摘 要

在人体上肢康复治疗中，肘关节骨骼肌模型的搭建十分重要。本文主要研究基于肘关节骨骼肌模型的人机交互接口。肘关节骨骼肌模型由MATLAB软件搭建，输入信号为肘关节上肱二头肌和肱三头肌的表面肌电信号、肘关节的角度；输出信号为肘关节肌肉力矩和角速度。此模型主要由肌肉活化度模型，基于HILL肌肉单元模型的肌肉力模型组成。部分参数依靠关节角度-肌肉力臂模型，关节角度-肌肉纤维长度模型获取。同时，根据肘关节角度信息，运用逆向动力学模型，采用拉格朗日方程预测肘关节肌肉力矩。人机交互接口在VS2017平台下用C#编写，由交互界面和交互指令构成。交互界面包括启动界面，虚拟游戏界面和结束界面，能显示虚拟对象的行为。交互指令的输入为肘关节合力矩及肘关节角度信息，输出为虚拟对象的控制指令。测试表明，该虚拟对象能根据人体肘关节的不同屈伸动作和不同用力程度，做出相对应的行为，实现了人与虚拟对象的友好交互。

关键词：表面肌电信号；肘关节；人机交互；骨骼肌模型；

Abstract

The elbow joint musculoskeletal model is of great importance in the human upper limbs rehabilitation. This paper mainly studies the human-machine interaction interface based on the elbow joint musculoskeletal model. Firstly, the s musculoskeletal model is built by MATLAB. The model inputs are surface EMG signal of biceps and triceps and angle of the elbow joint, while the outputs are the torque of the skeletal muscle and angular velocity of the elbow joint. The model mainly consists of the muscle activity model and the muscle force model based on the HILL muscle cell. Part of involved parameters comes from the joint angle – arm moment model and the joint angle - muscle fiber length model. Meanwhile, according to the elbow joint angle, the elbow muscle torque could be predicted by Lagrange equation through an inverse dynamics model. Secondly, the human-machine interaction interface is accomplished in C# under VS2017. The whole interface is made up of interactive GUI and instructions. The inputs of the interactive instruction are the elbow joint torque and angular velocity when the outputs are the control variables. The interactive GUI includes the startup interface, the game interface and the end interface, which can show the behavior of the virtual object in accordance with the inputs. Tests show that the virtual object can perform correspondingly well according to the flexion and extension of the elbow, realizing a friendly interaction between the human and the virtual object.

Keyword： surface EMG; elbow; human-machine interaction interface; musculoskeletal model;

目 录

第1章 绪论 7

1.1研究的目的及意义 7

1.2 国内外研究现状 7

1.3 论文主要内容与结构 8

第2章 肘关节骨骼肌简化模型的建立 10

2.1 人体肘关节骨骼肌结构 10

2.1.1肘关节 10

2.1.2 屈肌群 10

2.1.3 伸肌群 11

2.2 相关术语 11

2.2.1肘关节的活动度 11

2.2.2 生理横断面积 11

2.3 肌肉活化度模型 12

2.4 骨骼肌收缩动力学模型 16

2.5 逆向动力学 21

2.5.1前臂的动能和势能 22

2.5.2 上肢模型的拉格朗日方程 23

2.6 本章小结 24

第3章 人机交互接口 25

3.1 人机交互系统设计 25

3.2 交互界面GUI设计 25

3.2.1 启动界面 26

3.2.2 游戏界面 26

3.3 交互指令设计 28

3.3.1 程序结构 29

3.3.2 类中的字段 30

3.3.3 类中的方法 30

3.4 系统的验证与分析 32

3.5 本章小结 33

第4章 总结与展望 34

4.1 全文工作总结 34

4.2 下一步研究工作展望 35

参考文献 36

附录A：肘关节骨骼肌模型 38

附A1:肌肉活化度模型 38

附A2：收缩肌肉力模型 38

附录B：人机交互接口 40

致谢 47

第1章 绪论

1.1研究的目的及意义

目前，我国已成为世界上老龄人口最多的国家。国家统计局在2018年1月18日发布了最新老年人口统计数据。该报告显示，截至去年，我国60周岁以上的老年人为24090万，占了全国人口的17.3%。同时，自然规律决定了老人患关节炎、中风、偏瘫等肢体障碍疾病的可能性远大于年轻人。这些病痛对老人的日常生活造成了影响，使他们的生活品质下降。经预测，每年新增的老年人口中，半数以上对康复服务有一定的需求。在残疾人数量方面，我国8500万的残疾人口中，近40%需要依赖康复服务来恢复或改善自身的机体功能。

随着全球化进程的加快，康复医疗的经验在全球范围内广泛传播，国内康复医疗行业也取其精华，去其糟粕，汲取了临床表现优异的新模式和新技术。传统的康复治疗主要为物理疗法、运动疗法、生活训练等多种手段，存在人员需求大、人员经验要求高、痊愈周期长、效果有限等问题^[1]。其次，大部分患者在训练过程中都处于被动地位，反复且单调的进行机械动作，缺乏视觉或感官上的趣味性，致使治疗的效果无法快速且明显的展示出来。

