢能够实现手臂的多种运动功能。
Description
技术领域
本发明属于肌电假肢智能控制技术领域，涉及一种基于双臂肌电、姿态信息采集的智能假肢及其运动分类方法。
背景技术
有数百万人由于后天截肢或先天性肢体缺陷失去了手臂。为了提高他们的生活质量，可采用智能假肢替代美容手套假手，实现原有手臂功能，辅助进行日常行为活动。
肌肉电信号反应了人的运动意图。人体在进行相应的动作时，大脑会通过神经系统给相应的肌肉指令，即使失去肢体，相应的神经通路也会有电信号传输，反应了当前人的意图。例如失去前臂的患者，上臂内的神经通路，与头部连接。当患者想进行拿取，握拳等动作时，神经指令也会以电信号的形式通过原有的神经传输。检测肌肉电信号，就可以分析人体的动作意图，从而为进一步的控制假肢运动打下基础。但由于表面肌肉电信号不足以完全反映出复杂的手臂运动状态，因此通常采用神经网络等方法建立监测的肌电信号与假肢动作之间的关系。通常预先设定几种假肢动作种类，如抓紧，放松等。通常都是假肢手肌肉电信号与单一动作之间的关系，通过建立的学习阶段及执行阶段的处理方法，假肢手可实现执行简单动作。但是所实现效果都不理想。
发明内容
发明目的：本发明提供一种基于双臂肌电、姿态信息采集的智能假肢及其运动分类方法，其目的是解决以往所存在的不足。
技术方案：本发明是通过以下技术方案实现的：
基于双臂肌电、姿态信息采集的智能假肢，其特征在于：该假肢包括表面肌电信号采集模块、肌电信号处理模块、动作模式识别模块、模式匹配模块和假肢动作执行模块；表面肌电信号采集模块连接肌电信号处理模块，肌电信号处理模块连接动作模式识别模块，动作模式识别模块连接模式匹配模块，模式匹配模块连接假肢动作执行模块。
表面肌电信号采集模块为使用时贴在前臂部分表面的三维姿态传感器和肌电信号采集器，肌电信号处理模块包括活动段检测单元和肌电信号去噪单元，动作模式识别模块包括特征提取单元和分类器，假肢动作执行模块即仿生手控制模块包括四指电机、拇指电机、腕关节电机和机械传递装置，三维姿态传感器使用时分别设置在正常手臂和受伤手臂处。
三维姿态传感器和肌电信号采集器连接活动段检测单元，活动段检测单元连接肌电信号去噪单元，肌电信号去噪单元连接特征提取单元，特征提取单元连接分类器，分类器连接模式匹配单元，模式匹配单元连接四指电机、拇指电机和腕关节电机，四指电机通过机械传递装置连接假肢手的四指，拇指电机通过机械传递装置连接假肢手的拇指，腕关节电机通过机械传递装置连接假肢手的腕关节。
采用小波变换进行降噪处理
肌电信号采集器通过信号调理电路连接活动段检测单元。
利用上述的基于双臂肌电、姿态信息采集的智能假肢所实施的基于双臂肌电、姿态信息采集的智能假肢运动分类方法，其特征在于：该方法中，大脑发出运动意图引发大脑皮层相应的运动控制区兴奋，进而引起人体运动中枢的神经冲动并传输至人的前臂肌肉，从而产生动作电位序列经组织液和皮脂到达皮肤表面，利用三维姿态传感器的皮肤表面电极在皮肤处拾取表面肌电信号，经信号调理电路进行放大和滤波调制后，对信号进行预处理，提取肌电信号特征并进行模式分类，将分类结果进行模式匹配并发送给假手，假手通过控制指关节驱动电机执行相应的动作，实现假肢手的控制。
该方法的步骤如下：
（1）、将肌电信号采集器和三维姿态传感器分别贴在正常手臂和受伤手臂的前臂处；
（2）、利用肌电信号采集器和三维姿态传感器检测使用者假肢手残肢肌肉和正常手肌肉表面肌电信号；
（3）、肌电信号采集以后利用信号调理电路对肌电信号矫正、滤波和放大，并通过时域分析的方法提取特征后用贝叶斯分类器进行模式识别，识别出使用者两只手的运动模式；
（4）、分类出的肌电信号与三维姿态传感器传送的信号相结合，传送到动作模式识别模块，识别出使用者两只手的运动模式；
（5）、判断正常手臂肌肉形成的肌电信号和三维姿态传感器传送的信号是否与所建立的双手动作匹配库中任意一种模式匹配，判断是否捕捉到某一动作模式，如果出现动作特征，那么查找双手动作匹配库，找出与其匹配的动作模式；
（6）、输出相应动作模式的控制信号，通过连接输出的模式匹配信号与智能假肢手控制器即假肢动作执行模块，实现智能假肢的模式匹配。
所述的智能假肢的运动模式分为姿态和抓取两种模式。其中姿态模式选取8种基本人手运动模式，基本抓取模式包括柱形抓取模式、指尖抓取模式、钩形抓取模式、掌心捏取模式、球形抓取模式和侧边抓取模式。
