融合脑电-肌电信号的人机协作装配意图识别方法

doi:10.3969/j.issn.1004-132X.2022.17.008

中国机械工程 ›› 2022, Vol. 33 ›› Issue (17): 2071-2078.DOI: 10.3969/j.issn.1004-132X.2022.17.008

融合脑电-肌电信号的人机协作装配意图识别方法

董元发1，2;蒋磊2;彭巍1，2;周彬1，2;方子帆2

1.三峡大学智能制造创新技术中心，宜昌，443002
2.三峡大学机械与动力学院，宜昌，443002

出版日期:2022-09-10 发布日期:2022-09-23
通讯作者: 彭巍（通信作者），男，1986年生，讲师。研究方向为人机共融与智能制造等。E-mail：pengwei_tju@163.com。
作者简介:董元发，男，1988年生，博士、副教授。研究方向为MBSE、人机共融和智能制造。E-mail：d828891@163.com。
基金资助:
国家自然科学基金（52075292）；湖北省自然科学基金(2019CFB542)；水电机械设备设计与维护湖北省重点实验室开放基金（2020KJX05）

Intention Recognition Method of Human Robot Cooperative Assembly Based on EEG-EMG Signals

DONG Yuanfa1，2;JIANG Lei2;PENG Wei1，2;ZHOU Bin1，2;FANG Zifan2

1.Intelligent Manufacturing Innovation Technology Centre，China Three Gorges University，Yichang，Hubei，443002
2.College of Mechanical & Power Engineering，China Three Gorges University，Yichang，Hubei，443002

Online:2022-09-10 Published:2022-09-23

摘要/Abstract

摘要： 针对人机协作装配场景下基于单源生理电信号识别协作意图准确率不高、稳定性不好的问题，首先采用支持向量机方法分别从脑电信号和肌电信号识别单源协作装配意图，然后采用D-S证据理论对多源协作装配意图识别结果进行融合，提出了一种融合EEG-EMG信号的人机协作装配意图识别方法。实验结果表明，所提方法可以有效提高人机协作装配意图识别的准确率和稳定性。

关键词: 人机协作, 装配, 意图识别, 脑电信号, 肌电信号

Abstract: Aiming at the problems of low accuracy and poor stability of identifying cooperative intention based on single source physiological electrical signals in human robot cooperative assembly scene， firstly， support vector machine was used to recognize single source cooperative assembly intentions from EEG and EMG signals respectively， and then D-S evidence theory was used to fuse the recognition results of multi-source cooperative assembly intentions. A human robot collaborative assembly intention recognition method was proposed based on EEG-EMG signals. Experimental results show that the proposed method may effectively improve the accuracy and stability of human robot cooperative assembly intention recognition.

Key words: human robot collaboration, assembly, intention recognition, electroencephalogram（EEG） signals, electromyogram（EMG） signals

中图分类号:

TP274

董元发, 蒋磊, 彭巍, 周彬, 方子帆. 融合脑电-肌电信号的人机协作装配意图识别方法[J]. 中国机械工程, 2022, 33(17): 2071-2078.

DONG Yuanfa, JIANG Lei, PENG Wei, ZHOU Bin, FANG Zifan. Intention Recognition Method of Human Robot Cooperative Assembly Based on EEG-EMG Signals[J]. China Mechanical Engineering, 2022, 33(17): 2071-2078.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2022.17.008

