买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜福州大学申请的专利一种多传感器融合的假肢手抓握力反馈控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113952091B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111472020.5，技术领域涉及：A61F2/54；该发明授权一种多传感器融合的假肢手抓握力反馈控制方法是由姜海燕;黄书萍;李竹韵;杜民设计研发完成，并于2021-12-06向国家知识产权局提交的专利申请。

本一种多传感器融合的假肢手抓握力反馈控制方法在说明书摘要公布了：本发明提出一种多传感器融合的假肢手抓握力反馈控制方法，包括多传感器融合与反馈方法、握力预测方法及基于PD的CMAC机械手抓握控制方法；多传感器融合与反馈方法中，包括对肌肉采集其表面肌电信号，对被假肢手抓握的物体采集其温度、接触力、滑动状态、采集抓握动作对应的关节加速度及角速度及对假肢手的抓握动作采集其实际握力；握力预测方法预测当前抓握动作的抓握力；多传感器融合及反馈方法是对数据进行融合以生成当前抓握动作的假肢端感受信息；本发明让使用者能及时调整实际抓握力和抓握动作，实现准确、稳定地抓握物体，同时在抓握过程中检测被抓握物体的实时温度和接触力，通过振动及显示模块将触觉信息反馈给使用者。

本发明授权一种多传感器融合的假肢手抓握力反馈控制方法在权利要求书中公布了：1.一种多传感器融合的假肢手抓握力反馈控制方法，其特征在于：所述假肢手包括基于PD的CMAC机械手抓握力控制器，其控制方法包括多传感器融合与反馈方法、握力预测方法及基于PD的CMAC机械手抓握控制方法；所述多传感器融合与反馈方法中，以多传感器组成的传感器阵列对前臂、假肢手进行反馈信号与感知信号采集，对所采集的信号进行融合，包括对与手抓握运动相关的前臂肌肉采集其表面肌电信号，对被假肢手抓握的物体采集其温度、接触力、滑动状态、采集抓握动作对应的关节加速度及角速度及对假肢手的抓握动作采集其实际握力；所述握力预测方法是通过改进的TSK模糊递归小脑模型，以预处理后的肌电信号中的有效特征信息预测当前抓握动作的抓握力；所述基于PD的CMAC机械手抓握控制方法为改进的小脑模型关节控制器中非线性量化CMAC-PD控制方法；所述改进的小脑模型神经网络预测假肢手抓握力大小时，通过对与手抓握运动相关的前臂肌肉的表面肌电信号进行滤波预处理，将递归小脑模型神经网络与TSK模糊推理相结合，并采用小波函数作为隶属度函数，以提高网络的泛化能力和学习性能，递归小脑模型神经网络的模型结构包括输入层、联想记忆层、接收域层、权值记忆层、输出层以及递归单元；递归小脑模型神经网络包括以下模糊推理规则Rλ：如果x1是μ1jk,x2是μ2jk,......,并且xn是μnjk,则wjk＝c1jkx1+c2jkx2+……cnjkxn，j＝1,2,...,nj，k＝1,2,...,nk其中，xn是第n个输入值，μijk是第i个输入、第j层、第k块的模糊集，wjk是后续部分TSK型输出的权重；所述联想记忆层将多个元素累积为一个块，移动每个元素后得到不同区块，每个区块执行一个接收域基函数；采用高斯型小波函数作为隶属度函数，即利用高斯函数的一阶导数构造小波函数，具体的计算公式为 其中，xrijk是输入信号，mijk和vijk分别是小波函数的平移和扩张参数，对应于第i个输入、第j层、第k块的隶属基函数；递归单元函数如下：xrijkt＝xit+wrijkμijkt-1公式二；其中，t是数据的时间序列，wrijk是该递归单元的权重，表示上一时刻的输出对这一刻的影响程度，μijkt-1表示上一时刻的输出结果，μijk为联想记忆层的输出结果；因此该时刻的输出包含该时刻的数据和上一时刻对其的影响；所述接收域层利用与运算实现模糊乘积推理，其公式为 所述权值记忆层具有TSK模糊输出的权重，采用输入的多项式函数表示以获得更准确的近似能力，公式为 其中cijk为常数，表示第j层、第k块与第i个输入的连接权值；递归小脑模型神经网络的输出y为接收域与激活权值的代数和，即为预测的抓握力，公式为 递归小脑模型的更新参数为mijk、vijk、wrijk和cijk，其用于描述更新算法的误差函数定义为 采用动量梯度下降法对参数进行更新，通过计算梯度的指数加权平均数来更新权重，w为mijk、vijk、wrijk和cijk，有公式为Vdw＝β*Vdw+1-β*dw公式七；w＝w+α*Vdw公式八；其中，β为动量系数，β*Vdw为动量项，1-β*dw为梯度下降量，Vdw为指数加权平均和，乘以学习衰减率α得到参数更新量；所述多传感器融合及反馈方法中，以多传感器融合信号处理模块对信号采集数据进行融合并生成假肢端感受信息；所述传感器阵列中的传感器包括设于佩戴假肢手的前臂处用于采集肌电信号的融合表面肌电传感器、设于假肢手处的加速度传感器和设于假肢手处的角速度传感器，还包括设于假肢手手指处的分布式压力传感器、分布式触滑觉传感器，以及包括设于假肢手手掌中央处的红外测温传感器；所述基于PD的CMAC机械手抓握力控制方法用于改进的小脑模型关节控制器中的非线性量化CMAC-PD控制器；所述假肢手的控制系统采集分布式压力传感器、分布式触滑觉传感器、加速度传感器、角速度传感器、红外测温传感器信号，经过模糊融合模型，得到其输出的模型抓握动作，并将输出反馈给改进的小脑模型关节控制器的PD环节和CMAC控制器进行驱动及控制，对假肢手的当前动作进行调整，具体为：将多传感器信号进行融合作为反馈信号，采用分布式触滑觉传感器检测假肢手与物体的接触情况，再将分布式压力传感器采集的实际抓握力与触滑觉传感器检测的滑觉状态，经过改进的小脑模型关节控制器调节抓握力；同时采集加速度和角速度信号并结合触滑觉信号实时调整假肢手的关节角度；将多传感器信号进行融合作为反馈信号，同时以振动单元或显示屏把温度信息和接触力信息反馈给假肢手使用者，优化抓握物体的稳定性；当小脑模型关节控制器的CMAC机械手抓握力控制器控制假肢手时，以采集得到的肌电信号判断使用者的抓握意图及使用者的出力意图，所述假肢手的控制系统把假肢手施力过程采样的每个状态点作为输入信号发送给CMAC，并把小脑模型响应使用者肌电信号而得出的预测值作为驱动信号，控制假肢手调节力的下一个时间点，即采用CMAC做前馈控制以提高系统的响应速度与控制精度，采用PD为负反馈控制，利用多融合信号与PD控制算法对CMAC权值进行调整，以加快系统逼近速度并保障系统的稳定性；当进行采样时，采用非均匀量化方法来拟合采样分布的正弦密度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。