一种基于肌电信号和脑电错误电位的机器人自然控制方法技术

本发明专利技术公开了一种基于肌电信号和脑电错误电位的机器人自然控制方法，该方法主要包括以下步骤：实验人员按照提示执行四种自然动作；采集肌电信号和IMU数据，并对数据进行预处理、特征提取和分类器分类，根据分类结果控制UR5机械臂对目标执行相应动作；在控制UR5机械臂的同时触发开始获取脑电信号，并对数据进行预处理、特征提取和分类器分类，检测是否产生错误电位，若产生错误电位停止UR5机械臂当前动作，反之则不作干扰。本发明专利技术与传统的肌电信号控制方法相比，提出了对自然动作的肌电识别，同时将肌电信号和IMU信号融合进行数据处理和分类识别，再通过对脑电错误电位的识别完善机器人控制过程中的纠错机制，提高了机器人的控制效率和准确率。的控制效率和准确率。的控制效率和准确率。

【技术实现步骤摘要】
一种基于肌电信号和脑电错误电位的机器人自然控制方法


[0001]本专利技术属于生物信号识别
，具体涉及到一种基于肌电信号和脑电错误电位的机器人自然控制方法。

技术介绍

[0002]肌电信号(EMG)是一种典型的神经冲动进入肌肉纤维并刺激肌肉组织完成收缩的生物电现象。人体进行一系列运动都会产生丰富的肌电信号，通过预处理、特征提取、分类器解码等方式可以读取其中蕴含的人体动作信息。IMU即为惯性测量单元，可以测量运动载体的角速度、加速度参数，可以用于对运动下的惯性测量。脑电错误电位是一种特定的脑电信号，当个体感知到发生错误时，头皮额中央区会产生脑电错误电位。
[0003]当下针对机器人自然动作的识别方法依旧存在一些缺陷，大多是肌电信号识别重点在于对固定手势的简单识别和分类，未对自然动作进行深入研究，缺乏现实意义。同时，针对肌电信号识别的动作和机器人控制依旧存在一定的错误率，因此迫切需要一种纠错预警机制。

技术实现思路

[0004]为解决上述问题，本专利技术公开了一种基于肌电信号和脑电错误电位的机器人自然控制方法，它可以用于遥操作机器人领域，为康复机器人和假肢机器人的控制提供了一种新型控制思路。由脑电错误电位带来的反馈系统形成对机器人控制的纠错预警机制，提高了机器人控制的容错性和有效性。
[0005]为了达到上述的目的，本专利技术的技术方案如下：
[0006]一种基于肌电信号和脑电错误电位的机器人自然控制方法，包括以下步骤：
[0007]步骤1：实验人员开始按照提示执行四种自然动作之一；
[0008]步骤2：开始采集肌电信号和IMU数据，并对肌电数据和IMU数据进行预处理和特征提取；
[0009]步骤3：对获得的肌电数据和IMU数据进行分类器分类，根据分类结果控制UR5机械臂对目标执行相应动作；
[0010]步骤4：在控制UR5机械臂的同时触发开始获取脑电信号，并对脑电数据进行数据预处理和特征提取；
[0011]步骤5：对获得的脑电数据进行分类器分类，检测是否产生错误电位，若产生错误电位停止UR5机械臂当前动作，反之则不作干扰。
[0012]一种基于肌电信号和脑电错误电位的机器人自然控制方法，利用肌电信号识别的动作主要为四种自然动作，包括：指捏(如：软球)、手握(如：水杯)、插拔(如：插座)、旋转(如：阀门)。
[0013]在数据获取方面，当实验人员开始执行四种自然动作，同时对肌电信号和IMU数据的进行采集，采用肌电信号和IMU信号融合的动作识别方法，对肌电信号和IMU数据进行数
据预处理以及特征提取。对肌电信号进行特征提取，所提取的特征值包括：肌电信号多重分形奇异谱的奇异谱宽度Δf和奇异谱的面积S；对IMU数据进行特征提取，所提取的特征值包括：IMU中的平均加速度信号a和平均角速度信号ω。其计算公式如下：
[0014][0015][0016][0017][0018]其中，i表示为第i个时间窗口，N分别表示各窗口的数据点数目，，x、y、z分别表示X轴，Y轴和Z轴，代表各轴上的加速度和角速度信号值。肌电信号与IMU数据进行融合得到的特征向量为：
[0019]f＝[Δf1，...，Δf
K
，S1，...，S
k
，a1，...，a
k
，ω1，...，ω
k
][0020]将肌电信号和IMU数据融合后的特征向量f进行分类器训练和分类，分类器采用BiLSTM算法，其具体计算公式如下：
[0021]h
t
＝ω
Rt
o
Rt
tanh(c
Rt
)+ω
Lt
o
Lt
tanh(c
Lt
)
[0022]其中，h
t
表示t时刻BiLSTM模块的输出，c
Rt
和c
Lt
表示t时刻BiLSTM的向前和向后的记忆单元，o
Rt
和o
Lt
表示t时刻关于输入x
t
和前神经元的输出h
t-1
的向前和向后的输出门，ω
Rt
和ω
Lt
分别是向前和向后的LSTM的单输出的权重参数。
[0023]从BiLSTM分类器得到分类结果，开始控制机器人执行分类结果，达到对分类结果进行客观验证的效果，机器人根据预先设置的力控阈值进行抓取操作动作。
[0024]在控制机器人执行动作的同时，同步触发脑电信号的采集并对脑电数据进行预处理，其中预处理包括对脑电数据进行经验模态分解滤波和零均值的归一化处理。选取平均电压峰值、最高负电压峰值和均方根为特征值向量。将提取的脑电特征向量作为脑电信号分类器的输入，进行模型的训练和后期的错误电位的分类。对于该类二分类问题，采用RBF_BP组合神经网络进行分类，具体的计算过程如下所示。
[0025]隐藏层第一层和第二层的输出分别为：
[0026][0027][0028]其中第一层激活函数采用高斯径向基函数，C
i
表示第i个神经元的中心，第二层激活函数采用relu激活函数,i＝1，2，...，h。最后的分类输出结果为：
[0029][0030]其中输出层激活函数采用sigmoid函数，i＝1，2，...，k。
[0031]脑电信号经过预处理、特征提取和分类器分类后，可检测信号中是否产生错位电位，形成对机器人控制的纠错预警机制，若检测到错误电位，机器人在目标前停止动作，若没有检测到错误电位，机器人根据预先设置的力控阈值完成抓取操作，并回到初始位置。
[0032]对肌电数据和IMU数据以后采集的脑电数据进行预处理步骤，包括：对所述的数据进行滤波处理。
[0033]本专利技术的有益效果是：
[0034]1、针对自然动作进行肌电信号识别。传统的肌电控制往往针对几组特定的手势进行算法模型训练和分类，例如握拳、张开手掌等，这类规定的手势动作在日常生活中过于刻意，本专利技术针对指捏(如：软球)、手握(如：水杯)、插拔(如：插座)、旋转(如：阀门)四种自然动作采用肌电信号(EMG)进行识别，更加贴切机器人的自然控制，符合控制机器人时的用户习惯，可以用于遥操作机器人领域，为康复机器人和假肢机器人的控制提供了一种新型控制思路。
[0035]2、融合了IMU信号。在传统的肌电信号识别基础上，增加了惯性测量单元。IMU可检测角速率和加速度，为了特征向量的建立提供了更多的选择，增强了肌电识别的准确率。
[0036]3、增加了脑电错误电位识别。在肌电识别的基础上，增加了脑电错误电位识别机制，为机器人的自然动作控制提供了一个纠错预警机制，可解决肌电信号识别错误导致的机械臂误操作。脑电错误电位带来的反馈系统形成的对机器人控制的纠错预警机制，提高了机器人控制的容错性和有效性。
附图说明
[0037]图1是本专利技术的基于肌电信号和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肌电信号和脑电错误电位的机器人自然控制方法，其特征在于：包括以下步骤：步骤1：实验人员开始按照提示执行四种自然动作之一；步骤2：开始采集肌电信号和IMU数据，并对肌电数据和IMU数据进行预处理和特征提取；步骤3：对获得的肌电数据和IMU数据进行分类器分类，根据分类结果控制UR5机械臂对目标执行相应动作；步骤4：在控制UR5机械臂的同时触发开始获取脑电信号，并对脑电数据进行数据预处理和特征提取；步骤5：对获得的脑电数据进行分类器分类，检测是否产生错误电位，若产生错误电位停止UR5机械臂当前动作，反之则不作干扰。2.根据权利要求1所述基于肌电信号和脑电错误电位的机器人自然控制方法，其特征在于：肌电信号识别的动作为四种自然动作，包括：指捏、手握、插拔、旋转。3.根据权利要求1所述基于肌电信号和脑电错误电位的机器人自然控制方法，其特征在于：当实验人员开始执行四种自然动作，同时对肌电信号和IMU数据的获取，采用肌电信号和IMU信号融合的动作识别方法，对肌电信号和IMU数据进行数据预处理以及特征提取；对肌电信号进行特征提取，所提取的特征值包括：肌电信号多重分形奇异谱的奇异谱宽度Δf和奇异谱的面积S；对IMU数据进行特征提取，所提取的特征值包括：IMU中的平均加速度信号a和平均角速度信号ω；其计算公式如下：Δf
i
(α)＝|Δf
i
(α
max
)-Δf
i
(α
min
)|S
i
＝∫f(α)dα＝∫f(α)dα其中，i表示为第i个时间窗口，N分别表示各窗口的数据点数目，x、y、z分别表示X轴，Y轴和Z轴，代表各轴上的加速度和角速度信号值；肌电信号与IMU数据进行融合得到的特征向量为：f＝[Δf1，...，Δf
K
，S1，...，S
k
，a1，...，a
k
，ω1，...，ω
k
]。4.根据权利要求1所述基于肌电信号和脑电错误电位的机器人自然控制方法，其特征在于：结合肌电信号和IMU数据进行分类器训练和分类，分类算法选取双...

【专利技术属性】
技术研发人员：徐宝国，张坤，王勇，刘德平，宋爱国，赵国普，
申请(专利权)人：东南大学，
类型：发明
国别省市：