信息科学与系统科学

基于表面肌电的运动意图识别方法研究及应用综述

丁其川，熊安斌，赵新刚，等

摘要：目的：通过表面肌电识别人体运动意图是构建肌电人机交互系统的关键技术，肌电运动识别研究成果层出不穷，应用产品逐步推广。本文按照被识别的运动内容，对肌电运动识别技术的研究及应用现状分类讨论，总结研究特点，剖析制约应用推广的问题，并展望该技术未来发展。方法：通过对比传统人机交互与基于肌电的人机交互方式，总结肌电交互技术的优势。针对肌电交互中，运动意图识别这一核心问题，按照被识别的运动内容，将相关研究归纳为离散动作模态分类、关节连续运动量估计、关节刚度/阻抗估计等 3类，并对近 10年的主要成果梳理，从使用的肌电特征、估计算法、估计的运动参数、有无特殊人群参与等诸多方面，对3类研究分别评述，总结研究热点及特点，提炼研究存在问题，并提出解决建议；进一步，针对3类研究面向的应用、研发的原理样机、市场化产品等分析评定，剖析制约当前肌电交互系统推广的问题，探讨突破应用瓶颈的技术切入点，并展望肌电交互技术的应用前景。结果：与基于固定程式控制的人机交互方式相比，基于肌电的人机交互方式具有可实现多模态自然控制、普适于残疾人群、可超前预判操作者意图等优势。针对肌电交互中，运动意图识别这一核心问题，按照被识别的运动内容，将相关研究归纳为3大类。（1）离散动作模态分类，主要识别握拳、伸掌、屈肘等动作类型，这是目前关注最多，方法最成熟的研究，通过遴选肌电特征及优化设计分类模型，可以识别更多的动作类型，识别精度能超过95%，但当前研究存在评价标准单一、未考虑外部干扰等缺点。（2）关节连续运动量估计，用于估计关节力矩、角速度、角度等连续量，估计结果可作为参考输入，用以实现运动辅助机器人的同步比例控制。常采用两种途径实现连续运动估计，一是结合 Hill肌肉力学与关节动力学建立计算连续运动量的模型，该方法会引入较多难以辨识的参数；二是直接拟合以肌电为输入、运动量为输出的回归模型，所建立模型的性能依赖于训练数据。（3）关节刚度/ 阻抗估计。利用肌电估计出肌肉/关节刚度/阻抗等肢体内在属性信息，用于实现辅助机器人的阻抗控制，从而提升机器人运动的柔顺性及人机交互的安全性。但现有方法建立的刚度估计模型的适应性受限。从应用角度分析，离散动作分类多用于设计肌电假手系统，而关节连续运动量与关节刚度/阻抗估计用于实现康复机器人、外骨骼助力机器人等系统的控制。目前已有i-LIMB肌电假手、HAL助力外骨骼等肌电交互产品市场化应用，但大多数肌电交互系统仍处于原理样机阶段，制约这类系统大规模应用的因素有：肌电非平稳性影响系统稳定性、肌电个体差异性导致产品批量化困难、运动识别评价准则不完善导致产品设计缺乏统一标准等，引入针对肌电特性的自适应识别方法，并完善评价准则是突破产品推广瓶颈的技术切入点。结论：肌电运动识别是实现肌电人机交互的关键技术。本文按照被识别的运动内容，将肌电运动识别研究归纳为离散动作模态分类、关节连续运动量估计、关节刚度/ 阻抗估计等3类，并对每类研究细致评述，分析其关注点及存在的问题。研究者已在肌电信号处理、运动意图表达、人体运动建模等方向提出许多特色方法，但因肌电非平稳特性及人体运动复杂性，造成当前肌电交互系统多数仍处在原理样机阶段，提高运动识别模型的稳定性，并建立针对识别方法的完善评价标准，是未来开发实用性肌电交互系统关注的重点。

来源出版物：自动化学报, 2016, 42(1): 13-25

入选年份：2016