子宫切除手术作为微创手术的一种,改善了传统手术创口大、疤痕明显的问题,具有创伤小、伤口愈合快、术后恢复时间短等优点。由于机器人技术在医疗领域的快速发展,用机器人辅助医生完成手术已成为一种趋势。本论文以子宫切除手术为背景,借助KINOVA机械臂实现手术过程中的远心运动(RCM),重点研究辅助机械臂在手术过程中最优远心点的定位,并基于神经网络模型实现了智能化的语音控制方式,医生在手术中通过语音指令控制机械臂实现手术操作,提高了手术的效率。顺利实现子宫切除手术中器具绕远心点的运动是完成手术任务的基础。本文利用KINOVA机械臂来开展手术,该机械臂具备六个自由度,可以很好地编程实现远心运动。手术过程的远心点对机械臂的灵活性和可操作性具有一定的影响,如何选择最优的远心点是手术的关键。本文建立了机械臂的参考坐标系,得到D-H参数,进而求得机械臂的运动学模型。进一步分析了机械臂增广正运动学,得出具有远心约束的增广雅可比矩阵,并依此建立全局各向同性的优化指标,在工作空间内搜索最优远心点。完成手术过程中医生与机械臂的交互是手术成功进行的关键。语音控制是一项便利的人机交互技术,本文分析了传统的语音识别方法,根据子宫切除手术的语音指令要求,设计了基于卷积神经网络的语音识别系统。语音识别之前需对语音信号进行预处理,为了更好地抓取语音的特征,提取出了语音指令的Mel频率倒谱系数(MFCC),由此绘制Mel谱图作为卷积神经网络的输入,以充分发挥卷积神经网络的优势。编写了人机交互的控制界面,方便语音指令入库、识别显示和实验仿真。在开源机器人操作系统ROS下搭建了机械臂的仿真控制平台,利用MoveIt!功能包对机械臂的远心运动实现了仿真,并验证了语音识别系统的准确性。通过实验实现了语音对机械臂的实时控制,实验结果表明系统能够正确识别语音指令并能够实时地驱动机械臂完成相应运动。本文对机械臂开展微创手术的远心点定位和通过语音控制机械臂的探索和研究,对这一领域其他人的研究具有一定的参考意义。