http://www.cmemo.org.cn/CN/Y2022/V33/I17/2071

参考文献

［1］刘检华，孙清超，程晖，等. 产品装配技术的研究现状、技术内涵及发展趋势［J］. 机械工程学报， 2018， 54（11）：2-28.
LIU Jianhua， SUN Qingchao， CHENG Hui， et al. The State-of-the-art， Connotation and Developing Trends of the Products Assembly Technology［J］. Journal of Mechanical Engineering， 2018， 54（11）：2-28.
［2］肖明珠，朱文敏，范秀敏. 人机时空共享协作装配技术研究综述［J］. 航空制造技术， 2019， 62（18）：24-32.
XIAO Mingzhu， ZHU Wenmin， FAN Xiumin. A Review on Human-robot Time-space Sharing Collaborative Assembly Technology［J］. Aeronautical Manufacturing Technology， 2019， 62（18）：24-32.
［3］WANG L， GAO R， VNCZA J， et al. Symbiotic Human-robot Collaborative Assembly［J］. CIRP Annals—Manufacturing Technology， 2019， 68（2）：701-726.
［4］NIKOLAIDIS S， RAMAKRISHNAN R， GU K， et al. Efficient Model Learning from Joint-action Demonstrations for Human-robot Collaborative Tasks［C］∥10th ACM/IEEE International Conference on Human-robot Interaction（HRI）. Portland， OR， 2015：189-196.
［5］SICHAO L， LIHUI W， VINCENT W X. Sensorless Haptic Control for Human-robot Collaborative Assembly［J］. CIRP Journal of Manufacturing Science and Technology， 2021， 32：132-144.
［6］LIU D X， XU J， CHEN C， et al. Vision-assisted Autonomous Lower-limb Exoskeleton Robot［J］. IEEE Transactions on Systems， Man， and Cybernetics：Systems， 2021， 51（6）：3759-3770.
［7］PRAKAKSITA N， KUO C Y， KUO C H. Development of a Motor Imagery BasedBrain-computer Interface for Humanoid Robot Control Applications［C］∥2016 IEEE International Conference on Industrial Technology（ICIT）. Taipei， 2016：1607-1613.
［8］TANG J， JIANG J， YU Y， et al. Humanoid Robot Operation by a Brain-computer Interface［C］∥7th International Conference on Information Technology in Medicine and Education（ITME）. Huangshan， 2015：476-479.
［9］PRATAKSITA N， LIN Y T， CHOU H C， et al. Brain-robot Control Interface：Development and Application［C］∥IEEE International Symposium on Bioelectronics and Bioinformatics（IEEE ISBB 2014）. Chung Li， 2014：1-4.
［10］WANG L， LIU S， COOPER C， et al. Function Block-based Human-robot Collaborative Assembly Driven by Brainwaves［J］. CIRP Annals—Manufacturing Technology， 2021， 70（1）：5-8.
［11］LIU Y， HABIBNEZHAD M， JEBELLI H. Brain-computer Interface for Hands-free Teleoperation of Construction Robots［J］. Automation in Construction， 2021， 123：1-16.
［12］DING Q， HAN J， ZHAO X. Continuous Estimation of Human Multi-joint Angles from sEMG Using a State-space Model［J］. IEEE Transactions on Neural Systems and Rehabilitation Engineering， 2017， 25（9）：1518-1528.
［13］CALABR R， NARO A， RUSSO M， et al. Shaping Neuroplasticity by Using Powered Exoskeletons in Patients with Stroke：a Randomized Clinical Trial［J］. Journal of NeuroEngineering and Rehabilitation， 2018， 15（1）：1-16.
［14］谢平，陈迎亚，郝艳彪，等. 基于脑肌电融合的混合脑机接口研究［J］. 中国生物医学工程学报， 2016， 35（1）：20-30.
XIE Ping， CHEN Yingya， HAO Yanbiao， et al. Multimodal Fusion of EEG and EMG Signals for a Hybrid BCI［J］. Chinese Journal of Biomedical Engineering， 2016， 35（1）：20-30.
［15］LEEB R， SAGHA H， CHAVARRIAGA R， et al. A Hybrid Brain-computer Interface Based on the Fusion of Electroencephalographic and Electromyographic Activities［J］. Journal of Neural Engineering， 2011， 8（2）：025011.
［16］HOODA N， DAS R， KUMAR N. Fusion of EEG and EMG Signals for Classification of Unilateral Foot Movements［J］. Biomedical Signal Processing and Control， 2020， 60：101990.
［17］LI X， SAMUEL O W， ZHANG X， et al. A Motion-classification Strategy Based on sEMG-EEG Signal Combination for Upper-limb Amputees［J］. Journal of Neuroengineering & Rehabilitation， 2017， 14（1）：1-13.
［18］XI X， MA C， YUAN C， et al. Enhanced EEG-EMG Coherence Analysis Based on Hand Movements［J］. Biomedical Signal Processing and Control， 2020， 56：101727.
［19］WAN B， LIU Y， MING D， et al. Feature Recognition of Multi-class Imaginary Movements in Brain-computer Interface［C］∥IEEE International Conference on Virtual Environments， Human-computer Interfaces and Measurements Systems. Hong Kong， 2009：250-254.
［20］THOMAS K P， GUAN C， LAU C T， et al. A New Discriminative Common Spatial Pattern Method for Motor Imagery Brain-computer Interfaces［J］. IEEE Transactions on Biomedical Engineering， 2009， 56（11）：2730-2733.
［21］RAMOSER H， MULLER-GERKING J. Optimal Spatial Filtering of Single Trial EEG during Imagined Hand Movement［J］. IEEE Transactions on Rehabilitation Engineering， 2000， 8：441-446.
［22］DONG E Z， LI C H， LI L T， et al. Classification of Multi-class Motor Imagery with a Novel Hierarchical SVM Algorithm for Brain-computer Interfaces［J］. Medical & Biological Engineering & Computing， 2017， 55（10）：1809-1818.
［23］王崴，赵敏睿，高虹霓，等. 基于脑电和眼动信号的人机交互意图识别研究［J］. 航空学报， 2021， 42（2）：292-302.
WANG Wei， ZHAO Minrui， GAO Hongni， et al. Human-computer Interaction：EEG-based and Eye Tracking-based Intention Recognition ［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（2）：292-302.
［24］HSU C W， LIN C J. A Comparison of Methods for Multiclass Support Vector Machines［J］. IEEE Transactions on Neural Networks， 2002， 13（2）：415-425.

