一种人体运动机能非线性评价指标研究
2020-09-07胡晋嘉陈仁祥
兵器装备工程学报 2020年8期
关键词:信号
张 霞,傅 豪,胡晋嘉,陈仁祥
(重庆交通大学 机电与车辆工程学院, 重庆 400074)
穿戴式机器人运动辅助过程中,通过获取人体运动信息并有效识别出人体运动机能,有利于穿戴式机器人主/从运动控制的研究,为提高机器人的柔顺运动辅助控制提供理论支撑[1]。根据研究方向不同,人体运动信息可分为4种:第一种是人体运动姿态的描述;第二种是描述人体运动时的力学参数,如受力情况、人体质心和速度等参数;第三种是人体运动时的生理信息,比如人体运动时肌肉收缩、放松变化产生的肌电信息;第四种是利用信息融合技术宏观描述人体运动的协调性、平衡性等。由于表面肌电(surface electromyography,sEMG)信号变化与肌肉活动功能状态之间存在良好的相关性,同时sEMG信号的获取与分析也具有实时性、客观性、敏感性和灵活性等特点[2],因此在人体运动信息相关研究中,肌电信号具有天然的优势。
根据研究对象和应用领域的不同,sEMG信号的研究主要分为三类:第一类是人的肢体动作的识别,该方法通过提取特征参数结合机器学习的算法对动作模式进行分类,达到识别人体动作的目的,广泛应用于残疾人的假肢控制领域[3-5];第二类是肌肉疲劳及肌力的评价与判断,sEMG信号的幅值一般和肌肉运动力度成正比,可以通过sEMG信号对肌力进行估算,文献[6-8]利用信号的时频分析技术,对递增负荷下肌肉周期性动态疲劳进行估计,文献[9]利用曲线拟合的方法建立了肌力预测模型,并考虑了疲劳状态下的肌力;……
登录APP查看全文
