CN107813307A - 基于运动想象脑电信号的机械手臂控制系统 - Google Patents

基于运动想象脑电信号的机械手臂控制系统 Download PDF

Info

Publication number
CN107813307A
CN107813307A CN201710818955.1A CN201710818955A CN107813307A CN 107813307 A CN107813307 A CN 107813307A CN 201710818955 A CN201710818955 A CN 201710818955A CN 107813307 A CN107813307 A CN 107813307A
Authority
CN
China
Prior art keywords
mechanical arm
servomotor
module
mental imagery
servo
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.)
Pending
Application number
CN201710818955.1A
Other languages
English (en)
Inventor
张科
李晓鸥
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.)
SHANGHAI PUKANG ELECTRONIC TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI PUKANG ELECTRONIC TECHNOLOGY Co Ltd
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 SHANGHAI PUKANG ELECTRONIC TECHNOLOGY Co Ltd filed Critical SHANGHAI PUKANG ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201710818955.1A priority Critical patent/CN107813307A/zh
Publication of CN107813307A publication Critical patent/CN107813307A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Dermatology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • 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运动想象脑电信号的机械手臂控制系统，基于运动想象脑电信号的机械手臂控制系统包括：EEG信号获取模块，其由一个采集电脑模块和一个刺激电脑模块来获取，其通过一个放大器以及一种Scan软件采集信号，放大器通过一根电缆与计算机传输数据，并通过一根USB线供电，放大器下方设有个四十排的插孔直接连着采集电脑模块中的脑电采集帽，脑电采集帽的导联安放位置根据10‑20国际标准安置法安放等。本发明能够通过分析提取出想象过程中变化明显的信号，进而可以掌握大脑在运动想象活动过程中大脑内部电位变化的规律性，由此去控制机械手臂的上下运动。

Description

基于运动想象脑电信号的机械手臂控制系统
技术领域
本发明涉及一种控制系统，特别是涉及一种基于运动想象脑电信号的机械手臂控制系统。
背景技术
机械手臂是由计算机、电子技术、机械和电生理信号处理等多个学科领域共同组成的控制系统。在机械手臂控制源上可以通过脑电信号、肌电信号、语音信号等来控制。随着科学技术的发展，通过语音来控制外界环境的技术逐渐成熟，但是，对于机械手臂，更多的是考虑手臂的易用性，并且长时间的通过语音来控制机械手臂会给受试者带来不适。脑电信号控制是一种非常适用于机械手臂运动的方法，它通过采集脑部神经表皮细胞的生物电信号的变化，经过特征提取以及分类识别就可以得到机械手臂相对应的控制信息，进而控制机械手臂的运动。通过脑电信号控制机械手臂给上肢残缺或者上肢行动不便人士带来了便利。因此，机械手臂的研制在这种社会需求下开始备受关注，人们希望通过设计、安装一只机械手臂来代替手部进行日常的行为活动，使得上肢瘫痪的患者能够建立自信，重新回到正常的生活中去。
目前国内也有利用想象脑电信号去控制外部设备的移动的研究，但是因信号采集设备差、外部设备受干扰性强等原因，其控制效果还有待改进，如在想象左右运动过程中分析脑电信号中的ERD/ERS成分就能很好的区分受试者是在想象向左还是向右。
发明内容
本发明所要解决的技术问题是提供一种基于运动想象脑电信号的机械手臂控制系统，其能够具有特征明显易于分类、精度高、控制效果好的特点
本发明是通过下述技术方案来解决上述技术问题的：一种基于运动想象脑电信号的机械手臂控制系统，基于运动想象脑电信号的机械手臂控制系统包括：
EEG信号获取模块，其由一个采集电脑模块和一个刺激电脑模块来获取，其通过一个放大器以及一种Scan软件采集信号，放大器通过一根电缆与计算机传输数据，并通过一根USB线供电，放大器下方设有个四十排的插孔直接连着采集电脑模块中的脑电采集帽，脑电采集帽的导联安放位置根据10-20国际标准安置法安放；Scan软件设置需要采集的导联、采样率、参考电极、基准线参数，刺激电脑模块由一种E-prime软件完成，通过一根电缆使得刺激电脑与采集电脑模块相连，实现信号的采集与画面的刺激同步进行；
EEG信号分析模块，其包括EMD分解捕捉模块、分量进行HT变换模块，其中：
EMD分解捕捉模块对信号进行EMD分解并捕捉到运动想象过程中IMF分量变化幅度较大的分量，可通过Burg算法获取该IMF分量的四阶AR系数，并将该AR系数作为特征的指标之一；
分量进行HT变换模块对该信号分解后的所有IMF分量进行HT变换获取其瞬时能量均值，通过瞬时能量均值反映该运动想象过程中能量的变化，并结合该AR系数和瞬时能量均值作为运动想象过程中脑电信号的特征向量，通过支持向量机进行分类识别；
机械手臂控制模块，其包括软件模块、硬件模块，其中：
硬件模块包括伺服驱动器、伺服电机，其中：
伺服驱动器是一个用于驱动电机转动的器件，所有的输入输出信号都在该器件上产生，并且该驱动器具有第三代编程环境的特点，按需要编写控制程序；
伺服电机用于实现手臂对应关节的上下左右方向运动；
软件模块包括Composer软件调试模块、基于VC平台的机械手臂控制界面模块，其中：
Composer软件调试模块用于为设置和调整伺服驱动器，基于Windows操作系统的Composer软件能使用户迅速方便的设定伺服驱动器、伺服电机，以达到对该机械手臂的最佳应用，并且，在伺服电机的旋转过程中实时监控伺服电机转动的角速度和角位移，且在Elmo studio界面上编写所需的伺服电机控制程序；
基于VC平台的机械手臂控制界面模块其用于对机械手臂各参数初始化、接收串口信息、发送控制命令功能。
优选地，所述放大器采用一种Neuroscan40放大器，这样能提高使用性能。
优选地，所述伺服驱动器采用一种Elmo伺服驱动器，其用来控制伺服电机转动，伺服电机每接收到一个脉冲信号，就会旋转一个脉冲信号所对应的角度，从而实现位移，伺服电机的转动带动一个光电码盘旋转，光电码盘的转动使得增量式光电编码器开始工作，增量式光电编码器是用来测量转速并配合PWM技术实现快速调速的装置，光电式旋转编码器通过光电转换技术，将伺服电机转动时的实时位移、实时速度等参数转化成与之对应的脉冲信号，通过计数该脉冲数量将各参数信号转化成具体数值，在旋转的过程中可以检测到伺服电机旋转的角速度和角位移并反馈到机械手臂控制结构中。
优选地，所述基于运动想象脑电信号的机械手臂控制系统采用一种基于运动想象脑电信号的机械手臂控制方法，基于运动想象脑电信号的机械手臂控制方法包括以下步骤：
步骤一，连接伺服驱动器；点击连接按钮即可完成与伺服驱动器的连接，并初始化机械手臂各关节的参数，点击连接按钮后弹出设备连接成功对话框表示成功连接；
步骤二，初始化设备；连接好设备后需要初始化伺服驱动器的参数，为防止设备误操作给机械手臂带来机械损坏，初始化过程预设选定伺服电机，当需要更改机械手臂的控制关节时，可通过更改变量的赋值，因机械手臂各关节的伺服电机参数不一样，因此在更换需要控制的伺服电机时应该相应的更换其伺服电机参数，以防运动幅度过大造成机械手臂机械性损坏；
步骤三，打开传输通道；通过串口把分类识别结果传送到机械手臂控制系统平台，连接设备并初始化设备后，打开传输通道，等待控制命令传输过来；
步骤四，接收命令并控制设备转动；初始化设备时，伺服电机的初试位置为0，在接收到控制命令时，伺服电机发生运转；当解析的控制命令为1时，伺服电机向上运动；当解析的控制命令为-1时，伺服电机向下运动；在机械手臂上下运动过程中，为防止手臂转动幅度过大，设置了上下运动的界限；
步骤五，中断控制并复位；在机械手臂控制实验结束时，需要中断伺服电机转动并使得伺服电机复位到机械手臂刚上电的初试位置，以确保下次实验的良好运行；
步骤六，断开连接；通过脑电信号控制机械手臂操作完成之后，需要断开与伺服驱动器的连接，关闭机械手臂的解析命令传输通道，以防误操作影响实验结果；点击断开按钮即可断开连接。
本发明的积极进步效果在于：本发明能够通过分析提取出想象过程中变化明显的信号，进而可以掌握大脑在运动想象活动过程中大脑内部电位变化的规律性，由此去控制机械手臂的上下运动。
附图说明
图1为本发明的结构示意图。
图2为本发明EEG信号想象手臂向上的EMD分解示意图。
图3为本发明EEG信号想象手臂向下的EMD分解示意图。
具体实施方式
下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。
如图1所示，本发明基于运动想象脑电信号的机械手臂控制系统包括：
EEG(Electroencephalogram，脑电波)信号获取模块，其由一个采集电脑模块和一个刺激电脑模块来获取，其通过一个放大器以及一种Scan(扫描)软件采集信号，放大器通过一根电缆与计算机传输数据，并通过一根USB线供电，放大器下方设有个四十排的插孔直接连着采集电脑模块中的脑电采集帽，脑电采集帽的导联安放位置根据10-20国际标准安置法安放；Scan软件设置需要采集的导联、采样率、参考电极、基准线等参数，刺激电脑模块由一种E-prime(心理学实验软件)软件完成，通过一根电缆使得刺激电脑与采集电脑模块相连，实现信号的采集与画面的刺激同步进行；
EEG信号分析模块，其包括EMD分解捕捉模块、分量进行HT变换模块，其中：
EMD分解捕捉模块对信号进行EMD(Empirical Mode Decomposition，经验模态分解)分解并捕捉到运动想象过程中IMF(International Monetary Fund，国际货币基金组织)分量变化幅度较大的分量，可通过Burg(功率谱估计的古典算法)算法获取该IMF分量的四阶AR(Augmented Reality，增强现实技术)系数，并将该AR系数作为特征的指标之一；
分量进行HT(HyperTransport，端到端总线技术)变换模块对该信号分解后的所有IMF分量进行HT变换获取其瞬时能量均值，通过瞬时能量均值反映该运动想象过程中能量的变化，并结合该AR系数和瞬时能量均值作为运动想象过程中脑电信号的特征向量，通过支持向量机进行分类识别；
机械手臂控制模块，其包括软件模块、硬件模块，其中：
硬件模块包括伺服驱动器、伺服电机，其中：
伺服驱动器是一个用于驱动电机转动的器件，所有的输入输出信号都在该器件上产生，并且该驱动器具有第三代编程环境的特点，可以按需要编写控制程序；
伺服电机用于实现手臂对应关节的上下左右方向运动；
软件模块包括Composer(PHP5.3以上的一个依赖管理工具)软件调试模块、基于VC(visual studio.，开发平台)平台的机械手臂控制界面模块，其中：
