CN114587387A - 一种带电作业绝缘操作杆使用疲劳性评估方法及装置 - Google Patents
一种带电作业绝缘操作杆使用疲劳性评估方法及装置 Download PDFInfo
- Publication number
- CN114587387A CN114587387A CN202210149825.4A CN202210149825A CN114587387A CN 114587387 A CN114587387 A CN 114587387A CN 202210149825 A CN202210149825 A CN 202210149825A CN 114587387 A CN114587387 A CN 114587387A
- Authority
- CN
- China
- Prior art keywords
- muscle
- operating rod
- fatigue
- signal
- bioelectricity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 210000003205 muscle Anatomy 0.000 claims abstract description 62
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 206010049565 Muscle fatigue Diseases 0.000 claims abstract description 10
- 210000001364 upper extremity Anatomy 0.000 claims abstract description 9
- 238000002372 labelling Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000007405 data analysis Methods 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000002567 electromyography Methods 0.000 claims description 8
- 230000003183 myoelectrical effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 6
- 206010016256 fatigue Diseases 0.000 description 21
- 230000002232 neuromuscular Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 208000029549 Muscle injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- A61B5/389—Electromyography [EMG]
-
- 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
- A61B5/389—Electromyography [EMG]
- A61B5/397—Analysis of electromyograms
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种带电作业绝缘操作杆使用疲劳性评估方法,所述评估方法具体为:设置工况条件、绝缘操作杆种类和握距情况,开展预试验,并根据结果确定最优目标肌肉,采集每个工况条件下,每种绝缘操作杆的每种握距情下最优目标肌肉的生物电信号,并进行特征值提取,对其进行特征参数选择,建立疲劳性评估模型,根据肌肉状态对特征参数进行标签化处理,并以此建立训练集,通过训练集对疲劳性评估模型进行训练,采集作业人员使用带电作业绝缘操作杆过程中的生物电信号,并通过疲劳性评估模型获取作业人员上肢肌肉的疲劳状态。本发明能够通过预试验获取最优目标肌肉,根据其表面生物电信号开展肌肉疲劳评估,能够有效提高检测准确性和效率。
Description
技术领域
本发明涉及带电作业监测技术领域,尤其是指一种带电作业绝缘操作杆使用疲劳性评估方法及装置。
背景技术
配电线路在运行中经常由于其点多、线长、面广等特点,从而容易发生各种事故,这种情况给配电网供电可靠性带来了十分严重的影响,并且还会给供电企业造成经济损失,同时也对广大城乡居民的正常生活和生产用电带来了一定的影响,这与当前各供电企业大力提升优质服务水平以及用户对供电可靠性的高要求背道而驰。而带电作业是电网设备检测、检修维护和改造的重要手段,在我国已有近70年的历史,是电力系统安全、可靠、稳定运行的重要技术保障。配网带电作业是一种高强度的上肢重复劳动,需要作业人员长时间使用工器具进行作业,这会导致作业人员的肌肉一直处于疲劳状态,肌肉疲劳累积后可能会导致一系列肌肉损伤问题,诱发工作相关肌肉骨骼疾患,因此需要及时获取作业人员的肌肉疲惫状态,从而及时降低肌肉疲劳积累致病的风险。
