CN111897415A - 基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法 - Google Patents

基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法 Download PDF

Info

Publication number
CN111897415A
CN111897415A CN202010572468.3A CN202010572468A CN111897415A CN 111897415 A CN111897415 A CN 111897415A CN 202010572468 A CN202010572468 A CN 202010572468A CN 111897415 A CN111897415 A CN 111897415A
Authority
CN
China
Prior art keywords
artificial hand
virtual
hand
virtual artificial
finger joint
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
CN202010572468.3A
Other languages
English (en)
Other versions
CN111897415B (zh
Inventor
曾洪
余伟杰
李潇
宋爱国
沈熠韬
金伟明
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202010572468.3A priority Critical patent/CN111897415B/zh
Publication of CN111897415A publication Critical patent/CN111897415A/zh
Application granted granted Critical
Publication of CN111897415B publication Critical patent/CN111897415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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
    • G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
    • 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
    • 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
    • G06F2203/015—Force feedback applied to a joystick

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Neurosurgery (AREA)
  • Dermatology (AREA)
  • Geometry (AREA)
  • Neurology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Prostheses (AREA)

Abstract

本发明公开了基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，步骤：采集人手手指关节弯曲信号和人体前臂表面肌电信号并进行预处理；建立抓握过程中人体前臂表面肌电信号与人手手指关节弯曲的参考角度的关系以及人体前臂表面肌电信号与肌肉收缩过程中参考刚度的关系；采用基于仿人变刚度的阻抗控制模型对抓握过程中的手指关节弯曲角度进行估计；搭建虚拟假手交互系统，根据估计的手指关节弯曲角度对虚拟环境中的虚拟假手进行抓握虚拟物体的控制，并将虚拟假手的受力情况反馈给人手。本发明在保持假手角度控制准确性的基础上具有较好的柔顺性，同时提高了虚拟假手控制的沉浸感，提升了交互的直观性。