Composer软件调试模块用于为设置和调整伺服驱动器，基于Windows(美国微软公司研发的一套操作系统)操作系统的Composer软件能使用户迅速方便的设定伺服驱动器、伺服电机，以达到对该机械手臂的最佳应用，并且，在伺服电机的旋转过程中可以实时监控伺服电机转动的角速度和角位移，且在Elmo(艾摩驱动器)studio(工作室)界面上编写所需的伺服电机控制程序；
基于VC平台的机械手臂控制界面模块其用于对机械手臂各参数初始化、接收串口信息、发送控制命令等功能。
所述放大器采用一种Neuroscan40(脑电系统)放大器，这样能提高使用性能。
所述伺服驱动器采用一种Elmo伺服驱动器，其用来控制伺服电机转动，伺服电机每接收到一个脉冲信号，就会旋转一个脉冲信号所对应的角度，从而实现位移，伺服电机的转动带动一个光电码盘旋转，光电码盘的转动使得增量式光电编码器开始工作，增量式光电编码器是用来测量转速并配合PWM技术可以实现快速调速的装置，光电式旋转编码器通过光电转换技术，将伺服电机转动时的实时位移、实时速度等参数转化成与之对应的脉冲信号，通过计数该脉冲数量将各参数信号转化成具体数值，在旋转的过程中可以检测到伺服电机旋转的角速度和角位移并反馈到机械手臂控制结构中。
所述基于运动想象脑电信号的机械手臂控制系统采用一种基于运动想象脑电信号的机械手臂控制方法，基于运动想象脑电信号的机械手臂控制方法包括以下步骤：
步骤一，连接伺服驱动器；点击连接按钮即可完成与伺服驱动器的连接，并初始化机械手臂各关节的参数，点击连接按钮后弹出设备连接成功对话框表示成功连接；
步骤二，初始化设备；连接好设备后需要初始化伺服驱动器的参数，为防止设备误操作给机械手臂带来机械损坏，初始化过程预设选定伺服电机，当需要更改机械手臂的控制关节时，可通过更改变量的赋值，因机械手臂各关节的伺服电机参数不一样，因此在更换需要控制的伺服电机时应该相应的更换其伺服电机参数，以防运动幅度过大造成机械手臂机械性损坏；
步骤三，打开传输通道；通过串口把分类识别结果传送到机械手臂控制系统平台，连接设备并初始化设备后，打开传输通道，等待控制命令传输过来；
步骤四，接收命令并控制设备转动；初始化设备时，伺服电机的初试位置为0(数字编码)，在接收到控制命令时，伺服电机发生运转；当解析的控制命令为1(数字编码)时，伺服电机向上运动；当解析的控制命令为-1(数字编码)时，伺服电机向下运动；在机械手臂上下运动过程中，为防止手臂转动幅度过大，设置了上下运动的界限；
步骤五，中断控制并复位；在机械手臂控制实验结束时，需要中断伺服电机转动并使得伺服电机复位到机械手臂刚上电的初试位置，以确保下次实验的良好运行；
步骤六，断开连接；通过脑电信号控制机械手臂操作完成之后，需要断开与伺服驱动器的连接，关闭机械手臂的解析命令传输通道，以防误操作影响实验结果；点击断开按钮即可断开连接。
本发明对EMD分解捕捉模块提取IMF分量的四阶中的IMF1和IMF2分量来分别获取其AR系数，因此每个采样通道的脑电数据可以获得八个AR系数；对分量进行HT变换模块中的一种核函数采用一种径向基核函数，其最优的核参数通过K阶交叉验证的网格搜索方法获取，并通过分析通道的脑电数据来判别受试者运动想象的意图，并最终将该分类识别结果用于控制机械手臂的运动，对导联进行分析，该导联的EEG信号EMD分解如图2至图3所示。
以上所述的具体实施例，对本发明的解决的技术问题、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于运动想象脑电信号的机械手臂控制系统，其特征在于，所述基于运动想象脑电信号的机械手臂控制系统包括：
EEG信号获取模块，其由一个采集电脑模块和一个刺激电脑模块来获取，其通过一个放大器以及一种Scan软件采集信号，放大器通过一根电缆与计算机传输数据，并通过一根USB线供电，放大器下方设有个四十排的插孔直接连着采集电脑模块中的脑电采集帽，脑电采集帽的导联安放位置根据10-20国际标准安置法安放；Scan软件设置需要采集的导联、采样率、参考电极、基准线参数，刺激电脑模块由一种E-prime软件完成，通过一根电缆使得刺激电脑与采集电脑模块相连，实现信号的采集与画面的刺激同步进行；
EEG信号分析模块，其包括EMD分解捕捉模块、分量进行HT变换模块，其中：
EMD分解捕捉模块对信号进行EMD分解并捕捉到运动想象过程中IMF分量变化幅度较大的分量，通过Burg算法获取该IMF分量的四阶AR系数，并将该AR系数作为特征的指标之一；
