利用人体肌电信号实现智能仿生灵巧手的控制,不仅可以促进残疾人事业的发展,在康复医学和微创外科手术领域也具有重要的应用价值。现有的智能仿生灵巧手肌电控制方式主要有:基于阈值决策、基于幅值编码、分层控制决策和基于模式识别四种,基于模式识别方法的仿生灵巧手肌电控制包括肌电信号的特征提取和特征分类两个主要方面。本文围绕仿生灵巧手肌电控制系统的设计,从基于前臂表面肌电信号的人手8动作状态信号处理和模式识别、智能仿生灵巧手肌电控制系统算法及仿生灵巧手肌电控制系统仿真三方面展开研究。第一,对灵巧手、表面肌电信号、灵巧手肌电控制系统和虚拟现实技术的发展及研究现状进行了详细的综述。第二,详细地分析了肌电信号的特点、产生机理、采集方式及特征提取和分类方法,设计了8动作状态模式识别实验。应用高性能无线表面肌电信号采集系统采集人体前臂6路表面肌电信号;设计时域自回归(TD-AR)模型求取原始表面肌电信号样本数据的平均绝对值循环比特征和各通道1-4阶AR系数特征;采用主元素分析法实现了特征值矩阵的降维处理,综合变量的累计贡献率为99%;应用MATLAB中的net=newpnn(P,T,SPREAD)函数建立概率神经网络,实现了8动作状态模式识别。第三,建立了基于高精度肌肉骨骼仿真软件的虚拟仿生灵巧手模型,实现了基于Simulink仿真系统的虚拟仿生灵巧手肌电控制。本文在8动作状态信号处理及模式识别方法上的优势在于:TD-AR特征值提取模型的设计,充分利用了时域特征分析方法计算简单、获取迅速的优点,弥补了其提取特征值稳定性差不能充分利用表面肌电信号信号谱信息的缺点;基于概率神经网络的手势识别模型具有网络结构简单、稳定、收敛速度快、训练时间短及容错性强等优势,本文中5位实验对象各自完成8个手势动作状态的平均识别率为92.2%。虚拟仿生灵巧手肌电控制系统的创新点在于:采用一种新型的肌肉骨骼仿真软件建立了Shadow Hand灵巧手虚拟交互控制模型。将实验对象的前臂6路表面肌电信号作为识别器输入信号,通过有限状态机控制模型驱动虚拟仿生灵巧手,实现了虚拟仿生灵巧手的肌电控制。该研究为仿生灵巧手控制系统提供了全新的控制算法及仿真系统,对医疗机器人、智能假肢以及新型人机交互系统具有重要应用价值和指导意义。