所述的模式匹配模块根据建立的双手动作匹配库，实现正常上肢和智能假肢之间日常生活中的动作配合，其中双手动作匹配库是根据现有可识别运动模式的两两组合，对日常生活中双手配合动作特征的集合。
双手动作匹配库是根据人手基本抓取模式建立的匹配库，分类器将分类结果输出，输出的结果与健康手动作模式进行比较，判断健康手动作模式是否与某一种匹配动作一致，若不一致，则按照残肢采集到的信号对智能假肢进行控制；否则按照匹配的对应假肢行为模式，将信号发送给假肢，假肢通过控制关节驱动电机执行相应动作。
优点及效果：本发明提供一种基于双臂肌电、姿态信息采集的智能假肢及其运动分类方法，该假肢包括表面肌电信号采集模块、肌电信号处理模块、动作模式识别模块、模式匹配模块和假肢动作执行模块；表面肌电信号采集模块连接肌电信号处理模块，肌电信号处理模块连接动作模式识别模块，动作模式识别模块连接模式匹配模块，模式匹配模块连接假肢动作执行模块。
本发明的目的是为了解决肌电假肢领域中，实现智能假肢手能与健康手完成一些简单的动作配合，是一种基于双臂肌电、姿态信息采集的智能假肢运动分类方法。
本发明通过对使用者正常手臂和截止手臂肌肉采集肌电信号，解决了使用者两只手实现一套双手的配合动作的问题，实现了假肢手与正常手之间恰当的动作配合，便于使用者的生活。
本发明利用分析引入的健康手姿态和电信号，精细化分类智能假肢的运动种类，使得智能假肢可以实现更多的运动方式，让直能假肢能够实现手臂的多种运动功能。
附图说明：
图1是本发明实施模式匹配过程示意图；
图2是本发明结构框图；
图3是本发明模式匹配模块示意图。
具体实施方式：下面结合附图对本发明做进一步的说明：
如图1所示，本发明提供一种基于双臂肌电、姿态信息采集的智能假肢，该假肢包括表面肌电信号采集模块、肌电信号处理模块、动作模式识别模块、模式匹配模块和假肢动作执行模块；表面肌电信号采集模块连接肌电信号处理模块，肌电信号处理模块连接动作模式识别模块，动作模式识别模块连接模式匹配模块，模式匹配模块连接假肢动作执行模块。其中肌电信号采集分别在患者正常手臂和受伤手臂处采集表面肌电信号。肌电信号处理模块将采集进来的肌电信号进行去噪，提取特征制处理。所述的识别模块是将处理后的的表面肌电信号提取出信号的各种有效特征，选取特征性较强的肌电信号。所述的动作模式特征通过软件在计算机上实现，使提取特征性较强的肌电信号与三维姿态传感器的状态模式相互组合匹配，识别人手的不同运动模式。
表面肌电信号采集模块为使用时贴在前臂部分表面的三维姿态传感器和肌电信号采集器，肌电信号处理模块包括活动段检测单元和肌电信号去噪单元，动作模式识别模块包括特征提取单元和分类器，假肢动作执行模块即仿生手控制模块包括四指电机、拇指电机、腕关节电机和机械传递装置，三维姿态传感器使用时分别设置在正常手臂和受伤手臂处，
三维姿态传感器和肌电信号采集器连接活动段检测单元，活动段检测单元连接肌电信号去噪单元，肌电信号去噪单元连接特征提取单元，特征提取单元连接分类器，分类器连接模式匹配单元，模式匹配单元连接四指电机、拇指电机和腕关节电机，四指电机通过机械传递装置连接假肢手的四指，拇指电机通过机械传递装置连接假肢手的拇指，腕关节电机通过机械传递装置连接假肢手的腕关节。三维姿态传感器，用于检测手臂动作后的空间位置状态。
肌电信号采集器通过信号调理电路连接活动段检测单元。
基于双臂肌电、姿态信息采集的智能假肢运动分类方法，该方法中，大脑发出运动意图引发大脑皮层相应的运动控制区兴奋，进而引起人体运动中枢的神经冲动并传输至人的前臂肌肉，从而产生动作电位序列经组织液和皮脂到达皮肤表面，采集皮肤表面电极在皮肤处拾取表面肌电信号，经信号调理电路进行放大、工频滤波和高低通滤波，对信号进行预处理，提取肌电信号特征并进行模式分类，将分类结果进行模式匹配并发送给假手，假手通过控制指关节驱动电机执行相应的动作，实现假肢手的控制。其识别部分是根据采集的表面肌电信号进行预处理，提取信号各种有效特征，进行分类能力比较，选取分类性强且能够充分表征信号的特征，进而识别人手的不同运动模式。分类器通过软件在计算机上实现，将教学信号发送到监控单元。
该方法的步骤如下：
（1）、将肌电信号采集器和三维姿态传感器分别贴在正常手臂和受伤手臂的前臂处；
（2）、利用肌电信号采集器和三维姿态传感器检测使用者假肢手残肢肌肉和正常手肌肉表面肌电信号；
（3）、肌电信号采集以后利用信号调理电路对肌电信号矫正、滤波和放大，并在提取特征后用分类算法进行分类识别，识别出使用者两只手的运动模式；