而肌肉疲劳研究是人机工程学领域中应用非常广泛的研究方法。目前主流的研究方法有主观评价法、生物力学分析法、生化指标分析法及生理信号分析法等。生理信号分析法中目前采用较多的是表面肌电信号(sEMG)法,其采集方式方便无创,可检测到与神经肌肉活动相关的生物电信号,包含了神经肌肉系统丰富的生理信息,反映神经肌肉系统的生理状态及活动情况。但是在表面肌电信号法的应用过程中,并未对采集对象进行有效选择,在作业过程中,由于作业内容的变化也会有不同重点使用的肌肉,但现有技术中往往对于检测对象,如上肢肌肉进行整体检测,检测效率和判断效率并不高。
发明内容
本发明的目的是克服现有技术中的缺点,提供一种带电作业绝缘操作杆使用疲劳性评估方法及装置。
本发明的目的是通过下述技术方案予以实现:
一种带电作业绝缘操作杆使用疲劳性评估方法,包括以下步骤:
步骤一,设置工况条件、绝缘操作杆种类和握距情况,对每个工况条件下,每种绝缘操作杆对应的每种握距情况进行预试验,根据预试验结果确定最优目标肌肉;
步骤二,采集每个工况条件下,每种绝缘操作杆的每种握距情下最优目标肌肉的生物电信号,对采集的生物电信号进行特征值提取,并对提取的特征值进行特征参数选择;
步骤三,建立疲劳性评估模型,划分肌肉状态,并划分的肌肉状态对选择的特征参数进行标签化处理,根据标签化处理后的特征参数建立训练集,通过训练集对疲劳性评估模型进行训练;
步骤四,采集作业人员使用带电作业绝缘操作杆过程中的生物电信号,并将采集的生物电信号输入训练好的疲劳性评估模型,获取作业人员的上肢肌肉疲劳状态。
进一步的,步骤二中对降噪处理后的生物电信号提取的特征值包括时域特征参数和频域特征参数,所述时域特征参数包括积分肌电值IEMG和均方根值RMS,所述频域特征参数包括平均功率频率MPF和中值频率MDF。
进一步的,步骤三中所述肌肉状态包括放松态、负重态、疲劳过渡态、深度疲劳态和疲劳态。
进一步的,步骤一中根据预试验结果确定最优目标肌肉的具体过程为:设置实验环境,并在预试验对应信号采集对象的右侧放置一块可移动的白板,白板上设置有一个圆,调整白板和信号采集对象的距离,信号采集对象手持绝缘操作杆,并将绝缘操作杆的最前端从白板上设置的圆的最顶端开始循圆周逆时针转动,并持续一定时间,实时采集转动过程中信号采集对象上肢每块肌肉对应的肌电信号,根据每块肌肉对应的肌电信号变化确定使用绝缘操作杆对每块肌肉疲劳程度的影响,选取影响最大的一块肌肉作为最优目标肌肉。
进一步的,步骤二中通过高速摄像机和表面肌电信号法获取生物电信号,通过表面肌电信号法实时采集sEMG信号,同时通过摄像头采集测试过程中的视频数据,并对采集的视频数据进行作业人员肌肉运动状态识别,并将作业人员肌肉的运动状态与采集到的sEMG信号进行匹配对应,获取生物电信号。
进一步的,在采集到sEMG信号后,还对采集的sEMG信号进行滤波处理。
一种带电作业绝缘操作杆使用疲劳性评估装置,包括数据采集模块、数据分析模块和展示模块,所述数据采集模块与数据分析模块连接,所述数据采集模块用于采集作业人员在使用绝缘操作杆过程中的生物电信号,所述数据分析模块用于根据采集到的生物电信号进行肌肉疲劳判断,所述展示模块与数据分析模块连接,所述展示模块用于展示肌肉疲劳评估结果。
进一步的,所述数据采集模块包括高速摄像机和电生理数据采集仪。
本发明的有益效果是:
表面肌电信号法可以检测到神经肌肉活动相关的生物电信号,生物电信号中包含了神经肌肉系统丰富的生理信息,能够反应神经系统的生理状态及活动情况。且能够做到无创检测,能够更容易被作业人员接受。肌肉的运动状态与表面肌电信号的变化情况具有很好的一致性,通过sEMG信号能够客观且定量地反映配网带电作业工器具使用对于作业人员肌肉疲劳程度的影响。同时在采集sEMG信号的同时,采用高速摄像头对使用过程进行测量,从而获取肌肉的运动状态,并能够将肌肉的运动状态与sEMG信号的变化进行匹配对应,基于肌肉的运动状态和sEMG信号获取的生物电信号能够更加全面,后续得到的肌肉疲劳评估结果也更加准确。且通过预试验对最优目标肌肉进行选择,后续采集生物电信号时,能够将采集目标设置为最优目标肌肉,能够有效提高检测准确性和检测效率。
附图说明
图1是本发明的一种结构示意图;
图2是本发明的一种流程示意图;
其中:1、数据采集模块,2、数据分析模块,3、展示模块。
具体实施方式
下面结合附图和实施例对本发明进一步描述。
实施例:
一种带电作业绝缘操作杆使用疲劳性评估装置,如图1所示,包括数据采集模块、数据分析模块和展示模块,所述数据采集模块与数据分析模块连接,所述数据采集模块用于采集带电作业人员在使用绝缘操作杆过程中的生物电信号,所述数据分析模块用于根据采集到的生物电信号进行肌肉疲劳判断,所述展示模块与数据分析模块连接,所述展示模块用于展示肌肉疲劳评价结果。
所述数据采集模块包括高速摄像机和电生理数据采集仪。
本实施例中采用了美国iWorx公司所生产的IX-BIO8八通道电生理数据采集仪,能够从同一运动或休息的实验对象同时采集8通道表面肌电图,能够得到最直观可靠的实验结果。
所述数据分析模块具体采用LabScribe软件对的IX-BIO8八通道电生理数据采集仪所采集到的数据进行分析计算。其分析计算结果直接在电脑终端上进行展示。
一种带电作业绝缘操作杆使用疲劳性评估方法,如图2所示,包括以下步骤:
步骤一,设置工况条件、绝缘操作杆种类和握距情况,对每个工况条件下,每种绝缘操作杆对应的每种握距情况进行预试验,根据预试验结果确定最优目标肌肉;
步骤二,采集每个工况条件下,每种绝缘操作杆的每种握距情下最优目标肌肉的生物电信号,对采集的生物电信号进行特征值提取,并对提取的特征值进行特征参数选择;
步骤三,建立疲劳性评估模型,划分肌肉状态,并划分的肌肉状态对选择的特征参数进行标签化处理,根据标签化处理后的特征参数建立训练集,通过训练集对疲劳性评估模型进行训练;
步骤四,采集作业人员使用带电作业绝缘操作杆过程中的生物电信号,并将采集的生物电信号输入训练好的疲劳性评估模型,获取作业人员的上肢肌肉疲劳状态。
所述疲劳性评估模型具体通过支持向量机(SVM)算法进行训练学习。
在采集每个工况条件下每种绝缘操作杆的每种握距情下最优目标肌肉的生物电信号时,设置若干名信号采集对象,能够有效排除其随机性。
步骤二中对降噪处理后的生物电信号提取的特征值包括时域特征参数和频域特征参数,所述时域特征参数包括积分肌电值IEMG和均方根值RMS,所述频域特征参数包括平均功率频率MPF和中值频率MDF。
步骤三中所述肌肉状态包括放松态、负重态、疲劳过渡态、深度疲劳态和疲劳态。
步骤一中根据预试验结果确定最优目标肌肉的具体过程为:设置实验环境,并在预试验对应信号采集对象的右侧放置一块可移动的白板,白板上设置有一个圆,调整白板和信号采集对象的距离,信号采集对象手持绝缘操作杆,并将绝缘操作杆的最前端从白板上设置的圆的最顶端开始循圆周逆时针转动,并持续一定时间,实时采集转动过程中信号采集对象上肢每块肌肉对应的肌电信号,根据每块肌肉对应的肌电信号变化确定使用绝缘操作杆对每块肌肉疲劳程度的影响,选取影响最大的一块肌肉作为最优目标肌肉。
将绝缘操作杆的最前端从白板上设置的圆的最顶端开始循圆周逆时针转动的过程为模拟绝缘操作杆作业过程中的拧螺丝动作。且本实施例中,设置每个信号采集对象的持续转动时间为6秒,并在一次信号采集过后,信号采集对象休息10分钟后,再进行下一次信号采集,一共进行3次信号采集。
在预试验前,还需要对实验环境以及信号采集对象进行预处理,信号采集对象在实验前先做热身运动及伸展操15分钟,避免直接开始实验对被试的关节肌肉产生伤害。然后用5%浓度酒精清洁皮肤,刮除毛发后用细砂纸打磨皮肤,并注意避免皮肤的破损处或瘢痕位置,最后用清水清洗皮肤,粘贴好电极贴片,电极贴片的粘贴设置具体为:电极间距2cm,参考电极置于两电极中心线距离两电极5cm处。将电极头扣在表面电极片上,理顺电极的导联线,用弹性绷带固定好线圈及导联线,以防止电极片接触不良以及导联线移动带来的信号干扰。最后信号采集对象进入预试验实验区域,开展预试验。
步骤二中通过高速摄像机和表面肌电信号法获取生物电信号,通过表面肌电信号法实时采集sEMG信号,同时通过摄像头采集测试过程中的视频数据,并对采集的视频数据进行作业人员肌肉运动状态识别,并将作业人员肌肉运动状态与采集到的sEMG信号进行对应,获取生物电信号。
在采集到sEMG信号后,还对采集的sEMG信号进行滤波处理。
sEMG信号的幅值一般在0~5mV,频率主要集中在20~150Hz,是一种较为微弱的生物电信号,所以在sEMG信号的采集过程中容易受到多种噪音干扰,如移动伪迹噪音、环境噪音、仪器电子元件固有噪音等,因此采用带通滤波器能够有效实现降噪目的。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (8)
1.一种带电作业绝缘操作杆使用疲劳性评估方法,其特征在于,包括以下步骤:
步骤一,设置工况条件、绝缘操作杆种类和握距情况,对每个工况条件下,每种绝缘操作杆对应的每种握距情况进行预试验,根据预试验结果确定最优目标肌肉;
步骤二,采集每个工况条件下,每种绝缘操作杆的每种握距情下最优目标肌肉的生物电信号,对采集的生物电信号进行特征值提取,并对提取的特征值进行特征参数选择;
步骤三,建立疲劳性评估模型,划分肌肉状态,并划分的肌肉状态对选择的特征参数进行标签化处理,根据标签化处理后的特征参数建立训练集,通过训练集对疲劳性评估模型进行训练;
步骤四,采集作业人员使用带电作业绝缘操作杆过程中的生物电信号,并将采集的生物电信号输入训练好的疲劳性评估模型,获取作业人员的上肢肌肉疲劳状态。
2.根据权利要求1所述的一种带电作业绝缘操作杆使用疲劳性评估方法,其特征在于,步骤二中对降噪处理后的生物电信号提取的特征值包括时域特征参数和频域特征参数,所述时域特征参数包括积分肌电值IEMG和均方根值RMS,所述频域特征参数包括平均功率频率MPF和中值频率MDF。
3.根据权利要求1所述的一种带电作业绝缘操作杆使用疲劳性评估方法,其特征在于,步骤三中所述肌肉状态包括放松态、负重态、疲劳过渡态、深度疲劳态和疲劳态。
4.根据权利要求1所述的一种带电作业绝缘操作杆使用疲劳性评估方法,其特征在于,步骤一中根据预试验结果确定最优目标肌肉的具体过程为:设置实验环境,并在预试验对应信号采集对象的右侧放置一块可移动的白板,白板上设置有一个圆,调整白板和信号采集对象的距离,信号采集对象手持绝缘操作杆,并将绝缘操作杆的最前端从白板上设置的圆的最顶端开始循圆周逆时针转动,并持续一定时间,实时采集转动过程中信号采集对象上肢每块肌肉对应的肌电信号,根据每块肌肉对应的肌电信号变化确定使用绝缘操作杆对每块肌肉疲劳程度的影响,选取影响最大的一块肌肉作为最优目标肌肉。
5.根据权利要求1所述的一种带电作业绝缘操作杆使用疲劳性评估方法,其特征在于,步骤二中通过高速摄像机和表面肌电信号法获取生物电信号,通过表面肌电信号法实时采集sEMG信号,同时通过摄像头采集测试过程中的视频数据,并对采集的视频数据进行作业人员肌肉运动状态识别,并将作业人员肌肉运动状态与采集到的sEMG信号进行对应,获取生物电信号。
6.根据权利要求5所述的一种带电作业绝缘操作杆使用疲劳性评估方法,其特征在于,在采集到sEMG信号后,还对采集的sEMG信号进行滤波处理。
7.一种带电作业绝缘操作杆使用疲劳性评估装置,其特征在于,包括数据采集模块、数据分析模块和展示模块,所述数据采集模块与数据分析模块连接,所述数据采集模块用于采集带电作业人员在使用绝缘操作杆过程中的生物电信号,所述数据分析模块用于根据采集到的生物电信号进行肌肉疲劳判断,所述展示模块与数据分析模块连接,所述展示模块用于展示肌肉疲劳评估结果。
8.根据权利要求7所述的一种带电作业绝缘操作杆使用疲劳性评估装置,其特征在于,所述数据采集模块包括高速摄像机和电生理数据采集仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149825.4A CN114587387B (zh) | 2022-02-18 | 一种带电作业绝缘操作杆使用疲劳性评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149825.4A CN114587387B (zh) | 2022-02-18 | 一种带电作业绝缘操作杆使用疲劳性评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114587387A true CN114587387A (zh) | 2022-06-07 |
CN114587387B CN114587387B (zh) | 2024-05-28 |
Family
ID=
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06304157A (ja) * | 1993-04-14 | 1994-11-01 | Mega Electron Oy | 疲労に対する筋肉の耐性及び感度の判定方法 |
US5361775A (en) * | 1993-04-06 | 1994-11-08 | Mega Elektroniikka Oy Pl. | Method for determining muscle endurance and sensitivity to fatigue |
KR20000072178A (ko) * | 2000-08-11 | 2000-12-05 | 조상현 | 근전도 중간주파수 변화를 이용한 근피로 측정 방법 및시스템 |
JP2007209453A (ja) * | 2006-02-08 | 2007-08-23 | Delta Tooling Co Ltd | 筋疲労評価装置 |
CN101961529A (zh) * | 2010-08-13 | 2011-02-02 | 中国科学院深圳先进技术研究院 | 肌电反馈训练和功能评测遥操作装置及方法 |
US20120184871A1 (en) * | 2011-01-14 | 2012-07-19 | Seungjin Jang | Exercise monitor and method for monitoring exercise |
KR20140046249A (ko) * | 2012-10-10 | 2014-04-18 | 인제대학교 산학협력단 | 근전도 신호를 이용한 외부기기 제어 시스템 및 근 평가 방법 |
KR101421122B1 (ko) * | 2013-01-30 | 2014-07-22 | 국방과학연구소 | 근 피로 예측방법 및 근 피로 예측시스템 |
KR20150041830A (ko) * | 2013-10-10 | 2015-04-20 | 국방과학연구소 | 근 피로도 및 근력 통합 평가 시스템 및 그 방법 |
CN104984475A (zh) * | 2015-07-24 | 2015-10-21 | 上海交通大学 | 基于皮肤反射原理的抑制帕金森静息性震颤的电刺激系统 |
US20150374278A1 (en) * | 2014-06-26 | 2015-12-31 | Hiwin Technologies Corp. | Method for controlling gait-training apparatus using biofeedback |
CN105615890A (zh) * | 2015-12-24 | 2016-06-01 | 西安交通大学 | 人体下肢行走关节角度肌电连续解码方法 |
CN106108898A (zh) * | 2016-07-20 | 2016-11-16 | 南京智松电子科技有限公司 | 一种检测眼睛肌肉疲劳的方法和检测系统 |
