肌疲劳分析与肌力预测在体育运动学、康复医学、生物力学等领域均有广泛的应用。肌疲劳程度的评估可为康复训练、体育锻炼等提供指导信息,而肌力大小是智能假肢控制、生物力学、人机交互等研究的一个重要参数。表面肌电可无创采集并能反映神经肌肉的活动情况和功能状态,对肌疲劳分析与肌力预测的研究有重要意义。肌力预测研究已持续多年,也取得了一定的成果。但由于人体神经肌肉系统的复杂性,肌力预测的适用对象及适用场合还非常有限,大多数工作是针对特定肌肉(例如肱二头肌、肱三头肌、股外侧斜肌等功能明确的大块肌肉)及特定收缩模式(一般为恒力收缩或周期力收缩)而展开,常假设肌肉处于非疲劳状态,很少考虑肌疲劳因素对肌力预测的影响。为探索疲劳状态下的肌力预测方法,本文对肌疲劳分析及肌力预测展开研究。首先分析了常见的几种肌电特征参数对疲劳程度的表征效果及用于疲劳评估的限制因素。然后提出了一种基于肌疲劳程度的肌力预测模型改进方法,将肌力预测从非疲劳状态扩展到疲劳状态,进一步提高了其实用性。此外,在肌疲劳和肌力预测研究的基础上,开发了一套基于表面肌电的实时肌疲劳分析与肌力预测系统。本论文的主要研究内容与研究成果如下：(1)肌疲劳分析。分析了肌疲劳研究中常用的几种肌电特征参数(包括平均功率频率MPF、中位频率MDF、FI指数、AR模型系数ARC1、均方根值RMS)在疲劳过程中的变化规律及影响因素。从单调性、稳定性、重复性等方面综合考虑各参数对肌肉疲劳程度的表征效果,发现MPF具有相对较好的肌疲劳表征能力。影响因素的实验结果表明,发力方式、电极位置、个体差异性均会影响肌电特征参数与肌肉疲劳程度的关系。(2)肌力预测。首先,利用曲线拟合的方法建立非疲劳状态下肌力预测模型(拟合曲线采用二次多项式形式),并分析了多种外界因素对肌力预测的影响。实验结果表明,电极位置、肌肉形态对肌力与肌电的关系有明显影响,而发力方式对肌力与肌电的关系影响不大。然后,重点探索了肌疲劳对肌力预测的影响,发现随着肌肉疲劳程度的加深,恒力和周期力两种发力方式下预测误差均逐渐升高。最后,分别对两种发力方式提出了基于肌疲劳的肌力预测模型动态修正方法。经修正后,随着肌肉疲劳程度的逐渐加深肌力预测效果基本保持稳定,且误差值接近非疲劳状态。(3)实时肌疲劳分析与肌力预测系统。基于肌疲劳分析和肌力预测研究成果,开发了一套表面肌电采集与实时分析软件系统。软件系统提供灵活的数据采集支持、信号显示方式、肌疲劳分析和肌力预测功能,既可实时分析肌电信号也可对离线数据进行分析。