Description

基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法
技术领域
本发明属于虚拟现实领域，特别涉及了虚拟假手柔顺直观控制方法。
背景技术
人手具有一种类似弹簧的性质，在中枢神经系统的控制下，可以自适应地调节刚度以适应任务的变化。当外部环境变化时，人手能自然地增加刚度以提高抗干扰能力，而当不需要高刚度时，又能自然地降低刚度。人手的这种变刚度控制能力是完成灵巧任务的关键。
现有的虚拟假手交互系统大都采用运动捕捉技术获取真实人手手指关节的弯曲角度，虚拟假手在抓握物体时仅能按照人的意图到达适当的抓握角度，而无法根据被抓握物体的特性来调整抓握力度，如抓握物体时容易由于抓握力过大而毁坏物体。肌电信号中包含了肌肉的收缩以及关节力度等信息，因此国内外的学者开始从肌电信号中提取有效信息用于控制虚拟假手，包括利用模式识别技术从肌电信号提取人手的不同动作和从肌电幅值中提取人手关节弯曲角度信息。上述控制方法的缺点在于，只能获取人手的运动学特征，无法获得人手的动力学特征，虚拟假手并不能完整复现人体手部灵巧的操作能力以及在复杂环境中的抗干扰能力。
为了弥补虚拟假手在力控制上的不足，国内外学者开始采用阻抗控制技术来控制虚拟假手，阻抗控制技术能动态调整虚拟假手的运动状态以及交互力之间的关系。综合国内外的研究发现，阻抗控制技术能够在一定程度上使虚拟假手的控制更加柔顺。但目前的研究很少关注在多变的环境下的虚拟假手控制，并且较少关注虚拟假手使用者的感受，使用者仅能从视觉上观察假手的控制情况，无法同步感受假手的受力情况。
发明内容
为了解决上述背景技术提到的技术问题，本发明提出了基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法。
为了实现上述技术目的，本发明的技术方案为：
基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，包括以下步骤：
(1)通过信号采集装置对抓握运动过程中的人手手指关节弯曲信号和人体前臂表面肌电信号进行采集，并分别对采集的人手手指关节弯曲信号和人体前臂表面肌电信号进行预处理，得到预处理后的人手手指关节弯曲角度和人体前臂表面肌电信号；
(2)针对不同个体，建立抓握过程中人体前臂表面肌电信号与人手手指关节弯曲的参考角度之间的关系以及人体前臂表面肌电信号与肌肉收缩过程中参考刚度之间的关系；
(3)采用阻抗控制模型对抓握过程中的手指关节弯曲角度进行估计；
(4)搭建虚拟假手交互系统，根据估计的手指关节弯曲角度对虚拟环境中的虚拟假手进行抓握虚拟物体的控制，并将虚拟假手的受力情况反馈给人手。
进一步地，在步骤(1)中，采用数据手套采集人手手指关节弯曲信号，采用臂环采集人体前臂表面肌电信号。
进一步地，在步骤(1)中，所述预处理为，将采集的人手手指关节弯曲信号通过归一化算法映射到区间[0,1]内；将采集的人体前臂表面肌电信号依次经过全波整流、低通滤波和基于最大自主收缩的归一化，得到EMG信号包络。
进一步地，在步骤(2)中，所述两个双曲正切模型如下：
Figure BDA0002549918770000021
Figure BDA0002549918770000031
上式中，δ为手指关节弯曲的参考角度；Ks为参考刚度；FDS和EDC为预处理后提取的指浅屈肌和指总伸肌的EMG信号包络；aq、bq和ak、bk为待定常数参数。
进一步地，同时佩戴数据手套和臂环，进行手缓慢闭合和打开的实验，通过多组实验数据确定参数aq、bq；佩戴臂环，进行在5个不同的刚度等级下控制肌肉收缩程度维持稳定的实验，通过多组实验数据确定参数ak、bk。
进一步地，在步骤(3)中，所述阻抗控制模型如下：
Figure BDA0002549918770000032
上式中，aτ为扭矩增益，aτδ为扭矩，τE为外部力矩，I为惯性系数，c为阻尼系数，K为刚度系数，qs为抓握过程中手指关节弯曲角度，q0为抓握物体的位置。
进一步地，所述阻抗控制模型通过忽略惯性和外部力矩的影响，得到如下离散迭代公式用于估计手指关节弯曲角度：
Figure BDA0002549918770000033
上式中，qsk+1和qsk分别为当前时刻的手指关节弯曲角度和上一时刻手指关节弯曲角度，T为两次迭代之间的时间间隔。
进一步地，所述刚度系数K和阻尼系数c通过下式进行调节：
K＝(Kmax-Kmin)Ks+Kmin
Figure BDA0002549918770000034
上式中，Kmax和Kmin为手的最大刚度和最小刚度。
进一步地，在步骤(4)中，搭建虚拟假手交互系统，虚拟环境中包括一只虚拟假手和一个虚拟物体，根据实时估计的手指关节弯曲角度和虚拟假手的实际角度控制虚拟假手进行抓握虚拟物体的操作；在虚拟假手与虚拟物体未发生碰撞时，虚拟假手根据手指关节弯曲角度估计值与虚拟假手的实际角度的大小来决定是向内弯曲还是向外张开，当虚拟环境检测到虚拟假手与虚拟物体发生碰撞时，即使手指关节弯曲角度估计值小于虚拟假手的实际角度，虚拟假手也不会继续向内弯曲，此时角度估计值与虚拟假手的实际角度之间的差值将用于计算虚拟假手与虚拟物体的接触交互力，并通过力反馈装置将接触交互力反馈给人手。
进一步地，所述接触交互力按下式计算：
Fint＝kf(qs-q0)
上式中，Fint为接触交互力，kf为接触力比例系数，qs为手指关节弯曲角度估计值，q0为虚拟假手的实际角度。
采用上述技术方案带来的有益效果：
(1)本发明使用表面肌电信号实时估计人手刚度，使用仿人变刚度的阻抗控制方法对假手进行抓握运动的控制，成功解决传统的假手控制无法根据工作环境调整抓握力的不足，使假手控制具有较好的柔顺性；
(2)本发明通过佩戴在人手手指上的力反馈装置实时反馈虚拟环境中虚拟假手手指的受力情况，大大提高了虚拟假手控制的临场感与沉浸感，提升了交互的直观性；
(3)本发明使用修正的双曲正切模型建立个人表面肌电信号和人手手指关节弯曲角度的拟合关系，提高了假手抓握角度控制的准确性。
附图说明
图1是本发明的原理框图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，如图1所示，步骤如下：
步骤1：通过信号采集装置对抓握运动过程中的人手手指关节弯曲信号和人体前臂表面肌电信号进行采集，并分别对采集的人手手指关节弯曲信号和人体前臂表面肌电信号进行预处理，得到预处理后的人手手指关节弯曲角度和人体前臂表面肌电信号。
步骤2：针对不同个体，建立抓握过程中人体前臂表面肌电信号与人手手指关节弯曲的参考角度之间的关系以及人体前臂表面肌电信号与肌肉收缩过程中参考刚度之间的关系。
步骤3：采用阻抗控制模型对抓握过程中的手指关节弯曲角度进行估计。
步骤4：搭建虚拟假手交互系统，根据估计的手指关节弯曲角度对虚拟环境中的虚拟假手进行抓握虚拟物体的控制，并将虚拟假手的受力情况反馈给人手。
在本实施例中，上述步骤1可以采用如下优选方案实现：
采集手指关节弯曲信号的装置为5DT数据手套，该手套内置14个传感器，平均采样率为60Hz，可将传感器的弯曲角度线性地转换为0到4095之间的整数。由于手指关节的弯曲角度具有一定范围，手指关节弯曲的极限位置会形成传感器的最小弯曲和最大弯曲，从而得到传感器的最小数值和最大数值，通过下式可以将原始数值线性映射至区间[0,1]内的标定值，从而实现归一化，进而可以获取手指关节弯曲的实际角度：
Figure BDA0002549918770000051
其中，rval为数据手套采集的原始数据；rmin和rmax分别为数据手套手指关节最小弯曲和最大弯曲处采集到的原始数据；rscaled为手指关节弯曲角度的归一化值。
采集人体前臂表面肌电信号的装置为MYO臂环，该臂环有8个等距排列的传感器，佩戴方便。本发明将MYO臂环佩戴在前臂靠近肘关节的位置，由MYO臂环采集原始EMG数据，并通过低功率的蓝牙将信号传输给PC，平均采样率为60Hz。为了进行后续的步骤，需要对EMG原始信号进行预处理，预处理过程的目的是提取EMG信号包络，预处理过程包括全波整流、低通滤波和基于最大自主收缩(Maximum Voluntary Contraction，MVC)归一化三部分。其中低通滤波采用二阶巴特沃兹低通滤波器。
