来源：期刊VIP网 时间：
作者：刘凯;钟垒锋;吴田;杨展豪;
单位：三峡大学电气与新能源学院;中国电力科学研究院有限公司;湖北省输电线路工程技术研究中心(三峡大学);
摘要：随着带电作业的智能化进程的深入，尽管配网绝缘杆作业法安全性高但劳动强度大，为了有效减轻作业人员的劳动强度，引入外骨骼人机协同作业，为了准确跟踪作业人员上肢肌肉的运动变化，识别绝缘杆法带电作业肌肉出力特征，加强人机契合度，提出一种利用表面肌电信号（surface electromyography,sEMG）进行上肢肌肉连续运动预测的方法。采集作业人员在进行三种绝缘杆典型作业时的肱二头肌、肱三头肌sEMG信号，使用经过变模态分解去噪后的sEMG信号作为输入量，利用改进麻雀搜索算法优化LSTM神经网络，并使用状态估计器提高模型性能，实现对肱二头肌、肱三头肌sEMG信号变化的预测。预测结果表明：ISSA-LSTM优化模型的收敛速度快，泛化能力强，均方根误差RMSE、决定系数R 2均达到了非常高的预测精度，同时该模型在GPU占用率和训练时间上也表现出相对优异的性能，显示了基于ISSALSTM优化模型进行sEMG信号预测的优越性，为提供外骨骼更优控制提供依据。
关键词：带电作业;;人机协同作业;;表面肌电信号;;连续运动预测;;改进麻雀搜索算法;;LSTM
基金资助：国家自然科学基金资助项目（51807110）;; 国家电网公司科学技术项目（5400-202318197A-1-1-ZN）
