论文部分内容阅读
全自主方式工作的机器人一直是机器人学者追求的目标,但由于目前传感和人工智能等支撑技术暂时还不能满足发展全自主式智能机器人的需要,短期内应用全自主式智能机器人难以实现。于是由人进行远程操作的遥操作机器人便成为一种现实可行的选择。这类机器人的特点是由人参与机器人的控制和决策,以人类的智慧来弥补现有机器人智能不足的缺陷。现有的遥操作机器人一般通过操控台的操作杆进行控制,但输入方式不自然、单一、信息存在多义性,输入技术已成为制约人机交互的瓶颈。同时,大部分输入接口都涉及到复杂的物理结构或者感知系统,操作者需要了解、熟悉这些复杂的接口,操作和适应性差。因此,考虑到获取操作者动作最直接的信号就是从人体直接获取信息,利用人手直接“指挥”机器人、与操作者上肢动作对应的表面肌电信号(surface electromyogramsignal,sEMG)作为控制源来控制远端的机器人成为一种很自然的选择。这样的人机接口对操作者不会造成操作上的负担,无需特殊学习和训练,而且操作者在作业过程中不受束缚,操作感好。这种肌电仿生遥操作方式提供了人机交互的新渠道,增进了人机交互的自然性、舒适性和主动性。同时,由于遥操作机器人涉及机械、材料、传感器、网络、控制等多学科的知识,所以存在着许多研究方向和重点问题。
为此本文结合课题的要求,提出了一种基于肌电仿生控制的遥操作机器人系统,并解决了本课题中遇到的一些问题。主要研究内容如下:
(1)信号采集与预处理方面,首先介绍了表面肌电信号(surfaceelectromyogram signal,sEMG)的基本特征和采集方案,其次针对基于经验模式分解(EMD)去噪方法的模式混叠现象,提出了基于总体平均经验模式分解(EEMD)的表面肌电信号去噪方法。基于EEMD的肌电信号去噪方法通过对表面肌电信号多次加入白噪声,利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,有效抑制EMD去噪算法处理肌电信号时产生的模式混叠现象。实验结果表明,基于EEMD的肌电信号去噪方法可以消除信号分解时产生的混叠现象,具有良好的去噪效果,为提高基于表面肌电信号的上臂肢体及手部运动模式识别率打下了良好的基础。
(2)信号特征提取与模式识别方面,首先提出了一种基于排列组合熵的表面肌电信号特征提取方法。利用表面肌电信号的相邻数据复杂度计算出排列组合熵,实验分析表明排列组合熵可以从较短的时间序列中揭示出不同动作肌电信号的复杂度,且能很好反映肌电信号的细微变化情况,具有算法简单,抗干扰性强的优点,适用于表面肌电信号特征分析。其次,将尺侧腕伸肌、尺侧腕屈肌和肱三头肌三路肌电信号对应的排列组合熵构成的特征向量送入“一对多”支持向量机(SVM)多类分类器,用先聚类后分类的二叉树多类算法对肌电信号的六种动作模式进行识别。实验结果表明:基于排列组合熵构筑的特征向量结合支持向量机的方法能够有效地识别腕上翻、腕下翻、握拳、展拳、屈臂、伸臂六种手臂及手部动作,识别率达到93.7%。
(3)主从手通信方面,首先针对网络时延问题,提出了基于Elman网络的时延预测方法。实验表明,采用Elman神经网络预测网络延时来保证基于互联网的遥操作控制系统性能是有效的。其次详细分析了主从端通信协议,按一定原则制定了通信数据格式协议,包括机器人控制指令和反馈信息。通信系统以主手端为客户机,从机器人端为服务器,采用Socket编程实现基于TCP协议流套接字的主从手通信。
(4)机器人手爪抓取方面,针对本课题手爪抓取物品时存在着的过紧抓或滑落问题,本文应用了一种基于肌电信号和触觉信号的模糊控制方法。
(5)构建实验平台方面,本文构建了人手及其肌电信号处理系统为主手控制器,史陶比尔机器人为从机器人的遥操作机器人实验平台。本系统的主手端控制软件在Microsoft Visual C++6.0开发环境下采用面向对象的方法编写,运用定时技术实现主手控制器与从机器人的协调控制;从机器人端控制软件使用Val3语言编写,实现与主手端的通信、机器人手臂和手爪的控制与反馈。最后进行的遥操作实验,验证了肌电仿生遥操作方案的有效性。