（4）、分类出的肌电信号与三维姿态传感器传送的信号相结合，传送到动作模式识别模块，识别出使用者两只手的运动模式；
（5）、判断正常手臂肌肉形成的肌电信号和三维姿态传感器传送的信号是否与所建立的双手动作匹配库中任意一种模式匹配，判断是否捕捉到某一动作模式，如果出现动作特征，那么查找双手动作匹配库，找出与其匹配的动作模式；
（6）、输出相应动作模式的控制信号，通过连接输出的模式匹配信号与智能假肢手控制器即假肢动作执行模块，实现智能假肢的模式匹配。
所述的智能假肢的运动模式分为姿态和抓取两种模式。其中姿态模式选取8种基本人手运动模式，基本抓取模式包括柱形抓取模式、指尖抓取模式、钩形抓取模式、掌心捏取模式、球形抓取模式和侧边抓取模式等日常基本抓取模式。
所述的模式匹配模块根据建立的双手动作匹配库，实现正常上肢和智能假肢之间日常生活中的动作配合，其中双手动作匹配库是根据现有可识别运动模式的两两组合，对日常生活中双手配合动作特征的集合。
双手动作匹配库是根据人手基本抓取模式建立的匹配库，分类器将分类结果输出，输出的结果与健康手动作模式进行比较，判断健康手动作模式是否与某一种匹配动作一致，若不一致，则按照残肢采集到的信号对智能假肢进行控制；否则按照匹配的对应假肢行为模式，将信号发送给假肢，假肢通过控制关节驱动电机执行相应动作。
如图3所述，描述了系统的模式匹配模块，根据建立的双手动作匹配库，实现正常上肢和智能假肢之间日常生活中的动作配合。观察日常生活中人手能够完成的各项功能，可以将人手的抓取模式概括为运用手指对物体进行包络抓取抓取、精确捏取以及平托以实现持握等性质的操作。其中双手动作匹配库是根据人手基本抓取模式建立的匹配库。分类器将分类结果输出，输出的结果与健康手动作模式进行比较。判断健康手动作模式是否与某一种匹配动作一致，若不一致，则按照残肢采集到的信号对智能假肢进行控制；否则按照匹配的对应假肢行为模式，将信号发送给假肢，假肢通过控制关节驱动电机执行相应动作。
Claims (6)
1.基于双臂肌电、姿态信息采集的智能假肢，其特征在于：该假肢包括表面肌电信号采集模块、肌电信号处理模块、动作模式识别模块、模式匹配模块和假肢动作执行模块；表面肌电信号采集模块连接肌电信号处理模块，肌电信号处理模块连接动作模式识别模块，动作模式识别模块连接模式匹配模块，模式匹配模块连接假肢动作执行模块；
表面肌电信号采集模块为使用时贴在前臂部分表面的三维姿态传感器和肌电信号采集器，肌电信号处理模块包括活动段检测单元和肌电信号去噪单元，动作模式识别模块包括特征提取单元和分类器，假肢动作执行模块即仿生手控制模块包括四指电机、拇指电机、腕关节电机和机械传递装置，三维姿态传感器使用时分别设置在正常手臂和受伤手臂处；
三维姿态传感器和肌电信号采集器连接活动段检测单元，活动段检测单元连接肌电信号去噪单元，肌电信号去噪单元连接特征提取单元，特征提取单元连接分类器，分类器连接模式匹配单元，模式匹配单元连接四指电机、拇指电机和腕关节电机，四指电机通过机械传递装置连接假肢手的四指，拇指电机通过机械传递装置连接假肢手的拇指，腕关节电机通过机械传递装置连接假肢手的腕关节；
采用小波变换进行降噪处理。
2.根据权利要求1所述的基于双臂肌电、姿态信息采集的智能假肢，其特征在于：肌电信号采集器通过信号调理电路连接活动段检测单元。
3.利用权利要求1所述的基于双臂肌电、姿态信息采集的智能假肢所实施的基于双臂肌电、姿态信息采集的智能假肢运动分类方法，其特征在于：该方法中，大脑发出运动意图引发大脑皮层相应的运动控制区兴奋，进而引起人体运动中枢的神经冲动并传输至人的前臂肌肉，从而产生动作电位序列经组织液和皮脂到达皮肤表面，利用三维姿态传感器的皮肤表面电极在皮肤处拾取表面肌电信号，经信号调理电路进行放大和滤波调制后，对信号进行预处理，提取肌电信号特征并进行模式分类，将分类结果进行模式匹配并发送给假手，假手通过控制指关节驱动电机执行相应的动作，实现假肢手的控制；
该方法的步骤如下：
（1）、将肌电信号采集器和三维姿态传感器分别贴在正常手臂和受伤手臂的前臂处；
（2）、利用肌电信号采集器和三维姿态传感器检测使用者假肢手残肢肌肉和正常手肌肉表面肌电信号；
（3）、肌电信号采集以后利用信号调理电路对肌电信号矫正、滤波和放大，并通过时域分析的方法提取特征后用贝叶斯分类器进行模式识别，识别出使用者两只手的运动模式；
（4）、分类出的肌电信号与三维姿态传感器传送的信号相结合，传送到动作模式识别模块，识别出使用者两只手的运动模式；
