项目团队以肌肉疲劳产生机制为理论基础，从肌肉几何形态以及肌肉激活特性出发，提出了持续等长收缩下融合sEIM和sEMG的肌肉疲劳程度检测方法，提出sEIM疲劳表征新指标，根据肌肉组织的电阻和电容特性以及其与激励频率的响应关系，提出了肌阻抗圆图的疲劳表征方式。构建改进粒子群-肌阻抗等效模型求解肌阻抗圆图的特征参数：电抗峰值频率和半径。以遗传算法优化随机森林的超参数组合和特征权重融合系数，融合sEIM与sEMG特征向量实现了5种不同疲劳程度的肌肉状态识别。其肌肉状态平均识别率达96％以上。相比于单模态sEIM或sEMG生理信号，平均识别率分别提升了6％和12％，能够有效区分不同疲劳程度的肌肉状态。