chapter11.3-基于表面肌电信号的人机书写技能传递

CHAPTER11机器人遥操作技术2人体臂关节实验设计人-机器人技能传递11.3基于表面肌电信号的人机书写技能传递11.3基于表面肌电信号的人机书写技能传递概述人机技能传递表面肌电信号_

sEMG目的：使机器人能够像人类一样灵巧的操作。特点：(1)能反映人类关节运动、刚度等的肌肉活动(2)易于获取和快速自适应响应(3)应用广泛实现方式：(1)基于人机控制的建模(2)示教学习3人体臂关节手臂刚度估计模型

手臂刚度估计模型4

手臂刚度估计模型5

sEMG信号是在肌肉活动时产生的非侵入性信号，400-500Hz范围内的sEMG信号与所有肌肉的刚度均相关，使用该范围的信号足以进行刚度估计。为了获得更好的机器人性能，需要对sEMG信号进行平滑滤波，如下图所示。对sEMG信号进行平滑滤波使用平方和低通滤波方法对sEMG信号进行处理示例6

对sEMG信号进行平滑滤波7所涉及的电极的肌肉、数量和位置在端点刚度估计参与肌电图刚度估计的肌肉形态8端点刚度估计下图所示为用于估计端点刚度的8块肌肉，其含义如表所示。人体手臂刚度映射到机器人关节

9人体手臂刚度映射到机器人关节示意图通过雅可比矩阵，可以将估计的增量刚度从末端执行器映射到每个关节。人体手臂刚度映射到机器人关节10Baxter机器人如下图所示，其机械臂的每个接头由一个串行弹性致动器(SEA)驱动，提供被动顺应性，以实现任何接触或冲击的力的最小化。实验平台Baxter机器人Baxter远程通信系统11实验设计实验步骤1）首先需要对人体手臂刚度进行校准。本节的估计模型如下图a所示，要求在人的手腕附近±X，±Y，±Z和以一定的耦合机制选取的随机方向移动，以限制其运动。如下图b所示，本节进行了54次试验，使用最小二乘法来提高估计精度。a.增量刚度系数估计流程图b.基于力传感器和肌电信号的刚度校准12实验步骤2）将人体手臂末端的刚度映射到机械臂的关节空间上，映射模型如下图所示。从人到机器人的刚度映射设计及基于阻抗控制的交互

13实验结果（1）参考轨迹按以下步骤进行实验：(1)示教者将sEMG手环佩戴在手臂上记录sEMG信号。(2)示教者教机器人完成书写“口”字的任务。(3)记录Baxter机器人末端位置以及末端执行器所受到的力。分别在高刚度、低刚度，以及sEMG变刚度下进行对比实验，结果如下图所示：（2）高刚度书写（4）低刚度书写（3）基于sEMG的刚度书写14实验视频15结果比较三种不同端点刚度场景的接触力：（Ⅰ）参考值（Ⅱ）高刚度下的接触力（Ⅲ）变刚度下的接触力（Ⅳ）低刚度下的接触力三种不同的端点刚度情况的位置误差：（a）在恒定高刚度下书写（b）通过sEMG在可变刚度下书写信号（c）在恒定的低刚度下书写16结论：基于sEMG刚度下的位置误差低于基于低刚度下的误差，并且几乎与高刚度的性能相同。基于sEMG刚度书写的接触力小于高刚度，而低刚度可能不适合实现书写任务。接触力在Z方向上与参考力的关系实验结论本节提出了一种在3D笛卡尔空间中使用增量刚度估计将人的阻抗适应技能传递给机器人的有效方法，该方法具有以下优点：（1）人机技能传递的校准时间更少（2）非线性残留误差更少实验结果表明：基于sEMG信号提取人阻抗的方