Research on Intelligent Interaction technology of Hand Rehabilitation Robot Based on EMG

脑卒中疾病是导致成年人残疾的主要原因，给家庭和社会造成了巨大影响，积极主动的康复训练有助于脑卒中患者康复。手作为人体最重要的运动和感觉器官之一，其运动模式复杂。同时，手也是身体末端器官，康复难度极大。因此，脑卒中患者手部康复极其重要。针对传统手部康复治疗方式存在康复训练成本高、康复时间不灵活和康复等级评估主观性强等弊端，本课题提出了基于表面肌电的患者运动意图识别和康复等级评估技术，并基于此开发了具有实时康复等级信息反馈和主被动康复训练方式的手部康复机器人系统。本文主要内容如下：首先，介绍了表面肌电信号的产生原理和特点。根据脑卒中患者的病症，确定了患者表面肌电数据采集实验范式，并对采集到的表面肌电信号进行归一化和滤波等预处理操作以提高信号信噪比。然后利用滑动窗技术对每个通道数据进行处理得到样本，并针对得到的样本提取常用特征。最后，提出了基于tsfresh特征自动提取工具的肌电特征提取方法。其次，针对患者运动意图识别精度低的问题，提出了能够适用于不同Brunnstrom等级患者的动作识别方法。针对多类别精细动作识别率低的问题，提出了动态多路时空卷积网络框架，可以同时利用肌电信号的时间和空间信息，从而提高了动作分类模型精度。针对非理想情况下基于肌电动作分类模型性能下降问题，提出了基于纹理特征和集成学习方法的环状传感器位置偏移校正方法。再次，提出了基于肌电的Brunnstrom等级自动评估方法。首先，确定了9种康复训练动作，并根据动作和康复等级之间的相关性筛选出了适用于康复评估动作。然后，将筛选动作应用于康复等级自动评估算法，从而提高等级评估精度。接着，针对不同等级患者确定了相应的康复训练方案。最后，基于康复等级自动评估技术提出了两种家庭式手部康复机器人系统方案。最后，搭建了具有实时康复等级信息反馈和主被动康复训练方式的手部康复机器人系统，完成了肌电传感器、电源电路、主控电路、控制程序、运动意图识别算法、康复等级评估算法和用户界面软件等设计与实现