（5）、判断正常手臂肌肉形成的肌电信号和三维姿态传感器传送的信号是否与所建立的双手动作匹配库中任意一种模式匹配，判断是否捕捉到某一动作模式，如果出现动作特征，那么查找双手动作匹配库，找出与其匹配的动作模式；
（6）、输出相应动作模式的控制信号，通过连接输出的模式匹配信号与智能假肢手控制器即假肢动作执行模块，实现智能假肢的模式匹配。
4.根据权利要求3所述的基于双臂肌电、姿态信息采集的智能假肢运动分类方法，其特征在于：所述的智能假肢的运动模式分为姿态和抓取两种模式；其中姿态模式选取8种基本人手运动模式，基本抓取模式包括柱形抓取模式、指尖抓取模式、钩形抓取模式、掌心捏取模式、球形抓取模式和侧边抓取模式。
5.根据权利要求3所述的基于双臂肌电、姿态信息采集的智能假肢运动分类方法，其特征在于：所述的模式匹配模块根据建立的双手动作匹配库，实现正常上肢和智能假肢之间日常生活中的动作配合，其中双手动作匹配库是根据现有可识别运动模式的两两组合，对日常生活中双手配合动作特征的集合。
6.根据权利要求3所述的基于双臂肌电、姿态信息采集的智能假肢运动分类方法，其特征在于：双手动作匹配库是根据人手基本抓取模式建立的匹配库，分类器将分类结果输出，输出的结果与健康手动作模式进行比较，判断健康手动作模式是否与某一种匹配动作一致，若不一致，则按照残肢采集到的信号对智能假肢进行控制；否则按照匹配的对应假肢行为模式，将信号发送给假肢，假肢通过控制关节驱动电机执行相应动作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510457645.2A CN105012057B (zh) | 2015-07-30 | 2015-07-30 | 基于双臂肌电、姿态信息采集的智能假肢及运动分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510457645.2A CN105012057B (zh) | 2015-07-30 | 2015-07-30 | 基于双臂肌电、姿态信息采集的智能假肢及运动分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105012057A CN105012057A (zh) | 2015-11-04 |
| CN105012057B true CN105012057B (zh) | 2017-04-26 |
Family
ID=54402620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510457645.2A Active CN105012057B (zh) | 2015-07-30 | 2015-07-30 | 基于双臂肌电、姿态信息采集的智能假肢及运动分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105012057B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106067178B (zh) * | 2016-05-30 | 2018-11-23 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
| CN107789101A (zh) * | 2016-09-01 | 2018-03-13 | 湖南能手科技有限公司 | 一种智能肌电假肢手装置 |
| CN106923942B (zh) * | 2017-02-15 | 2018-08-31 | 上海术理智能科技有限公司 | 基于人体肌电信号控制的上下肢运动辅助系统 |
| CN106695794A (zh) * | 2017-02-20 | 2017-05-24 | 苏州晨本智能科技有限公司 | 一种基于表面肌电信号的移动机器臂系统及其控制方法 |
| CN107315479B (zh) * | 2017-07-06 | 2020-04-24 | 哈尔滨工业大学 | 基于激光投影的肌电实时操作装置 |
| CN108009472B (zh) * | 2017-10-25 | 2020-07-21 | 五邑大学 | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 |
