29、神经肌肉骨骼模型中肘部扭矩预测与FURS机器人控制界面可用性评估

神经肌肉骨骼模型中肘部扭矩预测与FURS机器人控制界面可用性评估

在医疗和康复领域，准确预测人体关节扭矩以及设计高效易用的医疗设备控制界面至关重要。本文将介绍肘部扭矩预测的相关研究以及FURS机器人控制界面的可用性评估。

肘部扭矩预测研究

1. 肌肉贡献度分析
   • 对于特定的肘部运动，每块肌肉的贡献度可以通过公式 (WDi = \frac{Wi}{\sum_{i=1}^{N}Wi}) 计算，其中 (WDi) 表示第 (i) 块肌肉对该动作的贡献度。
   • 通过收集肘部伸展和弯曲两个独立动作的肌电信号（EMG），对上肢主要的六块肌肉组织（二头肌（BIC）、三头肌（TRI）、肱桡肌（BR）、桡侧腕屈肌（FCR）、尺侧腕屈肌（FCU）和桡侧腕伸肌（ECR））进行贡献度分析。结果表明，在肘部伸展时，TRI 贡献最大；在肘部弯曲时，BIC 贡献最大。因此，选择 BIC 和 TRI 作为肘部运动的主要肌肉组织来预测关节扭矩。
2. IAVOA 算法校准结果
   • 使用校准后的神经肌肉骨骼（NMS）模型来预测关节扭矩，并将结果可视化。引入全局决定系数（(R^2)）、均方根误差（RMSE）、最大误差（MAXE）和平均绝对误差（MAE）来评估该方法的有效性。
   • 对六名受试者进行测试，结果显示预测值和测量值之间的误差可以控制在较小范围内，且一致性较强，说明校准后的模型在准确预测关节扭矩方面表现良好。具体数据如下表所示：
     | 受试者 | RMSE(Nm) | MAE(Nm) | MAXE(N