CN206730022U - 一种基于生物电阻测量的仿生假肢 - Google Patents
一种基于生物电阻测量的仿生假肢 Download PDFInfo
- Publication number
- CN206730022U CN206730022U CN201720024389.2U CN201720024389U CN206730022U CN 206730022 U CN206730022 U CN 206730022U CN 201720024389 U CN201720024389 U CN 201720024389U CN 206730022 U CN206730022 U CN 206730022U
- Authority
- CN
- China
- Prior art keywords
- module
- signal
- biologic resistance
- resistance measurement
- control
- 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.)
- Withdrawn - After Issue
Links
Abstract
本实用新型公开了一种基于生物电阻测量的仿生假肢,当大脑控制肌肉或骨骼运动时,通过腕带实时测量生物电阻的变化,再通过信号处理控制系统来解读这些变化所相对应的手掌动作,随之操纵机器手来达到大脑的控制目的。通过运用生物电阻测量/成像技术,避免了现有机械假肢繁琐,甚至是手术植入式电极的生物信号采集方式和复杂的模式识别运算控制方式。实现了假肢使用简单,无创,方便而且经济实惠的优点。
Description
技术领域
本实用新型涉及假肢控制技术领域,具体地,涉及一种基于生物电阻测量的仿生假肢。
背景技术
仿生假肢是截肢患者生活的不可缺少的部分,然而现今市场上的假肢多为纯机械构造的假肢。这种假肢虽然经济实惠但是功能简单,往往无法满足患者除了抓举外更多的需求。通过电子控制的高级假肢虽然可以完成更多更复杂的动作,但是价格不菲。正在研究中的生物假肢通过复杂的模式识别运算来解读肌肉神经上的肌肉生物信号(EMG)从而控制机械臂,这些机械臂功能更强大,但是系统也同时更复杂。而且为了达到更好的控制效果,往往需要从手臂上植入电极。
生物电阻测量是一种无创的测量方式。目前被广泛运用于鉴别生物样本的病变,大脑区域成像,以及逐渐商业化的肺部成像。其原理是通过激励电极输入恒定电流(电流激励法)或电压(电压激励法),并采集由激励源产生的诱导电压或者诱导电流。
实用新型内容
本实用新型的目的在于,针对上述问题,提出一种基于生物电阻测量的仿生假肢,能够通过解读大脑控制的肌肉生物信号实现控制假肢的目的,从而满足多个动作的实施,同时降低假肢成本。
为实现上述目的,本实用新型采用的技术方案是:一种基于生物电阻测量的仿生假肢,主要包括:生物电阻测量模块、信号处理控制模块和机械手,所述信号处理控制模块通过线缆向生物电阻测量模块发送激励信号,在激励信号的作用下生物电阻测量模块对生物电阻进行测量,将测量数据回传至信号处理控制模块,所述信号控制处理模块对测量数据进行生物电阻分布分析并通过神经元网络解读肌肉的运动方式,根据解读结果,数据通过线缆向机械手发出控制命令信号,机械手根据控制命令信号执行相应的动作。
进一步地,所述动作包括手指运动,手腕运动,以及拇指关节处的上下运动。
进一步地,所述激励信号为电压激励信号或者电流激励信号;所述生物电阻测量模块具体包括可穿戴在截肢部位的生物电阻测量腕带,所述生物电阻测量腕带包括均匀分布在腕带内侧的电极。
进一步地,所述电极由导电布构成,所述电极的数量N=2^n,n为大于或等于2的自然数。
进一步地,当激励信号为电流激励信号时,所述生物电阻测量模块为无源电极测量模块,具体为激励电压经电流源后产生AC电流,通过模拟开关向导电布电极进行激励。
进一步地,所述生物电阻测量模块包括电流源、模拟开关、运算放大器、滤波器、可编程增益放大器和模数转换电路,电流源通过模拟开关对电极进行激励,激励后运算放大器测量生物电阻信号,得到的生物电阻信号经滤波器、可编程增益放大器和模数转换电路的处理,将生物电阻信号传递至信号处理控制模块;
所述信号处理控制模块接收生物电阻测量模块中模数转换结果,并对生物电阻信号进行实部和虚部的解调,具体还包括数字控制模块、数模换电路模块,所述数字控制模块通过控制直接数字式频率合成器DDS和数模转换电路模块产生激励电压供给电流源,所述数字控制模块还对模拟开关进行选开控制。