与传统的人工康复训练模式相比，虚拟现实技术在康复训练中对于患者来说具有很多优点。首先，虚拟现实技术由计算机硬件和软件实现，花费人力资源较少，能有效解决康复医师资源紧缺的问题;其次，虚拟对象及虚拟场景具备可编程能力，可以针对患者肌肉的损伤程度和恢复程度提供多样化的训练环境，保证了康复训练的强度和精度；最后，该康复软件可以监控患者整个康复训练中各个动作的生理参数和运动参数，为后续康复训练提供参考依据^[2]。

肌电信号（Electromyographic，EMG）是肌肉收缩时伴随产生的生物电信号。无需在人体肌肉上创造开放性伤口即可获取该信号。肌电信号的特征中包含了有关中枢控制因素和肌肉兴奋传导速度的相关信息^[3]。因此，如何更好的利用肌电信号来获取用户的运动意图成为了需要研究的重点。通过建立肘关节骨骼肌模型，将上肢表面肌电信号转化为人体运动时的力学参数。基于该力学参数，开发出科学有效的人机交互接口，实时的将患者的运动意图反映在虚拟对象上，将康复训练与虚拟现实技术结合起来。患者在训练过程中更容易沉浸在虚拟空间中，有助于提高患者训练的积极性，提升康复训练的效率和效果。

1.2 国内外研究现状

人体肌肉由中间部的肌腹和两头的肌腱构成。在这两部分中，肌腹具有收缩能力，肌腱无收缩能力。上世纪30年代，Hill学者提出了一个由收缩元，串联弹性元和并联弹性元三元素组成的肌肉结构力学模型^[4]，奠定了肌肉力学的基础。20世纪80年代，Zajac学者研究分析了肌肉肌腹和肌腱的性质，提出了静态肌肉力和动态肌肉力分别与肌肉纤维长度和肌肉收缩速度的关系。在此基础上还建立了相应的肌肉活化度模型和肌肉力模型^[5]。2009年，张莹^[6]在Zajac学者的研究成果上提出了一种新的肌肉力模型，但是在建立人体上肢骨骼肌模型的过程中模型的针对性考量不足，不合理的简化了肌肉模型参数，最终使该模型不能有效的反映出肌肉的运动状态。2010年，王成焘教授等人^[7]利用人体解剖学，搭建了中国力学虚拟人三维模型的系统，实现了相关软件及其运动学和动力学模块的开发。两年后，张争辉等人^[8]在此基础上创建了一种新的人体上肢运动模型，采用了反向动力学的思路，在该模型中添加了拉格朗日动力学方程，从而验证了该简化运动模型的普适性，同时也找到肌电信号在关键运动下和肌肉力的关系。2014年，魏高峰等人^[9]在人体骨骼肌系统在运动过程中的深层次力学现象的研究中作出了贡献，提出了一种基于人体骨骼肌系统的整体有限元系统的建模方法以及相应的模型。

近几年，除了利用骨骼肌模型获得肌肉力矩外，许全盛等人^[10]提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法，计算了不用负重状态下网络估计的膝关节力矩。结果表明，该模型能在自然状态下有效的对关节力矩进行准确的估计，但该网络的估计精度会随肌肉负重的增加而降低，其适用的运动环境强度不能太高。赵广宇等人^[11]应用了支持向量机学习人体下肢外骨骼模型，他们建立外骨骼的状态空间方程，计算出相应的关节控制力矩，并与实际测量值相匹配。而在肘关节方面，J.ROSEN等人^[12]运用BP神经网络用于计算关节力矩。该网络的输入信号为肱二头肌、肱桡肌、肱三头肌长头和外侧头的肌电信号，肘关节和肩关节角度信息，输出为肘关节力矩。该方法的精度与BP神经网络中间层的节点数目有着紧密的关系，节点数目越高，错误率越低，但增加了学习时间和浮点数计算的时间。

人机交互是实现用户与计算机之间进行信息交换的通路，人机交互控制的关键前提是根据提取的人体生物电信号，精确的识别出人体运动意图。在康复医疗领域，人机接口的设计更多的是依赖根据生物电信号获得的各类信息，例如心电，脑电，肌电等。脑机接口技术曾被大量地应用于康复训练中^[13]，利用脑电信号帮助神经肌肉系统瘫痪但思维正常的患者实现与外界的交互^[14-16]，国内外多个研究小组用运动想象脑电信号实现了轮椅控制^[17]、虚拟仿真控制^[18]等。然而，脑电信号的非各态历经性、非平稳性和随机性和它产生的环境使其信噪比普遍较低，提取有效信息存在难度。相比较之下，肌肉在做不同的收缩动作时，表面肌电信号是不同肌肉纤维群动作电位的叠加，通过分析其特征值可以识别出不同肌肉的运动模式，非常适合作为人机交互系统的参考输入。

1.3 论文主要内容与结构

本文在借鉴了国内外关于人体关节骨骼肌模型的搭建和相关人机交互接口的文献后，用Matlab软件研究并搭建了人体肘关节骨骼肌模型，并根据骨骼肌模型输出信号的特点，在VS2017软件上基于.Net框架和C#语言设计了一个人机交互接口及其相关的应用。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：