22108

كنترل همزمان تناسبي مايوالكتريك جهت كنترل دست مصنوعي

كارشناسي ارشد

مهندسي پزشكي - بيوالكتريك

1398-99

1398/10/29

دكتر وحيد شالچيان

برق

كنترل مايوالكتريك براي چند دهه مرجع كنترل عضو مصنوعي فوقاني بوده است. از ديگر كاربردهاي كنترل مايوالكتريك مي‌توان به عمليات از راه دور و دستيار ربات اشاره كرد. تكنيك هاي مختلف كنترلي دست مصنوعي عمدتا برپايه شناسايي الگو براي انجام ترتيبي چند حركت محدود استوار بوده اند. اين‌ روش‌ها با نحوه عملكرد دست طبيعي فاصله داشتند. براي مثال، روش شناسايي الگو بر اساس سيستم كنترل مايوالكتريك از يك استراتژي ترتيبي استفاده كرده است. كه در يك زمان، تنها يك عملكرد عضو مصنوعي بتواند انجام شود. بنابراين برخي از مطالعات جديد جهت حل اين مشكل از روش‌هاي رگرسيون استفاده كرده اند. از آنجايي كه در كاربردهاي باليني كنترل مايوالكتريك به صورت برخط مورد استفاده قرار گرفته است، اين مطالعه نيز براي رسيدن به يك كنترل همزمان تناسبي از رگرسيون برخط استفاده كرده است. از چالش‌هاي حل نشده كنترل همزمان تناسبي مايوالكتريك مسئله جابجايي الكترودها است. هدف اين مطالعه بررسي و كاهش اثر جابجايي الكترودها در آزمايشات برخط مبتني بر رگرسيون بوده است. جهت بررسي اثر جابجايي الكترودها آزمايش‌هاي برون‌خط و برخط هر كدام در سه موقعيت مختلف الكترود انجام شده‌اند. چهار روش مختلف براي كاهش اثر جابجايي الكترودها در اين مطالعه پيشنهاد شده و مورد ارزيابي قرار گرفته‌است كه به ترتيب عبارت اند از: 1- تركيب (تركيب تمام داده‌هاي برون‌خط براي ايجاد يك رگرسور) 2- انتخاب (انتخاب نزديكترين موقعيت الكترود) 3- تركيب مودولار (تركيب تخمين دو رگرسور نزديكتر) 4- پيداكردن نزديكترين موقعيت الكترود با استفاده از داده‌هاي EMG. براي تخمين موقعيت الكترودها در اين مطالعه يك امپدانس‌سنج با قابليت اندازه‌گيري امپدانس داخل بافت ساخته شده است كه توانسته است موقعيت الكترودها را تشخيص دهد. جابجايي الكترودها باعث كاهش قابل توجه كارايي شده است. رگرسور لاسو با كارايي 42/0 و 74/0 در موقعيت جابجاشده و اصلي در مقايسه با ساير روش‌هاي رگرسور پايداري بيشتري در برابر جابجايي الكترودها داشته است. روش پيشنهادي تركيب مودولار با نرخ تكميل 96 درصد بهترين كارايي را در روش‌هاي مختلف آزمون برخط داشته‌است. همچنين با استفاده از داده‌هاي EMG موقعيت الكترودها با دقت بالاي 90 درصد تخمين زده‌است.

1399/04/05

Simultaneous and Proportional Myoelectric Control for Artificial hand control

1/18/2021 12:00:00 AM

Myoelectric control has been the reference for the upper Prosthesis control for decades. Other uses of myoelectric control include remote operation and robot assist. Various artificial hand control techniques have been based mainly on pattern recognition to perform a series of finite motion sequences. These methods were far from the normal hand operation. For example, the pattern recognition method based on the myoelectric control system employs a sequential strategy. That at one time, only one artificial organ function could be performed. Therefore, some recent studies have used regression methods to solve this problem. Since it has been used online in clinical applications of myoelectric control, this study has also used online regression to achieve a simultaneous and proportional control. One of the unsolved challenges is the simultaneous control of myoelectric proportionality of the electrode displacement problem. The purpose of this study was to investigate and reduce the effect of electrode displacement in online regression-based experiments. In order to investigate the effect of electrode displacement, offline and online experiments were performed at three different electrode positions. Four different methods have been proposed and evaluated to reduce the effect of electrode displacement in this study, as follows: I- Composition (combining all offline data to create a regressor) II- selection (selection of the nearest electrode position) III- Modular composition (approximate combination of two regressors) IV- Finding the nearest electrode position using EMG data. In order to estimate the position of the electrodes in this study, an impedance meter with intra-tissue impedance measurement has been developed that has been able to detect the position of the electrodes. In order to estimate the position of the electrodes in this study, an impedance gauge with intra-tissue impedance measurement has been developed that has been able to detect the position of the electrodes. Electrode displacement has significantly reduced performance. The Lasso regressor with a performance of 0/42 and 0/74 in the displaced and original position had more stable electrode displacement than other regressor methods. The proposed modular blend method with 96% completion rate has the best performance in various online test methods. Also, using EMG data, the electrode position is estimated at 90% accuracy.