| CN109598219B (zh) * | 2018-11-20 | 2022-09-02 | 中国科学技术大学 | 一种用于鲁棒肌电控制的自适应电极配准方法 |
| CN111839847B (zh) * | 2020-07-02 | 2023-09-01 | 京东科技信息技术有限公司 | 肌电假肢控制方法、装置、电子设备和计算机可读介质 |
| CN116030536B (zh) * | 2023-03-27 | 2023-06-09 | 国家康复辅具研究中心 | 一种上肢假肢使用状态的数据收集评测系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201684048U (zh) * | 2010-06-10 | 2010-12-29 | 上海理工大学 | 具有比例调速功能的肌电假手控制系统 |
| CN102499797A (zh) * | 2011-10-25 | 2012-06-20 | 中国科学院深圳先进技术研究院 | 假肢控制方法及系统 |
| CN103212156A (zh) * | 2013-04-03 | 2013-07-24 | 重庆绿色智能技术研究院 | 基于本体镜像原理的偏瘫患者自主康复仪 |
| 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 |
| CN104173124A (zh) * | 2014-08-29 | 2014-12-03 | 电子科技大学 | 一种基于生物信号的上肢康复系统 |
| WO2014204092A1 (ko) * | 2013-06-17 | 2014-12-24 | 삼성전자 주식회사 | 웨어러블 기기 및 웨어러블 기기를 이용한 통신 방법 |
| WO2015027089A1 (en) * | 2013-08-23 | 2015-02-26 | Thalmic Labs Inc. | Systems, articles, and methods for human-electronics interfaces |
| WO2015081113A1 (en) * | 2013-11-27 | 2015-06-04 | Cezar Morun | Systems, articles, and methods for electromyography sensors |
| CN204909750U (zh) * | 2015-07-30 | 2015-12-30 | 沈阳工业大学 | 基于双臂肌电、姿态信息采集的智能假肢 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3000391B1 (en) * | 2010-07-01 | 2019-01-30 | Vanderbilt University | Systems for volitional control of jointed mechanical devices based on surface electromyography |
-
2015
- 2015-07-30 CN CN201510457645.2A patent/CN105012057B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201684048U (zh) * | 2010-06-10 | 2010-12-29 | 上海理工大学 | 具有比例调速功能的肌电假手控制系统 |
| CN102499797A (zh) * | 2011-10-25 | 2012-06-20 | 中国科学院深圳先进技术研究院 | 假肢控制方法及系统 |
| 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 |
| CN103212156A (zh) * | 2013-04-03 | 2013-07-24 | 重庆绿色智能技术研究院 | 基于本体镜像原理的偏瘫患者自主康复仪 |
| WO2014204092A1 (ko) * | 2013-06-17 | 2014-12-24 | 삼성전자 주식회사 | 웨어러블 기기 및 웨어러블 기기를 이용한 통신 방법 |