进一步地,所述信号控制处理模块还包括存储模块,肌肉或者骨骼佩戴腕带后,肌肉或骨骼作出相应的运动,信号控制处理模块控制腕带的生物电阻测量模块测量并采集生物电阻信号,并进行解调,随后在数字控制模块的控制下,将相应的运动与采集并解调后的生物电阻数据进行存储,用于神经元网络训练。
进一步地,所述信号处理控制模块还包括神经元网络模块,神经元网络模块的控制包括训练和实施,所述神经元网络的训练具体为,在某一特定动作下,在信号处理控制模块控制下的生物电阻测量模块不断对生物电阻信号进行采集,通过对大量数据的学习,神经元网络学习并记忆该项特定动作;所述神经元网络的实施具体为,运用训练后的神经元网络,当假肢佩戴者再次实施该特定动作时,生物电阻测量模块会采集到与神经元网络训练时同样类别的信号,通过神经元网络,此信号将被神经元网络解读为一特定动作,在信号处理控制模块的控制下调用该项特定动作的数据,向机械手发送控制指令,使机械手实现该项特定的动作。
进一步地,所述信号处理控制模块还包括通讯模块,通过通讯模块将采集到的生物阻抗数据传递给PC或手机终端,通过PC或手机终端对某一特定动作的生物阻抗数据进行神经元网络的学习和计算,并通过通讯模块反馈至信号处理控制模块,在信号处理控制模块的控制下,使机械手作出特定动作。
进一步地,当激励信号为电流激励信号时,所述生物电阻测量模块为有源电极测量模块。
本实用新型各实施例的一种基于生物电阻测量的仿生假肢,当大脑控制肌肉或骨骼运动时,通过腕带实时测量生物电阻的变化,再通过信号处理控制系统来解读这些变化所相对应的手掌动作,随之操纵机器手来达到大脑的控制目的。通过运用生物电阻测量/成像技术,避免了现有机械假肢繁琐,甚至是手术植入式的生物信号采集和复杂的模式识别运算控制方式。实现了简单,无创,使用方便而且经济实惠的穿戴式生物假肢。
本实用新型的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本实用新型而了解。
下面通过附图和实施例,对本实用新型的技术方案做进一步的详细描述。
附图说明
附图用来提供对本实用新型的进一步理解,并且构成说明书的一部分,与本实用新型的实施例一起用于解释本实用新型,并不构成对本实用新型的限制。在附图中:
图1为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的整体结构示意图;
图2为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的工作过程原理示意图;
图3为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的神经元网络训练和实施过程原理示意图;
图4a为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的无源电极开关切换式系统结构图;
图4b为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的有源电极并行系统;
图4c本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的无源电极开关切换式系统与有源电极并行系统组合型系统结构图;
图5为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的不同动作对应不同生物电阻信号图;
图6为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的生物电阻测量原理图;
图7为本实用新型实施例所述的一种基于生物电阻测量的仿生假肢的信号原理图。
结合附图,本实用新型实施例中附图标记如下:
1-机械手;2-生物电阻测量腕带;3-腕带内部的电极;4-信号处理控制系统;5-机械手的拇指关节;6-整体结构图;7-解读生物电阻信号图。
具体实施方式
以下结合附图对本实用新型的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本实用新型,并不用于限定本实用新型。
一种基于生物电阻测量的仿生假肢,主要包括:生物电阻测量模块、信号处理控制模块和机械手,所述信号处理控制模块通过线缆向生物电阻测量模块发送激励信号,在激励信号的作用下生物电阻测量模块对生物电阻进行测量,将测量数据回传至信号处理控制模块,所述信号控制处理模块对测量数据进行生物电阻分布分析并解读肌肉的运动方式,根据解读结果数据通过线缆向机械手发出控制命令信号,机械手根据控制命令信号执行相应的动作。
