标签：
先给一个肌电控制的定义：提取肌电信号可用信息应用至外界控制的技术
生物学中，动作电位引发肌肉收缩，用肌电信号控制灵巧手应该属于仿生学的范畴。
表面肌电信号是电极所接触到的肌肤表皮下动作电位的总和（经皮脂、溶液传导）。
从模式识别的观点来看，肌电信号所在的特征空间可以无穷维的，所以理论上，对于有限的模式（静态手势、动态手势、连贯的操作动作与动作意图……），只要样本数据足够、算法得当，都是可以识别的或者分开的。
所以我们可以使用肌电信号进行收缩模式、强度（底层）和抓取动作等多目标的判断。
挑战：
1.肌电信号微弱性
2.随机性
3.信噪比低
灵巧手代表：Stanford/JPL Utah/MIT NASA Robonaut DLR hand
特点：多自由度、多传感器、高集成化及小型化、欠驱动
驱动方式：腱驱动、连杆、液体驱动器、连杆交叉腱、耦合连杆
欠驱动系统：系统的独立控制变量个数小于系统自由度个数的一类非线性系统，在节约能量、降低造价、减轻重量、增强系统灵活度等方面都较完全驱动系统优越，简单的说就是输入比要控制的量少的系统。
欠驱动系统结构简单，便于进行整体的动力学分析和试验。同时由于系统的高度非线性、参数摄动、多目标控制要求及控制量受限等原因，欠驱动系统又足够复杂，便于研究和验证各种算法的有效性。当驱动器故障时，可能使完全驱动系统成为欠驱动系统，欠驱动控制算法可以起到容错控制的作用。从控制理论的角度看，欠驱动系统控制输入的限制是具有挑战性的控制问题，研究欠驱动机械系统的控制问题有助于非完整约束系统控制理论的发展。桥式吊车、Pendubot (Pendulum Robot)、Acrobot (Acrobat Robot)、倒立摆系统都是典型的欠驱动系统。
肌电控制方法综述
原理：
中枢神经系统通过运动单位（motor units，MUs）的募集（运动单位由小到大渐次兴奋的过程）和发放率（单位时间内运动单位的兴奋次数）等控制肌肉收缩力的大小和变化速度。
肌电信号是一维时间序列信号，发源于中枢神经脊髓中的运动神经元，是电极所接触到的许多运动单元发放的动作电位（action potentials，APs）的总和。
因此，肌电信号包含了肌肉收缩模式及强度信息，可以作为控制信息源。（这是一种前馈控制，如何考虑引入反馈控制，力信息与力反馈）
发展历程：
1.基于阈值决策 1960~1970
采用肌电信号的双态幅值及包络解调方法：肌电信号经过校正，滤波及调制后，对于肌肉的一次收缩活动，对应产生一个信号峰值，通过峰值与阈值大小的比较，输出假手抓握或者伸展动作。
关键技术：幅值调制
2.基于幅值编码
将肌电信号的三态模式按照时序进行编码输出。具体的肌电控制语言由三位编码组成，（a1(t),a2(t),a3(t)） ai(t)属于{0，1，2} 每一位可以使用肌电信号幅值的三个态“1”“2”“0”表示（通过肌电收缩幅度的大小实现“1”和“2”，“0”代表无肌肉活动）它们组合起来对应各种假手抓取模式及抓取力度。
每次肌肉收缩的检测依靠对肌电信号的非高斯性评估（倾斜度、峭度），并随即进行特定时间窗口内的滤波（去除干扰噪声），以确定信号幅度峰值强度是“1”或“2”。编码语言的全部三位采集完毕后假手即作出规定动作（应该是映射表），其位置/力控制采用一种底层的顺应性控制方法。
3.分层控制决策
由先进的信号调制及模式识别算法识别出肌肉残肢端进行的手部抓取模式，而底层控制器实现假手对物体的稳定抓取。
例子：
a.德国采用一种基于转换信号及控制信号相结合的假手控制方法，通过处理处理转换信号得到肌电模式信息，再通过处理控制信号得到各手指控制信息（速度/力的比例控制）
b.英国南安普顿大学对Southampton Hand的控制有类似结构：用户使用普通的双态控制模式实现假手对物体的抓取，而采取微处理器及传感系统获取抓取有关的祖国反馈信息，从而实现抓取的自律及抓取力的分配。“灵巧手适应性操作流程”为：预置、接触、保持、挤压及放松5个状态，各个状态之间的转换依靠单一肌肉的收缩及伸展来实现
c.加拿大使用不同动作模式发起时240ms时间内的肌电信号的时域特征（过零点数，平均绝对值等），利用人工神经网络多层感知器作为分类器能够识别4中不同的肌肉收缩模式。但其缺点在于假手的抓取模式及运动控制仍需要人眼的视觉反馈。
混合型控制方法：如果将b和c的方法结合起来，利用c确定b中的抓取模式判定，然后采取适应性操作流程，抓取性能将改善。
4.基于模式识别算法
人体->有效肌电采集->特征提取->特征分类->灵巧手控制器
有效肌电采集：原始肌电信号的调制（过滤、放大）以及肌肉收缩发起的可靠性检测（依据肌肉收缩肌电信号幅值、统计学特性的变化等），而特征提取（特征生成及降维）以及分类算法（识别及回归）
参考杨大鹏博士论文《仿人型假手多运动模式的肌电控制研究》
标签：
原文地址：http://www.cnblogs.com/yuanhao11/p/5405788.html
