摘要：针对表面肌电（sEMG）信号与上肢运动方向之间的映射关系，提出一种基于肌电力映射矩阵的上肢运动方向预测模型。通过实验进行受试者肌电信号的采集，分析上肢在不同姿态下的力方向识别算法的准确性。实验采用9块浅层肌肉的肌电信号作为输入，运用小波滤波和均方根值（RMS）处理信号，并构建了肌电力方向映射矩阵（SFMM）和末端运动方向映射矩阵（EDMM）。通过伪逆法和反向传播神经网络（BPNN）进行模型训练，对比使用原始数据、处理后的数据以及结合位姿变换矩阵的数据这3种方法在单独姿态和混合姿态下的预测能力。研究结果显示，结合位姿变换矩阵的方法在各种姿态下均表现出较高的预测准确度，可有效减小上肢姿态变化对预测结果的影响。本研究为基于sEMG的外骨骼设备力方向预测提供了理论基础。

摘要：针对国内康复设备缺乏及其对儿童腿型适应性不足的现状，设计了一款用于脑瘫儿童下肢康复的台架式外骨骼机器人。脑瘫作为一种常见的儿童疾病，常导致“蹲伏步态”等不同程度的步态异常，本文针对此步态进行康复机器人设计。该结构由外骨骼机器人和助行器小车组成，拥有4个主动自由度，能进行多角度调节和伸缩，满足不同儿童腿型的需求。控制系统采用主从分布式架构，结合KMP（kernelized movement primitive）算法实现了个性化轨迹的匹配和自适应步态的规划。实验结果表明，该康复设备机械结构和控制系统运行可靠，同时具备良好的轨迹跟踪能力，可有效提高脑瘫儿童的步态稳定性。

摘要：为了应对人口老龄化带来的挑战，并使洗浴机器人能够针对不同皮肤部位采用适当的洗浴模式，对多部位皮肤检测及其在洗浴机器人中的应用进行了研究。在前期研究的基础上，选取了4种典型目标检测算法，扩充了原始数据集，并基于迁移学习进行多部位皮肤检测。建立了综合评价指标以评估算法性能，在Tesla T4和TX2平台上对性能最佳的模型进行部署和测试，并将其应用于洗浴机器人中。结果显示：数据集类不平衡的改善可使检测精度平均提升18%；YOLOv5s算法在精度与模型大小之间达到了最佳平衡，能够在Tesla T4和TX2平台上进行实时检测，并在水汽环境中实现对不同部位皮肤的识别。通过TX2平台集成视觉传感器，进行目标点三维位姿建模和联合实验，控制机器人到达背部区域的成功率为92%，使用点云作为监督信息可将此成功率提升至100%。改善类不平衡可以显著提升多部位皮肤检测的准确性，YOLOv5s在平衡精度和模型大小方面表现出色，有效满足了洗浴机器人多部位皮肤检测的需求。