所述动作包括手指运动,手腕运动,以及拇指关节处的上下运动。
所述激励信号为电压激励信号或电流激励信号;所述生物电阻测量模块具体为可穿戴在截肢部位的生物电阻测量腕带,所述生物电阻测量腕带包括均匀分布在腕带内侧的电极。
所述电极由导电布构成,所述电极的数量N=2^n,n为大于或等于2的自然数。
当激励信号为电流激励信号时,所述生物电阻测量模块为无源电极测量模块,具体为激励电压经电流源后产生AC电流,通过模拟开关向导电布电极进行激励。
所述生物电阻测量模块包括电流源、模拟开关、运算放大器、滤波器、可编程增益放大器和模数转换电路,电流源通过模拟开关对电极进行激励,激励后运算放大器测量生物电阻信号,得到的生物电阻信号经滤波器、可编程增益放大器和模数转换电路的处理,将生物电阻信号传递至信号处理控制模块;
所述信号处理控制模块接收生物电阻测量模块中模数转换结果,并对生物电阻信号进行实部和虚部的解调,具体包括数字控制模块、数模换电路模块,所述数字控制模块通过控制直接数字式频率合成器DDS和数模转换电路模块产生激励电压供给电流源,所述数字控制模块还对模拟开关进行选开控制。
所述信号控制处理模块还包括存储模块,肌肉或者骨骼佩戴腕带后,肌肉或骨骼作出相应的运动,信号控制处理模块控制腕带的生物电阻测量模块测量并采集生物电阻信号,并进行解调,随后在数字控制模块的控制下,将相应的运动与采集并解调后的生物电阻数据进行存储,用于神经元网络训练。
所述信号处理控制模块神经元网络模块,神经元网络模块的控制包括训练和实施,所述神经元网络的训练具体为,在某一特定动作下,在信号处理控制模块控制下的生物电阻测量模块不断对生物电阻信号进行采集,通过对大量数据的学习,神经元网络学习并记忆该项特定动作;所述神经元网络的实施具体为,运用训练后的神经元网络,当假肢佩戴者再次实施该特定动作时,生物电阻测量模块会采集到与神经元网络训练时同样类别的信号,通过神经元网络,此信号将被神经元网络解读为一特定动作,在信号处理控制模块的控制下调用该项特定动作的数据,向机械手发送控制指令,使机械手实现该项特定的动作。
所述信号处理控制模块还包括通讯模块,通过通讯模块将采集到的生物阻抗数据传递给PC或手机终端,通过PC或手机终端对某一特定动作的生物阻抗数据进行神经元网络的学习和计算,并通过通讯模块反馈至信号处理控制模块,在信号处理控制模块的控制下,使机械手实现特定动作。
当激励信号为电流激励信号时,所述生物电阻测量模块为有源电极测量模块。本实用新型通过测量生物电阻来解读大脑控制意图,从而实现对机械手的控制的无创型,可穿戴式仿生假肢。截肢患者在试图控制缺失的肢体时,手臂中的肌肉和骨骼等仍然会同正常人一样受到大脑的相应控制而运动。由于肌肉与骨骼等人体组织具有不同的生物电阻,如表格1,在这些运动下,手臂内的生物电阻分布随之发生变化。此设备通过腕带(2)实时测量这一变化,再通过信号处理控制系统(4)来解读这些变化所相对应的手掌动作,随之操纵机器手来达到大脑的控制目的(6)。此设备通过运用生物电阻测量/成像技术,避免了现有机械假肢繁琐,甚至是手术植入式的生物信号采集和复杂的模式识别运算控制方式。实现了简单,无创,使用方便而且经济实惠的穿戴式生物假肢。
表格-1生物电阻参数表
结合图7,生物电阻测量是一种无创的测量方式。目前被广泛运用于鉴别生物样本的病变,大脑区域成像,以及逐渐商业化的肺部成像。其原理是通过激励电极输入恒定电流(电流激励法)或电压(电压激励法),并采集由激励源产生的诱导电压或者诱导电流。
系统总共分为三大部分,接触电极以及生物电阻测量模块(2),信号处理控制模块(4),假肢以及其控制系统(1)。其工作原理如图2:手臂肌肉和骨骼等的运动改变其内部生物电阻的分布情况。由控制系统(4)对腕带(2)内部的电极(3)进行激励,从而进行生物电阻测量。随后(4)对(2)传回的测量数据进行生物电阻分布分析,肌肉/骨骼等运动所要表现的姿势因此得到解读,解读结果可如(7)。根据此结果的不同,(4)会对机械手进行相应的控制从而实现大脑意图。
生物电阻测量在方式上可以分为:电阻的频谱分析(Electrical ImpedanceSpectroscope)和电阻断层成像(Electrical Impedance Tomography)如图2 (7)。测量方式可分为:电压激励,电流测量法和电流激励,电压测量法。使用的系统结构可分为:无源电极开关切换式系统(图4a),有源电极并行系统(图4b),以及两种形式的组合型系统(图4c)。以上所述均属于生物电阻测量的范畴。解读的结果后数据分析不局限于图像,配合“机器学习/神经元网络”算法来解读手势。
有源电极和无源电极的区别主要是激励端(电流源)是否位于模拟开关后,距离电极很近的地方(所以称为“有源的”电极)。如果电流源放置于开关后面,则需要多个电流源,电路构架则分为电极电路和主电路系统。如果在开关前面,则只需要一个电流源位于主电路系统中。
同样当为有源电极的时候,多个缓冲放大器可位于电极电路中,进一步提高信号的稳定性。有源电极能提高系统性能,但是系统复杂,价格相对较高。
结合图4b有源电极电路,具体为有多个电流源作为激励源,通过模拟开关将电压信号传输到位于电极上的电流源,电流源则位于模拟开关之后,产生AC激励电流,通过位于电极上的缓冲放大器,采集生物电阻信号,并将信号传回主电路系统中的运算放大器,由此构成的有源电极生物电阻测量模块进行激励和测量;
有源电极也可被设计为图4c,唯一的电流源只位于主电路系统中进行激励,但通过位于电极上的有源缓冲放大器进行数据采集,由此构成并行半有源式电极生物电阻模块进行激励和测量。
同时,在无源电极的系统的设计中,在保证安全的情况下也可以直接用电压进行激励,不使用电流源。以上描述生物电阻测量模块电路架构中的多种可行性。架构越简单,成本越低,性能也会随之降低。
此设备所用电极(3)的数量可以为4,8,16,32甚至更多,为了提高生物假肢的穿戴舒适性,导电布将被用于制作电极。
机械假肢的控制指令由系统(4)发出,不同的手势会有不同的手臂肌肉/骨骼运动。而由于人体差异和截肢位置(或腕带佩戴位置)的不同,肌肉与骨骼的运动可能会反应不同的控制意图。所以如图3所示,此设备将使用神经元网络以及深度学习来对数据进行分析。
如图3,患者会事先佩戴腕带(3),然后按照自己的意愿让手臂肌肉/骨骼运动。腕带通过生物电阻测量后采集这些数据,并存储为数据1,2,3,等。在学习阶段,每一组数据将预先对应一个用户想表达的手势。在保持这一手臂姿势的时候,设备将不断采集生物电阻信号,对神经元网络进行训练。通过对大量的数据进行学习,神经元网络可记忆这个手势相对应的数据类型。在假肢的使用中,如此数据组再次出现,则可以推断出相应的手势,并且操作机械手执行动作。此功能会让设备的使用更准确,也更个人化。
机械学习运用于采集数据的分析。这一部分的反馈系统可通过本地的信号处理(DSP)芯片完成。
数据也可以通过低功耗通讯设备传输到外围设备,如智能手机,PC。通过APP或者程序来完成机器学习的计算,然后反馈回设备本地进行控制;
为了进一步地,详细阐述本实用新型的技术方案,结合图6,生物电阻测量是一种无创的测量方式。目前被广泛运用于鉴别生物样本的病变,大脑区域成像,以及逐渐商业化的肺部成像。其原理是通过激励电极输入恒定电流(电流激励法)或电压(电压激励法)。
以电流激励法为例:在被测封闭物体内注入电流,此电流会更具物体内部的生物电阻分布产生相应的电流场分布。根据欧姆定律,电流流过导体将在其表面产生相应的诱导电压。在封闭物体的表面均匀分布采样电极会检测到这些电压。如图6,如果1,2为激励电极,则其余电极检测电压。随后改2,3为激励电极,其余电极再次检测电压。如此反复,则可以采集到此封闭物体内整个激励电流场的分布情况。由于电阻分布是直接导致其相应电场分布的原头,通过有限元分析(FEM),偏微分方程(PDE),逆问题算法(Inverse Problem)等数学模型则可以分析出此时此刻,此封闭物体内造成这一特定电流场分布的体内未知电阻是如何分布的。也可以使用神经元网络进行分析,从而直接解读结果。
随着被测物体内部电阻的分布发生改变,电场发生改变,物体表面产生的诱导电压也会随之发生变化。如此一来,被测物体内的电阻分布变化(如肌肉与骨骼等的运动)可由生物电阻测量而解读出来。
生物电阻测量可分为多种方式。各种方式有其各自的优缺点。在初步研发阶段,我们采用了最简单的8电极-无源电极开关切换式系统(图4a)。如图4a所示,电路包括电流源电路,运算放大器,通路模拟信号选择器。通过FPGA控制DDS与DAC产生激励电压。通过电流源此电压转换为AC电流,再过选择器至电极进行激励。同时使用菊花链(Daisy Chain)控制仪表运算放大器采集诱导电压至ADC后做IQ解调得到数据。随后切换激励电极直到一个完整采集周期。数据通过串口传输到电脑后进行生物电阻分布分析。8个被动电极被均匀分布在被测志愿者的手腕处,志愿者被要求摆出不同的手势,通过反复测量和对比,图5为实验结果。
通过神经元网络学习,实验结果证明,生物电阻测量可以成功且相对准确的通过解读手臂肌与骨骼等的运动来解读手掌姿势(90%的正确率)。而且除了基本的手指运动外,此方式还能提供大拇指关节处的上下旋转运动,以及手腕的旋转运动。通过在不同志愿者之间对比(图5,拿捏,拿捏-2),我们发现由于个体差异,设备的个性化微调和个体的学习是确实需要的。除了机械手和电池外,其余的电路系统和腕带,电极部分的体积也能被高度集成,可以真正成为一种便携的穿戴式的产品。
不同于传统生物电阻测量设备,此设备不单单测量生物样本组织的变化(病变),在检测变化的同时,分析并进一步运用这些数据来控制其他设备完成整个设备的功能。通过生物电阻测量对手臂中肌肉与骨骼的运动做出更直接的解读。
通过使用现有的商业化电子器件和成熟的3D打印技术来制造,此仿生假肢将是一款功能强大,而且经济的,无创的可穿戴式仿生假肢。通过完善的用户个人化编辑系统的辅助,此仿生假肢的使用将会更准确,让患者真正重获手掌功能。
传统的电极是一些用于心电图的ECG/EEG电极,还有其他的各种电极。这些电极患者使用起来,系统集成时候,以及大规模生产中都不是非常的好。采用导电布,如镀银布,该布本身导电,可以很简单集成到设备中。患者穿起来也很舒服。该电极能与皮肤做更好的接触。可以量产,成本低。可拆换,洗。更具胳膊的大小可调节等优点。
电路部分又分为模拟前端和数字处理。模拟前端主要是电流源和仪表运算放大器。也包括DAC,ADC等。数字处理部分主要是对信号进行生物电阻的实部和虚部的解调。数字处理部分为一块集成芯片,节约设备面积和提高使用性能。
生物电阻信号的处理和控制,避免现有技术中,生物电阻的测量需要成像,本实用新型仅仅使用信号,成像并非是必须的,避免由于成像而拖慢处理速度,设备真正需要从数据中得到的控制信号,因此设计具有机械学习的算法的设备。从数据中,根据每个佩戴者的不同的数据来推算出现在需要执行什么动作。
机械手固定到手臂上,部分能够通过指令实施相应动作。设备中的机械假肢控制分为手指运动,手腕运动,以及(5)拇指关节处的上下运动。
最后应说明的是:以上所述仅为本实用新型的优选实施例而已,并不用于限制本实用新型,尽管参照前述实施例对本实用新型进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本实用新型的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实用新型的保护范围之内。
Claims (10)
1.一种基于生物电阻测量的仿生假肢,其特征在于,包括生物电阻测量模块、信号处理控制模块和机械手,所述信号处理控制模块通过线缆向生物电阻测量模块发送激励信号,在激励信号的作用下生物电阻测量模块对生物电阻进行测量,将测量数据回传至信号处理控制模块,所述信号处理控制模块对测量数据进行生物电阻分布分析并解读肌肉或骨骼的运动方式,根据解读结果数据通过线缆向机械手发出控制命令信号,机械手根据控制命令信号执行相应的动作。
2.根据权利要求1所述的基于生物电阻测量的仿生假肢,其特征在于,所述动作包括手指运动,手腕运动,以及拇指关节处的上下运动。
3.根据权利要求2所述的基于生物电阻测量的仿生假肢,其特征在于,所述激励信号为电压激励信号或者电流激励信号;所述生物电阻测量模块具体包括可穿戴在截肢部位的生物电阻测量腕带,所述生物电阻测量腕带包括均匀分布在腕带内侧的电极。
4.根据权利要求3所述的基于生物电阻测量的仿生假肢,其特征在于,所述电极由导电布构成,所述电极的数量N=2^n,n为大于或等于2的自然数。
5.根据权利要求4所述的基于生物电阻测量的仿生假肢,其特征在于,当激励信号为电流激励信号时,所述生物电阻测量模块为无源电极测量模块,具体为激励电压经电流源后产生AC电流,通过模拟开关向导电布电极进行激励。
6.根据权利要求5所述的基于生物电阻测量的仿生假肢,其特征在于,所述生物电阻测量模块包括电流源、模拟开关、运算放大器、滤波器、可编程增益放大器和模数转换电路,电流源通过模拟开关对电极进行激励,激励后运算放大器测量生物电阻信号,得到的生物电阻信号经滤波器、可编程增益放大器和模数转换电路的处理,将生物电阻信号传递至信号处理控制模块;
所述信号处理控制模块接收生物电阻测量模块中模数转换结果,并对生物电阻信号进行实部和虚部的解调,具体还包括数字控制模块、数模转换电路模块,所述数字控制模块通过控制直接数字式频率合成器DDS和数模转换电路模块产生激励电压供给电流源,所述数字控制模块还对模拟开关进行选开控制。
7.根据权利要求6所述的基于生物电阻测量的仿生假肢,其特征在于,所述信号控制处理模块还包括存储模块,肌肉或者骨骼佩戴腕带后,肌肉或骨骼作出相应的运动,信号控制处理模块控制腕带的生物电阻测量模块测量并采集生物电阻信号,并进行解调,随后在数字控制模块的控制下,将相应的运动与采集并解调后的生物电阻数据进行存储,用于神经元网络训练。
8.根据权利要求7所述的基于生物电阻测量的仿生假肢,其特征在于,所述信号处理控制模块还包括神经元网络模块,神经元网络模块的控制包括训练和实施,所述神经元网络的训练具体为,在某一特定动作下,在信号处理控制模块控制下的生物电阻测量模块不断对生物电阻信号进行采集,通过对大量数据的学习,神经元网络学习并记忆该项特定动作;所述神经元网络的实施具体为,运用训练后的神经元网络,当假肢佩戴者再次实施该特定动作时,生物电阻测量模块会采集到与神经元网络训练时同样类别的信号,通过神经元网络,此信号将被神经元网络解读为一特定动作,在信号处理控制模块的控制下调用该项特定动作的数据,向机械手发送控制指令,使机械手实现该项特定的动作。
9.根据权利要求7所述的基于生物电阻测量的仿生假肢,其特征在于,所述信号处理控制模块还包括通讯模块,通过通讯模块将采集到的生物阻抗数据传递给PC或手机终端,通过PC或手机终端对某一特定动作的生物阻抗数据进行神经元网络的学习和计算,并通过通讯模块反馈至信号处理控制模块,在信号处理控制模块的控制下,使机械手实现特定动作。
10.根据权利要求4所述的基于生物电阻测量的仿生假肢,其特征在于,当激励信号为电流激励信号时,所述生物电阻测量模块为有源电极测量模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720024389.2U CN206730022U (zh) | 2017-01-10 | 2017-01-10 | 一种基于生物电阻测量的仿生假肢 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720024389.2U CN206730022U (zh) | 2017-01-10 | 2017-01-10 | 一种基于生物电阻测量的仿生假肢 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN206730022U true CN206730022U (zh) | 2017-12-12 |
Family
ID=60556065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201720024389.2U Withdrawn - After Issue CN206730022U (zh) | 2017-01-10 | 2017-01-10 | 一种基于生物电阻测量的仿生假肢 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN206730022U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106691639A (zh) * | 2017-01-10 | 2017-05-24 | 云南巨能科技发展有限公司 | 一种基于生物电阻测量的仿生假肢 |
WO2020118797A1 (zh) * | 2018-12-13 | 2020-06-18 | 深圳先进技术研究院 | 假肢控制方法、装置、系统、设备和存储介质 |
-
2017
- 2017-01-10 CN CN201720024389.2U patent/CN206730022U/zh not_active Withdrawn - After Issue
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106691639A (zh) * | 2017-01-10 | 2017-05-24 | 云南巨能科技发展有限公司 | 一种基于生物电阻测量的仿生假肢 |
CN106691639B (zh) * | 2017-01-10 | 2018-12-07 | 云南巨能科技发展有限公司 | 一种基于生物电阻测量的仿生假肢 |