| WO2015027089A1 (en) * | 2013-08-23 | 2015-02-26 | Thalmic Labs Inc. | Systems, articles, and methods for human-electronics interfaces |
| WO2015081113A1 (en) * | 2013-11-27 | 2015-06-04 | Cezar Morun | Systems, articles, and methods for electromyography sensors |
| CN104173124A (zh) * | 2014-08-29 | 2014-12-03 | 电子科技大学 | 一种基于生物信号的上肢康复系统 |
| CN204909750U (zh) * | 2015-07-30 | 2015-12-30 | 沈阳工业大学 | 基于双臂肌电、姿态信息采集的智能假肢 |
Non-Patent Citations (1)
| Title |
|---|
| 基于支持向量机的人手姿态肌电模式识别与力检测;杨大鹏，赵京东，崔平远，姜力，刘宏;《高技术通讯》;20100630;第20卷(第6期);618－622 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105012057A (zh) | 2015-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105012057B (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 | |
| CN100546553C (zh) | 采用肌电和脑电协同控制的假肢手及其控制方法 | |
| 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 | |
| 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 | |
| CN202288542U (zh) | 假肢控制装置 | |
| CN107224669A (zh) | 自适应穿戴式柔顺外骨骼康复机械手的控制系统 | |
| CN104997581B (zh) | 基于面部表情驱动脑电信号的假手控制方法及装置 | |
| CN105563495A (zh) | 基于精细化运动想象脑电信号控制的机械手系统及方法 | |
| CN100515366C (zh) | 二自由度肌电假手实时控制装置及控制方法 | |
| CN111584031B (zh) | 基于便携式脑电采集设备的脑控智能肢体康复系统及应用 | |
| CN105233406B (zh) | 一种脑卒中功能性电刺激康复系统 | |
| CN102622605A (zh) | 一种表面肌电信号的特征提取及动作模式识别方法 | |
| CN107212883B (zh) | 一种基于脑电控制的机械臂写字装置及控制方法 | |
| CN109521880B (zh) | 一种基于混合生物电信号驱动的遥操作机器人系统及方法 | |
| CN113143676B (zh) | 一种基于脑肌电协同的外肢体手指的控制方法 | |
| Yang et al. | Experimental study of an EMG-controlled 5-DOF anthropomorphic prosthetic hand for motion restoration | |
| CN106109164A (zh) | 康复系统及康复系统的控制方法 | |
| CN114327048B (zh) | 一种基于脑电信号和眼电信号的机械臂控制方法及系统 | |
| CN105137830A (zh) | 一种基于视觉诱发脑机接口的国画机器手及其绘图方法 | |
| CN101371804A (zh) | 基于sEMG建立的人手姿态模式在线识别方法 | |
| CN109343704A (zh) | 一种基于labview平台的康复机器人手部在线动作识别系统 | |
| CN204909750U (zh) | 基于双臂肌电、姿态信息采集的智能假肢 | |
| WO2022099807A1 (zh) | 一种基于肌电信号和脑电错误电位的机器人自然控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |