融合增強學習機制的智慧型假肢肌電控制方法

《融合增強學習機制的智慧型假肢肌電控制方法》是依託哈爾濱工業大學，由楊大鵬擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：融合增強學習機制的智慧型假肢肌電控制方法
• 依託單位：哈爾濱工業大學
• 項目類別：青年科學基金項目
• 項目負責人：楊大鵬

項目摘要

本項目以實現長期有效的智慧型假肢多運動模式肌電控制為目標，通過開展肌電信號時變特性表征方法、學習型肌電識別系統建模方法及相關計算學習理論、具體算法以及實驗研究，重點突破時變肌電信號中運動信息的特徵表現形式、增強知識學習與肌電模式識別的信息融合機制、增強型肌電模式學習的效率及收斂性等關鍵科學問題，為新型智慧型生機電假肢控制系統提供設計新原理與新方法。本項目的進行將有助於加速我國靈巧假肢產業化進程，提升康復醫療裝備技術水平，並對新型智慧型生機電一體化系統的設計具有一定借鑑意義。

結題摘要

目前，採用先進機電集成方法製造的假肢產品逐漸接近了人手的運動靈巧性；然而，過時的肌電控制方法仍是阻礙靈巧型假肢成功套用的巨大屏障。採用先進信號處理方法以及模式識別方法，是解決此問題的有效途。然而，在肌電控制方法日趨複雜、識別算法日益精密的同時，其算法敏感性也越來越強，針對外界環境變化以及信號時變的適應性也越來越差。如何能夠有效地長期保持成功率，是基於模式識別肌電控制方法亟待解決的科學難題。本項目以實現長期有效的智慧型假肢多運動模式肌電控制為目標，通過開展肌電信號時變特性表征、學習型肌電識別系統建模及相關計算學習理論、具體算法以及實驗研究，重點突破時變肌電信號中運動信息的特徵表現形式、增強知識學習與肌電模式識別的信息融合機制、增強型肌電模式學習的效率及收斂性等關鍵問題。首先，基於TKE運算元和形態封閉運算元，提出一種能夠從病態、低信噪比肌電信號中提取動作發生點的可靠算法；其次，在最佳化特徵表征、特徵選擇以及特徵分類基礎上，將瞬態EMG及靜態EMG同時納入肌電模式訓練集，實現了人手、手腕20餘種不同運動模式的識別，成功率大於90%，動作延遲小，操控直觀性強。然後，通過實驗研究了多通道表面肌電信號的長期非平穩特性以及在外部環境干擾情況下的時空變化模式，提出一種動態訓練範式減弱混雜因素的影響；並在模式識別肌電控制基礎上，通過選取“一類”數據描述分類策略和近似評價函式（樣本熵），對新樣本分類策略進行了增強學習（Q學習）；建立了智慧型假肢肌電控制一體化模型，探討了學習算法的收斂性；重視“人體”在假肢控制中的作用，將人體納入生機互動模型中，基於神經系統的可塑性，通過前向肌電控制以及後向感知反饋的複合互動，增強假手肌電控制的效能；進行嵌入式智慧型肌電控制器電路設計以及控制軟體編制，將算法集成至多自由度假肢內部控制器。結合多名受試者實驗，驗證新肌電控制方法的有效性，對控制方法的運動解碼成功率、延遲以及適應性指標進行了初步評估。結果表明，提出的算法能夠在假肢套用過程中,有效保持分類成功率。高智慧型假肢肌電控制方法的研究不僅可以推動我國高性能假肢裝備的產業化進程，改善國家殘疾人康復裝備技術水平，而且有助於促進機械工程學科與人工智慧學科的交叉融合，對發展新興人機控制界面和生機互動方法、創新康復工程領域技術、延伸生機電一體化科學內涵等都具有推動意義。