US20170354377A1 (en) * | 2016-06-10 | 2017-12-14 | Panasonic Intellectual Property Management Co., Ltd. | Muscle fatigue output device, muscle fatigue output method, and recording medium |
CN109222969A (zh) * | 2018-10-31 | 2019-01-18 | 郑州大学 | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 |
CN110859619A (zh) * | 2018-08-28 | 2020-03-06 | 易适康连(上海)科技有限公司 | 腹部肌电数据的获取装置、评估系统及方法 |
CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及系统 |
WO2020222626A1 (ko) * | 2019-04-29 | 2020-11-05 | 포항공과대학교 산학협력단 | 근전도 측정을 통한 근육 피로도 분석 방법 및 이를 수행하는 웨어러블 디바이스 |
CN112006686A (zh) * | 2020-07-09 | 2020-12-01 | 浙江大学 | 一种颈部肌肉疲劳分析方法及系统 |
CN112370035A (zh) * | 2020-10-15 | 2021-02-19 | 同济大学 | 一种基于数字孪生平台的人机协作疲劳检测系统 |
CN113940680A (zh) * | 2021-10-29 | 2022-01-18 | 楚喆 | 一种基于肌电信号的运动控制方法及其系统 |
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5361775A (en) * | 1993-04-06 | 1994-11-08 | Mega Elektroniikka Oy Pl. | Method for determining muscle endurance and sensitivity to fatigue |
JPH06304157A (ja) * | 1993-04-14 | 1994-11-01 | Mega Electron Oy | 疲労に対する筋肉の耐性及び感度の判定方法 |
KR20000072178A (ko) * | 2000-08-11 | 2000-12-05 | 조상현 | 근전도 중간주파수 변화를 이용한 근피로 측정 방법 및시스템 |
JP2007209453A (ja) * | 2006-02-08 | 2007-08-23 | Delta Tooling Co Ltd | 筋疲労評価装置 |
CN101961529A (zh) * | 2010-08-13 | 2011-02-02 | 中国科学院深圳先进技术研究院 | 肌电反馈训练和功能评测遥操作装置及方法 |
US20120184871A1 (en) * | 2011-01-14 | 2012-07-19 | Seungjin Jang | Exercise monitor and method for monitoring exercise |
KR20140046249A (ko) * | 2012-10-10 | 2014-04-18 | 인제대학교 산학협력단 | 근전도 신호를 이용한 외부기기 제어 시스템 및 근 평가 방법 |
KR101421122B1 (ko) * | 2013-01-30 | 2014-07-22 | 국방과학연구소 | 근 피로 예측방법 및 근 피로 예측시스템 |
KR20150041830A (ko) * | 2013-10-10 | 2015-04-20 | 국방과학연구소 | 근 피로도 및 근력 통합 평가 시스템 및 그 방법 |
US20150374278A1 (en) * | 2014-06-26 | 2015-12-31 | Hiwin Technologies Corp. | Method for controlling gait-training apparatus using biofeedback |
CN104984475A (zh) * | 2015-07-24 | 2015-10-21 | 上海交通大学 | 基于皮肤反射原理的抑制帕金森静息性震颤的电刺激系统 |
CN105615890A (zh) * | 2015-12-24 | 2016-06-01 | 西安交通大学 | 人体下肢行走关节角度肌电连续解码方法 |
US20170354377A1 (en) * | 2016-06-10 | 2017-12-14 | Panasonic Intellectual Property Management Co., Ltd. | Muscle fatigue output device, muscle fatigue output method, and recording medium |