WO2020118797A1 (zh) * | 2018-12-13 | 2020-06-18 | 深圳先进技术研究院 | 假肢控制方法、装置、系统、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | A human–machine interface using electrical impedance tomography for hand prosthesis control | |
Jiang et al. | Exploration of force myography and surface electromyography in hand gesture classification | |
Milosevic et al. | Design challenges for wearable EMG applications | |
CN111317600B (zh) | 一种假肢控制方法、装置、系统、设备和存储介质 | |
Brunelli et al. | Low-cost wearable multichannel surface EMG acquisition for prosthetic hand control | |
Irwin et al. | Enabling low-power, multi-modal neural interfaces through a common, low-bandwidth feature space | |
CN106923942B (zh) | 基于人体肌电信号控制的上下肢运动辅助系统 | |
CN103495260B (zh) | 一种基于肌电信号和传感器信号实现精细实时运动的控制方法 | |
Yang et al. | Experimental study of an EMG-controlled 5-DOF anthropomorphic prosthetic hand for motion restoration | |
CN105997050A (zh) | 一种穿戴式非接触心电采集装置及方法 | |
CN106420124A (zh) | 一种肌电控制虚拟机器人假手仿真系统的方法 | |
Wilson et al. | A bus-based smart myoelectric electrode/amplifier—system requirements | |
CN105962935A (zh) | 用于运动学习功能改善的脑电神经反馈训练系统及其方法 | |
CN206228345U (zh) | 用于提高训练效果的智能服装 | |
CN102949783B (zh) | 回馈控制的穿戴式上肢电刺激装置 | |
CN206730022U (zh) | 一种基于生物电阻测量的仿生假肢 | |
CN205849452U (zh) | 一种肌电检测服 | |
CN107278145A (zh) | 用于电触觉反馈的系统和方法 | |
Ryait et al. | SEMG signal analysis at acupressure points for elbow movement | |
Jiang et al. | Towards an IoT-based upper limb rehabilitation assessment system | |
Tam et al. | A wearable wireless armband sensor for high-density surface electromyography recording | |
CN103340633A (zh) | 一种基于生物电阻抗的睡眠姿势识别方法 | |
CN106691639B (zh) | 一种基于生物电阻测量的仿生假肢 | |
Wang et al. | Building multi-modal sensory feedback pathways for SRL with the aim of sensory enhancement via BCI | |
CN103549965A (zh) | 一种量程自动可调的中医推拿手法力学信息获取系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
AV01 | Patent right actively abandoned | ||
AV01 | Patent right actively abandoned |
Granted publication date: 20171212 Effective date of abandoning: 20181207 |