摘要:针对配网带电作业绝缘手套舒适性缺少客观和量化评估方法的问题，提出了一种基于改进麻雀算法(improved spar- row search algorithm,ISSA)优化BP 神经网络的舒适性评估方法。针对配网带电作业常用的绝缘手套，选取了3种类型绝缘 手套作为评估对象，搭建了人体上肢表面肌电(sEMG) 信号测试平台，采集了典型作业工况下被试者穿戴绝缘手套后右臂肱 二头肌的sEMG 信号，通过ISSA 对变分模态分解(VMD) 和BP的关键参数进行优化，构建了基于 ISSA-BP的带电作业用绝 缘手套舒适性评估模型。结果表明，ISSA 较 SSA 有效提升了BP 预测准确率和VMD 效果，被试者穿戴不同绝缘手套时 sEMG 特征参数和舒适度差异显著,舒适性评估模型其准确率达到94.9%,所提出的舒适性量化评估方法为配网绝缘手套的 改进以及人员防护提供了依据。

摘要:为了提高手势动作在类别众多且相似度高的情况下的识别精度，提出了一种基于连续小波变换和残差神经网络Res- Net50的表面肌电信号手势识别方法。首先对Ninapro DB2 和 DB3 的原始表面肌电信号进行预处理和连续小波变换，得到 Multi-sEMG Wavelet Map 数据集，然后送入改进的ResNet50模型进行识别分类。实验结果表明，改进后的ResNet50 网络模 型在 Multi-sEMG Wavelet Map DB2 和 DB3中17种手势动作的平均准确率分别达到了96.40%和94.11%,相比 ResNet50 网络模型方法提升了4.87%和5.83%。实现了手势动作在类别繁多、相似度较高的情况下的精准识别。为基于非侵入式传 感器和机器学习控制的假肢手提供了新方案。