CN106108898A (zh) * | 2016-07-20 | 2016-11-16 | 南京智松电子科技有限公司 | 一种检测眼睛肌肉疲劳的方法和检测系统 |
CN110859619A (zh) * | 2018-08-28 | 2020-03-06 | 易适康连(上海)科技有限公司 | 腹部肌电数据的获取装置、评估系统及方法 |
CN109222969A (zh) * | 2018-10-31 | 2019-01-18 | 郑州大学 | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 |
WO2020222626A1 (ko) * | 2019-04-29 | 2020-11-05 | 포항공과대학교 산학협력단 | 근전도 측정을 통한 근육 피로도 분석 방법 및 이를 수행하는 웨어러블 디바이스 |
CN112006686A (zh) * | 2020-07-09 | 2020-12-01 | 浙江大学 | 一种颈部肌肉疲劳分析方法及系统 |
CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及系统 |
CN112370035A (zh) * | 2020-10-15 | 2021-02-19 | 同济大学 | 一种基于数字孪生平台的人机协作疲劳检测系统 |
CN113940680A (zh) * | 2021-10-29 | 2022-01-18 | 楚喆 | 一种基于肌电信号的运动控制方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3692904A1 (en) | Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence | |
CN105147248A (zh) | 基于生理信息的抑郁症评估系统及其评估方法 | |
CN108577834B (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
CN103006212B (zh) | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 | |
CN103610447A (zh) | 一种基于前额脑电信号的脑力负荷在线检测方法 | |
CN107080545B (zh) | 一种基于脑电的测谎系统 | |
Zhou et al. | Evaluation of upper limb muscle fatigue based on surface electromyography | |
CN107643377A (zh) | 一种基于鱼类心电指标的水质评价方法、系统 | |
CN103054575A (zh) | 基于电刺激作用后静态肌电研究肌疲劳的方法 | |
CN109446972A (zh) | 基于肌电信号的步态识别模型建立方法、识别方法及装置 | |
CN108577831B (zh) | 单导心贴数据长程监控诊断系统及其处理方法 | |
CN114886388A (zh) | 一种麻醉深度监测过程中脑电信号质量的评估方法及装置 | |
Zhou et al. | Surface electromyogram analysis of the direction of isometric torque generation by the first dorsal interosseous muscle | |
CN106901732B (zh) | 突变状态下肌力与肌张力的测量方法和测量装置 | |
Slawnych et al. | Motor unit estimates obtained using the new “MUESA” method | |
Li et al. | Detection of muscle fatigue by fusion of agonist and synergistic muscle semg signals | |
Burden | Surface electromyography | |
Fraser et al. | Biosignal quality analysis of surface EMG using a correlation coefficient test for normality | |
CN114587387B (zh) | 一种带电作业绝缘操作杆使用疲劳性评估方法及装置 | |
CN114587387A (zh) | 一种带电作业绝缘操作杆使用疲劳性评估方法及装置 | |
CN114052750B (zh) | 基于标准模板肌电分解的脑肌信息传递规律提取方法 | |
CN110946562B (zh) | 基于Micro:bit微处理器的生理电信号测量分析方法及系统 | |
CN206565944U (zh) | 一种基于sEMG深层肌肉电信号的测量系统 |
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 |