在本实施例中，上述步骤2可以采用如下优选方案实现：
由于每个人存在个体差异性，因此用两个修正的双曲正切函数来建立抓握过程中人体前臂表面肌电信号与人手手指关节弯曲的参考角度以及人体前臂表面肌电信号与肌肉收缩过程中的参考刚度之间的关系。
建立人体前臂表面肌电信号与人手手指关节弯曲的参考角度关系的模型：
Figure BDA0002549918770000061
其中，δ为手指关节弯曲的参考角度；aq和bq为待定常数参数，根据EMG数据与手指关节弯曲角度数据拟合得到；FDS和EDC则为预处理后提取的指浅屈肌(flexor digitorumsuperficialis)和指总伸肌(extensor digitorum communis)的EMG信号包络。
为了确定上述两个待定参数，被试同时佩戴MYO臂环与数据手套进行手缓慢闭合和打开的实验，共记录20组抓握实验的数据，其中一半数据用于参数确定，另一半数据用于拟合效果评估。
参数确定后，即可通过上述模型在抓握过程中实时估计手指关节弯曲的参考角度。
类似地，建立人体前臂表面肌电信号与肌肉收缩过程中的参考刚度关系的模型为：
Figure BDA0002549918770000071
其中，Ks为参考刚度；ak和bk为待定常数参数，根据EMG数据与刚度等级数据拟合得到。
为了确定上述两个待定参数，被试佩戴MYO臂环在5个不同的刚度等级下控制肌肉收缩程度维持稳定，每个等级记录4次，共20组数据，其中一半数据用于参数确定，另一半数据用于拟合效果评估。
参数确定后，即可通过上述模型实时估计肌肉收缩过程中的参考刚度。
在本实施例中，上述步骤3可以采用如下优选方案实现：
人体肌肉力量随肌肉活动的增加而增加。当肌肉力量影响和改变关节扭矩时，其拮抗构型的同步增加会主动调节对应关节的阻抗，仿人变刚度控制则是模仿人体在运动过程中自适应改变刚度的能力。手抓握过程中的阻抗控制模型如下：
Figure BDA0002549918770000072
上式中，aτ为扭矩增益，aτδ为扭矩，τE为外部力矩，I为惯性系数，c为阻尼系数，K为刚度系数，qs为抓握过程中手指关节弯曲角度，q0为抓握物体的位置。
忽略上述模型中惯性和外部力矩的影响，可以得到：
Figure BDA0002549918770000073
因此，手指关节的当前弯曲角度可由下式估计得到：
Figure BDA0002549918770000074
上式中，qsk+1和qsk分别为当前时刻的手指关节弯曲角度和上一时刻手指关节弯曲角度，T为两次迭代之间的时间间隔。
所述阻抗控制模型中的刚度系数K以及阻尼系数c将根据肌肉收缩过程中的参考刚度进行如下调节：
K＝(Kmax-Kmin)Ks+Kmin
Figure BDA0002549918770000081
上式中，Kmax和Kmin为手的最大刚度和最小刚度。通过如上调节，实现将原本常参数的阻抗控制变为仿人变刚度的阻抗控制。
在本实施例中，上述步骤4可以采用如下优选方案实现：
搭建虚拟假手交互系统，虚拟环境中包括一只虚拟假手和一个虚拟物体，根据实时估计的手指关节弯曲角度和虚拟假手的实际角度控制虚拟假手进行抓握虚拟物体的操作。
在虚拟假手与虚拟物体未发生碰撞时，虚拟假手根据手指关节弯曲角度估计值与虚拟假手的实际角度的大小来决定是向内弯曲还是向外张开，当虚拟环境检测到虚拟假手与虚拟物体发生碰撞时，即使手指关节弯曲角度估计值小于虚拟假手的实际角度，虚拟假手也不会继续向内弯曲，此时角度估计值与虚拟假手的实际角度之间的差值将用于计算虚拟假手与虚拟物体的接触交互力，并通过外骨架式指端力触觉反馈装置将接触交互力反馈给人手。
将虚拟假手与虚拟物体的接触交互力集中于虚拟手指与虚拟物体的接触点，根据虚拟手指嵌入虚拟物体的深度计算接触交互力：
Fint＝kf(qs-q0)
上式中，Fint为接触交互力，kf为接触力比例系数，qs为手指关节弯曲角度估计值，q0为虚拟假手的实际角度。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (10)

