为了同时减小柔性臂杆机械臂运动过程中的振动与能量消耗,提出了一种柔性机械臂多目标轨迹优化方法。首先,利用假设模态法和拉格朗日动力学方程对双柔性连杆机械臂进行动力学建模,进而利用MOPSO算法和传统近似方法求解同时满足振动最小和能量消耗最优的柔性参考轨迹;在此基础上,采用RBF神经网络进行逆动力学拟合,求解出连续平滑的关节驱动力矩,相应的关节轨迹满足任务需求,且进一步实现了振动抑制,有利于柔性机械臂的控制。最后,通过MATLAB仿真实验证明了所提算法的有效性。

针对特定肌肉动作所需电刺激参数的差异以及组合动作中刺激位置顺序的排布,研发了一套以健侧肌电信号实时触发的多通道手部电刺激康复系统,以辅助脑卒中患者更有效的完成手功能康复训练。使用STM32F103微处理器完成下位机平台搭建,设计信号采集模块对表面肌电信号进行滤波及放大、利用表面肌电信号能反映肌肉运动信息的特点,使用Matlab获取手部运动特征建立分类模型、模型通过识别运动的健侧手部,将分类后的运动标签实时反馈至电刺激模块,以刺激患侧电极产生相应动作。最后经过重复性实验得到结果系统的平均动作识别率可以达到90.7%;而特定手部肌肉动作的触发需要不同等级的电流强度。实验结果表明系统实时性良好、运行稳定、可实现模式识别后的相应刺激动作产生。