基于肌电图与机器学习开发低成本假肢手

研究提出一种低成本肌电假肢手，用 3 块肌肉的 EMG 信号分类 5 种手势并驱动只有 2 个伺服电机、2 个自由度的机械手。时域与频域特征分别训练浅层神经网络，平均分类准确率为 94.8% 和 93.2%，时域计算与响应更快而被采用；另设计腕部旋转机构增加第 3 个自由度，并用力传感器与振动电机构成触觉反馈系统。