[1]	林杰, 胡智凯, 刘思源, 唐维威, 楚中毅. 面向微小软排线装配的阵列触觉状态感知技术#br# #br# [J]. 中国机械工程, 2024, 35(02): 287-292，304.
[2]	刘毅, 易旺民, 姚建涛, 王兴达, 余鹏, 赵永生. 狭长空间内重载调姿装配机器人的设计与研究[J]. 中国机械工程, 2024, 35(02): 324-336.
[3]	郭具涛, 吕佑龙, 戴铮, 张洁, 郭宇. 基于复合规则和强化学习的混流装配线调度方法[J]. 中国机械工程, 2023, 34(21): 2600-2606,2614.
[4]	魏光艳, 叶春明. 分布式多柔性装配作业车间调度问题研究[J]. 中国机械工程, 2023, 34(20): 2442-2455.
[5]	徐美姣, 薛善良, 张惠, 周国庆, 卢红根. 基于BP-AdaBoost算法的复杂产品装配制造成熟度等级评估方法[J]. 中国机械工程, 2023, 34(20): 2513-2519.
[6]	成彬, 张松松, 王晓明. 树结构主干分枝层级化的部件装配单元聚类划分[J]. 中国机械工程, 2023, 34(06): 703-711.
[7]	李健, 张根保, 冉琰, 王勇勤. 基于自由度约束的元动作单元误差传递路径识别方法[J]. 中国机械工程, 2023, 34(02): 135-141.
[8]	陈帅, 郭飞燕, 孟月梅, 王明阳, 侯志霞. 融合实测数据的航空结构件修配量迭代寻优及评价方法[J]. 中国机械工程, 2022, 33(17): 2061-2070，2078.
[9]	李好, 徐志玲, 徐勇, 赵有为. 基于局部搜索NSGA-Ⅱ算法的机械产品分组选择装配方法[J]. 中国机械工程, 2022, 33(09): 1127-1133.
[10]	张鹏, 曹泽泽, 寇淑清, 王涛, 郭继保, 李金哲, 吴磊. 组合式凸轮轴径向滚花装配机理及连接强度研究[J]. 中国机械工程, 2022, 33(06): 664-671.
[11]	韩周鹏, 刘永, 巴黎, 史慧帆. 基于复杂网络的三维CAD装配模型模块单元发掘[J]. 中国机械工程, 2022, 33(06): 690-697，755.
[12]	房运涛, 王晓东, 徐松, 王会彬, 罗怡, . 万向支架微小螺纹副自动装配系统[J]. 中国机械工程, 2022, 33(06): 698-706.
[13]	张浩伟, 陈文亮, 王珉, 潘劲伟, 黄稳. 基于冗余基准孔的轻型移动制孔系统定位方法[J]. 中国机械工程, 2021, 32(22): 2697-2704.
[14]	潘国威, 陈文亮. 冗余混联式钻铆机床姿态调整轨迹优化[J]. 中国机械工程, 2021, 32(21): 2571-2576，2589.
[15]	赵联鹏, 唐秋华, 张子凯, 蒙凯, . 预防维护下装配线平衡的多目标重启变邻域搜索算法[J]. 中国机械工程, 2021, 32(21): 2606-2616.

融合脑电-肌电信号的人机协作装配意图识别方法

Intention Recognition Method of Human Robot Cooperative Assembly Based on EEG-EMG Signals

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics