融合增强学习机制的智能假肢肌电控制方法

For achieving a long-term efficient EMG control method for the multi-DOFs prosthetic hand, this project carries out researches on the character representation of the time-variant EMG signals, modeling and fundamental calculating learning theory of the active learning-based EMG pattern recognition system, as well as concrete algorithms and experiments. It aims at solving key scientific issues such as the feature representations of the movement information in the stochastic EMG signals, the information fusion method between the reinforcemental learning agent and the EMG pattern classifier, and the theoretical ensurance of the effectiveness and convergence of the learning method. It can provide intelligent biomechatronics research with new design principles and methods. It is expected that this project can accelerate the industrialization of the novel dexterous prosthetic hand, promote the techniques of the rehabilitation equipments in our country, and offer new design concepts in the intelligent biomechatronics systems.

本项目以实现长期有效的智能假肢多运动模式肌电控制为目标，通过开展肌电信号时变特性表征方法、学习型肌电识别系统建模方法及相关计算学习理论、具体算法以及实验研究，重点突破时变肌电信号中运动信息的特征表现形式、增强知识学习与肌电模式识别的信息融合机制、增强型肌电模式学习的效率及收敛性等关键科学问题，为新型智能生机电假肢控制系统提供设计新原理与新方法。本项目的进行将有助于加速我国灵巧假肢产业化进程，提升康复医疗装备技术水平，并对新型智能生机电一体化系统的设计具有一定借鉴意义。

目前，采用先进机电集成方法制造的假肢产品逐渐接近了人手的运动灵巧性；然而，过时的肌电控制方法仍是阻碍灵巧型假肢成功应用的巨大屏障。采用先进信号处理方法以及模式识别方法，是解决此问题的有效途。然而，在肌电控制方法日趋复杂、识别算法日益精密的同时，其算法敏感性也越来越强，针对外界环境变化以及信号时变的适应性也越来越差。如何能够有效地长期保持成功率，是基于模式识别肌电控制方法亟待解决的科学难题。本项目以实现长期有效的智能假肢多运动模式肌电控制为目标，通过开展肌电信号时变特性表征、学习型肌电识别系统建模及相关计算学习理论、具体算法以及实验研究，重点突破时变肌电信号中运动信息的特征表现形式、增强知识学习与肌电模式识别的信息融合机制、增强型肌电模式学习的效率及收敛性等关键问题。首先，基于TKE算子和形态封闭算子，提出一种能够从病态、低信噪比肌电信号中提取动作发生点的可靠算法；其次，在优化特征表征、特征选择以及特征分类基础上，将瞬态EMG及静态EMG同时纳入肌电模式训练集，实现了人手、手腕20余种不同运动模式的识别，成功率大于90%，动作延迟小，操控直观性强。然后，通过实验研究了多通道表面肌电信号的长期非平稳特性以及在外部环境干扰情况下的时空变化模式，提出一种动态训练范式减弱混杂因素的影响；并在模式识别肌电控制基础上，通过选取“一类”数据描述分类策略和近似评价函数（样本熵），对新样本分类策略进行了增强学习（Q学习）；建立了智能假肢肌电控制一体化模型，探讨了学习算法的收敛性；重视“人体”在假肢控制中的作用，将人体纳入生机交互模型中，基于神经系统的可塑性，通过前向肌电控制以及后向感知反馈的复合交互，增强假手肌电控制的效能；进行嵌入式智能肌电控制器电路设计以及控制软件编制，将算法集成至多自由度假肢内部控制器。结合多名受试者实验，验证新肌电控制方法的有效性，对控制方法的运动解码成功率、延迟以及适应性指标进行了初步评估。结果表明，提出的算法能够在假肢应用过程中,有效保持分类成功率。高智能假肢肌电控制方法的研究不仅可以推动我国高性能假肢装备的产业化进程，改善国家残疾人康复装备技术水平，而且有助于促进机械工程学科与人工智能学科的交叉融合，对发展新兴人机控制界面和生机交互方法、创新康复工程领域技术、延伸生机电一体化科学内涵等都具有推动意义。