한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제17권6호
  • /
  • Pages.738-743
  • /
  • 2007
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

굽힘 센서신호를 이용한 인공의수의 제어

Control of an Artificial Arm using Flex Sensor Signal

  • 유재명 (서울산업대학교 나노생산기술연구소) ;
  • 김영탁 (중앙대학교 기계공학부)
  • 발행 : 2007.12.25
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구는, 팔(하완)을 잃은 장애자용 인공 의수를 장애자가 자신의 의도에 따라 제어하기 위한 센서 시스템과 제어알고리즘에 관한 것이다. 먼저 장애자의 여러 가지 동작 의도를 검출할 수 있는 센싱 시스템을 연구하고 이 센싱 시스템으로부터 발생된 신호를 사용하여 인공의수를 제어하는 방법에 대하여 연구한다. 센서로서는 전기 저항식 굽힘 센서를 사용한다. 이 굽힘 센서를 팔의 상완 이두근과 오구완근에 각각 1개씩 단단히 부착한다. 부착된 센서로부터 출력된 신호는 근육의 굴곡량을 나타내며 팔의 동작의도를 판단 할 수 있는 신호처리 시스템을 통과시켜 하완의 굴곡과 신전 운동, 손의 내전과 외전 운동을 구별한다. 그리고 구별된 신호로부터 실제 팔의 운동 각도를 추정하여 인공의수의 각도를 제어한다. 본 연구의 효용성을 증명하기 위해 2개의 액추에이터와 포텐셔미터를 가진 간단한 인공의수를 제작하여 제어 실험을 하였다. 실험에서 실제 팔의 각도와 인공의수의 제어 각도 사이에는 센서 외부에서 발생되는 노이즈 및 인공의수의 회전 관성, 기계적인 마찰 등으로 인한 오차가 발생하였다. 따라서 오차 값과 오차의 변화 값에 근거한 퍼지 제어 알고리듬을 이용하여 재 실험을 한 결과 하완의 굴곡/신전 운동에서는 평균 약 4도, 손의 회내/외 운동에서는 평균 약 3도의 오차가 측정되어, 퍼지제어기를 설치한 이전보다 오차가 크게 개선되었다.

In this paper, a muscle motion sensing system and an artificial arm control system are studied. The artificial arm is for the people who lost one's forearm. The muscle motion sensing system detect the intention of motion from the upper arm's muscle. In sensing system we use flex sensors which is electrical resistance type sensor. The sensor is attached on the biceps brachii muscle and coracobrachialis muscle of the upper arm. We propose an algorithm to classify the one's intention of motions from the sensor signal. Using this algorithm, we extract the 4 motions which are flexion and extension of the forearm, pronation and supination of the arm. To verify the validity of the proposed algorithms we made experiments with two d.o.f. artificial arm. To reduce the control errors of the artificial arm we also proposed a fuzzy PID control algorithm which based on the errors and error rate.