分量进行HT变换模块对该信号分解后的所有IMF分量进行HT变换获取其瞬时能量均值，通过瞬时能量均值反映该运动想象过程中能量的变化，并结合该AR系数和瞬时能量均值作为运动想象过程中脑电信号的特征向量，通过支持向量机进行分类识别；
机械手臂控制模块，其包括软件模块、硬件模块，其中：
硬件模块包括伺服驱动器、伺服电机，其中：
伺服驱动器是一个用于驱动电机转动的器件，所有的输入输出信号都在该器件上产生，并且该驱动器具有第三代编程环境的特点，按需要编写控制程序；
伺服电机用于实现手臂对应关节的上下左右方向运动；
软件模块包括Composer软件调试模块、基于VC平台的机械手臂控制界面模块，其中：
Composer软件调试模块用于为设置和调整伺服驱动器，基于Windows操作系统的Composer软件使用户迅速方便的设定伺服驱动器、伺服电机，以达到对该机械手臂的最佳应用，并且，在伺服电机的旋转过程中实时监控伺服电机转动的角速度和角位移，且在Elmostudio界面上编写所需的伺服电机控制程序；
基于VC平台的机械手臂控制界面模块其用于对机械手臂各参数初始化、接收串口信息、发送控制命令功能。
2.如权利要求1所述的基于运动想象脑电信号的机械手臂控制系统，其特征在于，所述放大器采用一种Neuroscan40放大器，这样提高使用性能。
3.如权利要求1所述的基于运动想象脑电信号的机械手臂控制系统，其特征在于，所述伺服驱动器采用一种Elmo伺服驱动器，其用来控制伺服电机转动，伺服电机每接收到一个脉冲信号，就会旋转一个脉冲信号所对应的角度，从而实现位移，伺服电机的转动带动一个光电码盘旋转，光电码盘的转动使得增量式光电编码器开始工作，增量式光电编码器是用来测量转速并配合PWM技术实现快速调速的装置，光电式旋转编码器通过光电转换技术，将伺服电机转动时的实时位移、实时速度参数转化成与之对应的脉冲信号，通过计数该脉冲数量将各参数信号转化成具体数值，在旋转的过程中检测到伺服电机旋转的角速度和角位移并反馈到机械手臂控制结构中。
4.如权利要求1所述的基于运动想象脑电信号的机械手臂控制系统，其特征在于，所述基于运动想象脑电信号的机械手臂控制系统采用一种基于运动想象脑电信号的机械手臂控制方法，基于运动想象脑电信号的机械手臂控制方法包括以下步骤：
步骤一，连接伺服驱动器；点击连接按钮完成与伺服驱动器的连接，并初始化机械手臂各关节的参数，点击连接按钮后弹出设备连接成功对话框表示成功连接；
步骤二，初始化设备；连接好设备后需要初始化伺服驱动器的参数，为防止设备误操作给机械手臂带来机械损坏，初始化过程预设选定伺服电机，当需要更改机械手臂的控制关节时，通过更改变量的赋值，因机械手臂各关节的伺服电机参数不一样，因此在更换需要控制的伺服电机时应该相应的更换其伺服电机参数，以防运动幅度过大造成机械手臂机械性损坏；
步骤三，打开传输通道；通过串口把分类识别结果传送到机械手臂控制系统平台，连接设备并初始化设备后，打开传输通道，等待控制命令传输过来；
步骤四，接收命令并控制设备转动；初始化设备时，伺服电机的初试位置为0，在接收到控制命令时，伺服电机发生运转；当解析的控制命令为1时，伺服电机向上运动；当解析的控制命令为-1时，伺服电机向下运动；在机械手臂上下运动过程中，为防止手臂转动幅度过大，设置了上下运动的界限；
步骤五，中断控制并复位；在机械手臂控制实验结束时，需要中断伺服电机转动并使得伺服电机复位到机械手臂刚上电的初试位置，以确保下次实验的良好运行；
步骤六，断开连接；通过脑电信号控制机械手臂操作完成之后，需要断开与伺服驱动器的连接，关闭机械手臂的解析命令传输通道，以防误操作影响实验结果；点击断开按钮断开连接。
CN201710818955.1A 2017-09-12 2017-09-12 基于运动想象脑电信号的机械手臂控制系统 Pending CN107813307A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710818955.1A CN107813307A (zh) 2017-09-12 2017-09-12 基于运动想象脑电信号的机械手臂控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710818955.1A CN107813307A (zh) 2017-09-12 2017-09-12 基于运动想象脑电信号的机械手臂控制系统