1.基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，包括以下步骤：
(1)通过信号采集装置对抓握运动过程中的人手手指关节弯曲信号和人体前臂表面肌电信号进行采集，并分别对采集的人手手指关节弯曲信号和人体前臂表面肌电信号进行预处理，得到预处理后的人手手指关节弯曲角度和人体前臂表面肌电信号；
(2)针对不同个体，建立抓握过程中人体前臂表面肌电信号与人手手指关节弯曲的参考角度之间的关系以及人体前臂表面肌电信号与肌肉收缩过程中参考刚度之间的关系；
(3)采用阻抗控制模型对抓握过程中的手指关节弯曲角度进行估计；
(4)搭建虚拟假手交互系统，根据估计的手指关节弯曲角度对虚拟环境中的虚拟假手进行抓握虚拟物体的控制，并将虚拟假手的受力情况反馈给人手。
2.根据权利要求1所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，在步骤(1)中，采用数据手套采集人手手指关节弯曲信号，采用臂环采集人体前臂表面肌电信号。
3.根据权利要求1所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，在步骤(1)中，所述预处理为，将采集的人手手指关节弯曲信号通过归一化算法映射到区间[0,1]内；将采集的人体前臂表面肌电信号依次经过全波整流、低通滤波和基于最大自主收缩的归一化，得到EMG信号包络。
4.根据权利要求2所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，在步骤(2)中，所述两个双曲正切模型如下：
Figure FDA0002549918760000011
Figure FDA0002549918760000021
上式中，δ为手指关节弯曲的参考角度；Ks为参考刚度；FDS和EDC为预处理后提取的指浅屈肌和指总伸肌的EMG信号包络；aq、bq和ak、bk为待定常数参数。
5.根据权利要求4所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，同时佩戴数据手套和臂环，进行手缓慢闭合和打开的实验，通过多组实验数据确定参数aq、bq；佩戴臂环，进行在5个不同的刚度等级下控制肌肉收缩程度维持稳定的实验，通过多组实验数据确定参数ak、bk。
6.根据权利要求4所述基于表面肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，在步骤(3)中，所述阻抗控制模型如下：
Figure FDA0002549918760000022
上式中，aτ为扭矩增益，aτδ为扭矩，τE为外部力矩，I为惯性系数，c为阻尼系数，K为刚度系数，qs为抓握过程中手指关节弯曲角度，q0为抓握物体的位置。
7.根据权利要求6所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，所述阻抗控制模型通过忽略惯性和外部力矩的影响，得到如下离散迭代公式用于估计手指关节弯曲角度：
Figure FDA0002549918760000023
上式中，qsk+1和qsk分别为当前时刻的手指关节弯曲角度和上一时刻手指关节弯曲角度，T为两次迭代之间的时间间隔。
8.根据权利要求6所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，所述刚度系数K和阻尼系数c通过下式进行调节：
K＝(Kmax-Kmin)Ks+Kmin
Figure FDA0002549918760000031
上式中，Kmax和Kmin为手的最大刚度和最小刚度。
9.根据权利要求1所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，在步骤(4)中，搭建虚拟假手交互系统，虚拟环境中包括一只虚拟假手和一个虚拟物体，根据实时估计的手指关节弯曲角度和虚拟假手的实际角度控制虚拟假手进行抓握虚拟物体的操作；在虚拟假手与虚拟物体未发生碰撞时，虚拟假手根据手指关节弯曲角度估计值与虚拟假手的实际角度的大小来决定是向内弯曲还是向外张开，当虚拟环境检测到虚拟假手与虚拟物体发生碰撞时，即使手指关节弯曲角度估计值小于虚拟假手的实际角度，虚拟假手也不会继续向内弯曲，此时角度估计值与虚拟假手的实际角度之间的差值将用于计算虚拟假手与虚拟物体的接触交互力，并通过力反馈装置将接触交互力反馈给人手。
10.根据权利要求9所述基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法，其特征在于，所述接触交互力按下式计算：
Fint＝kf(qs-q0)
上式中，Fint为接触交互力，kf为接触力比例系数，qs为手指关节弯曲角度估计值，q0为虚拟假手的实际角度。
CN202010572468.3A 2020-06-22 2020-06-22 基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法 Active CN111897415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010572468.3A CN111897415B (zh) 2020-06-22 2020-06-22 基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010572468.3A CN111897415B (zh) 2020-06-22 2020-06-22 基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法