키워드

참고문헌

  1. 2004 보건복지백서, 보건복지부
  2. 2004 고령자 통계, 통계청
  3. L. H. Lindstrom, R. I. Magnusson, 'Interpretation of myoelectric power spectra: a model its application', Proc. IEEE, Vol.65, No.5, pp. 653-662, 1977
  4. F. B. Stulen, C. J. Luca, 'Frequency parameters of the myoelectric signal as a measure of muscle conduction velocity', IEEE Tran. Biomedical Engineering, Vol.BME-28, pp. 515-523, 1981 https://doi.org/10.1109/TBME.1981.324738
  5. B. S. Atal, 'Effectiveness of linear prodiction characteristics of the speech wave for automatic sperker identification and verification', JASA., Vol.55, pp. 1304-1312, 1974 https://doi.org/10.1121/1.1914702
  6. J. D. Markhoul, 'Linear Prediction: A tutorial review', Proceedings IEEE, Vol.63, pp.561-579, 1975 https://doi.org/10.1109/PROC.1975.9792
  7. J. D. Markel, A. H. Gray, 'Linear Prediction of Speech', Berlin Heidelberg:Springer-Verlag, 1976
  8. L. R. Rabiner, R. W. Schafer, 'Digital Processing of Speech Singnals', Englewood Cliffs, NJ ; Prentice-Hall, 1978
  9. M. H. Sheriff, 'Effects of load on myoelectric singals: ARMA representation', IEEE Trans. Biomedical Engineering, Vol.BME-28, pp. 411-416, 1981 https://doi.org/10.1109/TBME.1981.324724
  10. S. M. Kay, 'Modem Spectral Estimation: Theory and Application', Englewood Clifs, NJ : PrenticeHall, 1988
  11. G. Hefftner, W. Zucchini and G. Jaros, 'The electromygram(EMG) as a control signal for functional neuromuscular stimulation-Part I: Autoregressive modelling as a means of EMG signature discrimination', IEEE Trans. Biomedical Engineering, Vol.BME-35, pp. 230-237, 1988
  12. R. M. Studer, 'An algorithm for sequential signal estimation and system identification for EMG signals', IEEE Trans. Biomedical Engineering, Vol.BME-31, No.3, pp. 285-295, 1984 https://doi.org/10.1109/TBME.1984.325267
  13. D. Graupe, 'Time series analysis: Identification and adaptive filtering', R. E .Kreger Pub. Co., 1984
  14. T. Kiryu, Y. Saitoh and K. Ishioka, 'Inverstigation on parametric analysis of dynamic EMG signals by a muscle-sutrutured simulation model', IEEE Trans. Biomedical Engineering, Vol.BME-39, pp. 280 -288, 1992
  15. P. A. O'Neill, 'Myoelectric signal characteristics from muscles in residual upper limbs', IEEE Trans. Rehabilitation Engineering, Vol.2, No.4, 1994
  16. D. Graupe, W. Cline, 'Functional Separation of EMG Signals via ARMA Identification Methods for Prostehesis control purposes', IEEE Trans. on System, Manand Cybernetics, Vol. SMC-5, No.2, pp. 252-259, 1975 https://doi.org/10.1109/TSMC.1975.5408479
  17. G. N. Saridis, M. A. Newman, 'Upper limb EMG statistical analysis', Proc. MIDCON, 1979
  18. G. N. Saridis, T. Gootee, 'EMG pattern analysis and classification for a prosthetic arm', IEEE Trans. Biomedical Engineering, Vol.BME-29, pp. 403-409, 1982 https://doi.org/10.1109/TBME.1982.324954
  19. S. Lee, S. Park and J. Kim, 'EMG Pattern Recognition based on Evidence Accumulation for Prosthesis Control', Proceedings of the 18th Annual International Conference of the IEEE Engineering in Medicineand Biology Society, Vol.3, pp. 1481-1483, 1996
  20. D. C. Dening, F. G. Gray and R. M. Haralick, 'Prosthesis control using a nearest neighbor electromyographic pattern classifier', IEEE Trans. Biomedical Engineering, Vol.30, pp.356-360, 1983 https://doi.org/10.1109/TBME.1983.325138
  21. K. Nishikawa, K. Kuribayashi, 'Neural Network Application to a Discrimination System for EMG-Controlled Prostheses', IEEE/RSJ International Workshop on Intelligent Robots and Systems, Vol.1, pp.231-236, 1991
  22. H. Y. Chan, Yang-Sheng Yang and F. K. Lam, 'Fuzzy EMG classification for prosthesis control', IEEE Trans. on Rehabilitation Engineering, Vol.8 Iss.3, pp. 305-311, 2000 https://doi.org/10.1109/86.867872
  23. Al-Assaf, Y. AI-Nashash, H., 'Myoelectric signal segmentation and classification using wavelets based neural networks', 2001. Proceedings of the 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Vol.2, pp. 1820-1823, 2001
  24. O. Fukuda, T. Tsuji and K. Takahasi, 'Skill assistance for myoelectric control using an event driven task model', 2002. IEEE/RSj International Conference on Intelligent Robots and System, Vol.2, pp. 1445-1450, 2002
  25. 유재명, 김영탁, '생체 근육 신호를 이용한 보철용 팔의 제어,' 한국정밀공학회 2005년 춘계학술대회, pp. 1944-1947, 2005

피인용 문헌

  1. Analysis on Effective Rehabilitation of Human Arms Using Compliant Strap pp.2005-4092, 2018, https://doi.org/10.1007/s12555-018-0351-z