Publications (1)

Publication Number Publication Date
CN107813307A true CN107813307A (zh) 2018-03-20

Family

ID=61607080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710818955.1A Pending CN107813307A (zh) 2017-09-12 2017-09-12 基于运动想象脑电信号的机械手臂控制系统

Country Status (1)

Country Link
CN (1) CN107813307A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111281752A (zh) * 2020-03-18 2020-06-16 山东建筑大学 一种上肢康复训练系统及执行运动意图的方法
CN113849067A (zh) * 2021-09-26 2021-12-28 华东理工大学 基于经验模态分解的运动想象人工数据生成方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010098284A1 (ja) * 2009-02-24 2010-09-02 本田技研工業株式会社 脳情報出力装置、ロボット、および脳情報出力方法
US20100262377A1 (en) * 2007-05-15 2010-10-14 Aircraft Medical (Barcelona) SL Emg and eeg signal separation method and apparatus
CN106175757A (zh) * 2016-07-11 2016-12-07 温州大学 基于脑电波的行为决策预测系统
CN106406297A (zh) * 2016-08-03 2017-02-15 哈尔滨工程大学 一种基于无线脑电控制履带式移动机器人的控制系统
CN106933348A (zh) * 2017-01-24 2017-07-07 武汉黑金科技有限公司 一种基于虚拟现实的脑电神经反馈干预系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100262377A1 (en) * 2007-05-15 2010-10-14 Aircraft Medical (Barcelona) SL Emg and eeg signal separation method and apparatus
WO2010098284A1 (ja) * 2009-02-24 2010-09-02 本田技研工業株式会社 脳情報出力装置、ロボット、および脳情報出力方法
CN106175757A (zh) * 2016-07-11 2016-12-07 温州大学 基于脑电波的行为决策预测系统
CN106406297A (zh) * 2016-08-03 2017-02-15 哈尔滨工程大学 一种基于无线脑电控制履带式移动机器人的控制系统
CN106933348A (zh) * 2017-01-24 2017-07-07 武汉黑金科技有限公司 一种基于虚拟现实的脑电神经反馈干预系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
崔燕: "基于运动想象脑电的手臂运动功能康复研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
苏航: "基于虚拟现实技术的康复训练系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111281752A (zh) * 2020-03-18 2020-06-16 山东建筑大学 一种上肢康复训练系统及执行运动意图的方法
CN113849067A (zh) * 2021-09-26 2021-12-28 华东理工大学 基于经验模态分解的运动想象人工数据生成方法及装置

Similar Documents

Publication Publication Date Title
CN101667346B (zh) 基于虚拟现实的截肢上肢康复训练系统
CN107212883B (zh) 一种基于脑电控制的机械臂写字装置及控制方法
CN103027675B (zh) 新型便携式三导联实时无线心电监测系统及分析方法
CN100455015C (zh) 一种集成视觉监控的多模式无线脑机交互装置
CN108681396A (zh) 基于脑-肌电双模态神经信号的人机交互系统及其方法
CN107813307A (zh) 基于运动想象脑电信号的机械手臂控制系统
CN101785659B (zh) 一种便携式通用生物信号获取和分析系统及方法
CN113205074B (zh) 一种融合肌电和微惯性测量单元多模态信号的手势识别方法
CN1683936A (zh) 电力系统多通道瞬态波形过电压在线检测方法及其装置
CN109215774B (zh) 实时远程脉诊系统及其工作方法
CN105892676B (zh) 一种血管介入手术送丝机构的人机交互装置、系统及方法
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
CN115050104B (zh) 基于多通道表面肌电信号的连续手势动作识别方法
CN111616847A (zh) 基于肌肉协同和人机语音交互的上臂假肢控制系统和方法
CN111700718A (zh) 一种识别握姿的方法、装置、假肢及可读存储介质
CN111714121A (zh) 肌电数据分类模型构建方法、分类方法、装置及服务器
CN103169450B (zh) THz针移动一体机
CN101773422B (zh) 基于神经再分布技术的肌电仿生手臂系统
Aravind et al. Embedded implementation of brain computer interface using FPGA
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
CN107970031B (zh) 一种高通量多通道电生理信号记录与刺激系统
CN204909750U (zh) 基于双臂肌电、姿态信息采集的智能假肢
CN107589700B (zh) 一种脑电信号模拟发生装置
CN201602914U (zh) 基于神经再分布技术的肌电仿生手臂系统
CN110825232B (zh) 基于航天医监医保信号的手势识别人机交互装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180320