67、基于群体智能和神经网络的实时肌电智能机器人控制算法

基于群体智能和神经网络的实时肌电智能机器人控制算法

1. 引言

中风和心血管疾病在许多国家的发病率较高。除了对高危人群进行早期检测、监测以及发现关键的致命事件并进行有效应急处理外，康复过程既困难又成本高昂。中风虽源于脑部疾病，但会影响全身，常见的后遗症包括偏瘫和单侧肢体无力，许多患者还会经历手脚疼痛。因此，患者的康复治疗对于长期恢复和整体健康管理至关重要。

传统康复治疗存在一些局限性，如耗费治疗师大量时间，且治疗师难以提供可控、可量化和可重复的辅助。而机器人辅助康复具有提供可量化和可重复辅助、确保康复过程一致性以及可能具有成本效益等优点。本文旨在扩展之前开发的智能远程医疗机器人康复平台，并通过实时肌电信号反馈和人工智能技术增强智能控制引擎。

2. 相关工作

在肌电信号分类领域，已有许多研究采用不同技术：
- 有研究使用一对多方法的多类支持向量机（SVM）结合高斯核函数来识别六个自由度，正确分类测试的总体准确率达97%。
- 也有研究运用SVM从肌电信号中提取不同力强度的类别，平均准确率约为96%。
- 还有研究使用四个肌电传感器和两个力传感电阻器，利用SVM检测肌肉活动变化，该系统对截肢者和非截肢者的准确率分别约为67%和75%。

研究表明，核函数参数会影响SVM的分类能力，合适的参数值能显著提高分类效果。有学者应用并行鱼群算法对SVM进行优化，本文在此基础上，通过卡尔曼滤波器对肌电信号进行估计，进一步改进了该方法。

3. 实时肌电机器人控制器描述

所提出的智能混合康复机器人控制器基于远程医疗平台，用于便携式康复机器人监测系统。该平台可通过无线传感器和机器人管理高