Publications (2)

Publication Number Publication Date
CN111897415A true CN111897415A (zh) 2020-11-06
CN111897415B CN111897415B (zh) 2024-05-10

Family

ID=73206864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010572468.3A Active CN111897415B (zh) 2020-06-22 2020-06-22 基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法

Country Status (1)

Country Link
CN (1) CN111897415B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114800440A (zh) * 2022-03-09 2022-07-29 东南大学 基于变刚度的外肢体机器人辅助支撑方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060063187A (ko) * 2004-12-07 2006-06-12 한국전자통신연구원 핸드 인터페이스를 이용한 가상 생산 시스템 및 그 방법
CN107378944A (zh) * 2017-06-20 2017-11-24 东南大学 一种基于主成分分析法的多维表面肌电信号假手控制方法
CN109199654A (zh) * 2018-10-18 2019-01-15 上海交通大学 一种实现假肢手柔顺运动的控制系统与方法
CN110238852A (zh) * 2019-06-17 2019-09-17 湖南大学 一种机器人臂手遥操作控制方法及系统
CN110355761A (zh) * 2019-07-15 2019-10-22 武汉理工大学 一种基于关节刚度和肌肉疲劳的康复机器人控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060063187A (ko) * 2004-12-07 2006-06-12 한국전자통신연구원 핸드 인터페이스를 이용한 가상 생산 시스템 및 그 방법
CN107378944A (zh) * 2017-06-20 2017-11-24 东南大学 一种基于主成分分析法的多维表面肌电信号假手控制方法
CN109199654A (zh) * 2018-10-18 2019-01-15 上海交通大学 一种实现假肢手柔顺运动的控制系统与方法
CN110238852A (zh) * 2019-06-17 2019-09-17 湖南大学 一种机器人臂手遥操作控制方法及系统
CN110355761A (zh) * 2019-07-15 2019-10-22 武汉理工大学 一种基于关节刚度和肌肉疲劳的康复机器人控制方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114800440A (zh) * 2022-03-09 2022-07-29 东南大学 基于变刚度的外肢体机器人辅助支撑方法
CN114800440B (zh) * 2022-03-09 2023-07-25 东南大学 基于变刚度的外肢体机器人辅助支撑方法
WO2023168887A1 (zh) * 2022-03-09 2023-09-14 东南大学 基于变刚度的外肢体机器人辅助支撑方法

Also Published As

Publication number Publication date
CN111897415B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
Wang et al. Design and myoelectric control of an anthropomorphic prosthetic hand
CN107378944B (zh) 一种基于主成分分析法的多维表面肌电信号假手控制方法
US11478367B2 (en) Systems and methods for postural control of a multi-function prosthesis
CN106067178B (zh) 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
CN108983973B (zh) 一种基于手势识别的仿人灵巧肌电假手控制方法
Kwon et al. Real-time upper limb motion estimation from surface electromyography and joint angular velocities using an artificial neural network for human–machine cooperation
CN109009586B (zh) 一种假手腕关节人机自然驱动角度的肌电连续解码方法
CN203564250U (zh) 用于手功能康复训练与评估的数据手套
CN202288542U (zh) 假肢控制装置
US20150112448A1 (en) Hybrid Prosthetic Hand
CN211362244U (zh) 一种基于外骨骼数据手套和肌电手环的遥操作系统
Zhao et al. A five-fingered underactuated prosthetic hand control scheme
CN102499797A (zh) 假肢控制方法及系统
Yang et al. Experimental study of an EMG-controlled 5-DOF anthropomorphic prosthetic hand for motion restoration
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
Bu et al. A semi-automatic control method for myoelectric prosthetic hand based on image information of objects
Sattar et al. Real-time EMG signal processing with implementation of PID control for upper-limb prosthesis
Wu et al. A control strategy with tactile perception feedback for EMG prosthetic hand
CN206869888U (zh) 一种基于表面肌电信号的移动机器臂系统
CN111897415B (zh) 基于肌电信号和变刚度控制的虚拟假手柔顺直观控制方法
Huang et al. Development and continuous control of an intelligent upper-limb neuroprosthesis for reach and grasp motions using biological signals
KR100994408B1 (ko) 손가락 힘 추정 방법 및 추정 장치, 손가락 힘 추정을 위한근육 판별 방법 및 근육 판별 장치
Patel et al. EMG-based human machine interface control
JP2019004915A (ja) 時系列情報を用いた筋電パターン識別方法及び筋電義手
Xiloyannis et al. Dynamic forward prediction for prosthetic hand control by integration of EMG, MMG and kinematic signals

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
GR01 Patent grant
GR01 Patent grant