[发明专利]一种手腕关节运动力矩的肌电估计方法

说明书

本发明公开了一种手腕关节运动力矩的肌电估计方法。该方法采集前臂6块肌肉在用户手腕关节弯曲伸展过程中的表面肌电信号，利用TKE算子计算肌肉收缩时间。利用等速肌肉力测试系统与肌电仪同步测量各肌肉等长收缩最大张力。建立腕关节正向肌骨模型，输入肌肉收缩时间与各肌肉等长收缩最大张力，输出腕关节弯曲伸展极限位置处估计力矩。利用三维运动捕捉系统获得腕关节弯曲伸展过程中运动学数据，并解算出极限位置处参考力矩。将模型估计力矩与参考力矩误差的平方作为目标函数，利用共轭梯度法完成腕关节正向肌骨模型的标定，实现表面肌电信号对手腕关节力矩的估计。本发明可应用于肌电假手、康复医疗、生机电一体化等领域。

【技术领域】

本发明属于智能假手与生机电一体化技术领域，涉及一种手腕关节运动力矩的肌电估计方法。

【背景技术】

目前，由于意外、疾病等原因造成的手部缺失患者人数已达千万。现有医疗水平还无法实现手部再生，故假肢是手部缺失患者恢复手部功能的唯一方式。肌电假手是基于人手臂表面肌电信号特征感知人体运动意图，控制假手实现相应操作，从而满足手部残疾患者日常生活所需。与传统假手相比，其功能更加完善，能够更好的提升患者使用的幻肢感。

大脑产生的兴奋信号经神经系统传递至肌肉纤维，从而产生动作电位。一方面动作电位相互叠加在人体表面形成表面肌电信号；另一方面动作电位沿着肌纤维向多个方向传播，引起肌纤维收缩，产生肌肉力并带动骨骼绕关节运动。又因为表面肌电信号的产生通常先于实际动作发生，所以表面肌电信号在某种程度上可以预测人体运动意图。肌电假手正是利用表面肌电信号与人体运动意图之间的关系来帮助手部缺失患者满足日常生活与工作所需。现有肌电假手在人体运动意图感知方面主要聚焦于假手抓握动作的分类，忽略抓握过程中力矩的研究。为了保证假手抓握的稳定性，除了提供合适的手部抓握力，对于腕关节的抓握力的估计也十分重要。基于此，研究前臂表面肌电信号对用户手腕关节运动力矩的估计是当前肌电假手研究领域的关键点，而其中极限位置处最大力矩的估计显得尤为重要。

【发明内容】

本发明为了增加表面肌电信号对于人体运动意图感知的方面，提供一种手腕关节运动力矩的肌电估计方法，该方法通过腕关节正向肌骨模型建立表面肌电信号与用户手腕关节弯曲伸展至极限位置时力矩之间映射关系，实现输入完整的弯曲伸展运动过程中前臂表面肌电信号，输出对应的用户手腕关节在弯曲伸展极限位置时的力矩值。

为达到上述目的，本发明采用以下技术方案予以实现：

一种手腕关节运动力矩的肌电估计方法，包括以下步骤：

步骤1：建立用户手腕关节正向肌骨模型；

步骤2：利用多关节等速肌力测试系统与表面肌电仪同步测量前臂各肌肉等长收缩最大张力；

步骤3：在利用三维运动捕捉系统采集用户手腕关节3种运动速度下腕关节运动学数据的同时，利用表面肌电仪同步采集人手前臂6块肌肉表面肌电信号，并进行预处理，利用TKE算子求出肌肉收缩时间；

步骤4：利用三维运动捕捉系统采集用户手腕关节运动学数据，建立用户手腕关节简化模型，进行逆动力学求解，得到用户手腕关节弯曲伸展极限位置处力矩；

步骤5：利用共轭梯度法完成腕关节正向肌骨模型标定。

与现有技术相比，本发明具有以下有益效果：

本发明易于操作并保证高精确性。多关节等速肌力测试系统可提供等长收缩张力测量模式，用于测量关节在多个固定角度下的峰力矩，由此得到的肌肉等长收缩最大张力精度高。三维运动捕捉系统具有高分辨率与高采样率，由此捕捉到的腕关节运动学数据可靠性高。表面肌电仪具有高采样率，可实时检测表面肌电信号反应肌肉收缩情况，映射肌肉力大小。三种仪器均具备同步采集接口，两两之间可实现同步采集。