• 한국의류산업학회지
• /
• 제24권3호
• /
• pp.333-345
• /
• 2022

This study developed and evaluated the motion control of 3D printed fingers applied to smart gloves. Four motions were programmed by assembling the module using the Arduino program: cylindrical grasping, spherical grasping, tip-to-tip pinch gripping, and three-jaw pinch gripping. Cap and re-entrant (RE) strip types were designed to model the finger. Two types of modeling were printed using filaments of thermoplastic elastomer (TPE) and thermoplastic polyurethane (TPU). The prepared samples were evaluated using three types of pens for cylidrical grasping, three types of balls for spherical grasping, and two types of cards for tip-to-tip pinch gripping and three-jaw pinch gripping. The motion control of fingers was connected using five servo motors to the number of each control board. Cylindrical and spherical grasping were moved by controlling the fingers at 180° and 150°, respectively. Pinch gripping was controlled using a tip-to-tip pinch motion controlled by the thumb at 30° and index-middle at 0° besides a three-jaw pinch motion controlled by the thumb-index finger-middle at 30°, 0°, and 0°, respectively. As a result of the functional evaluation, the TPE of 3D-printed fingers was more flexible than those of TPU. RE strip type of 3D-printed fingers was more suitable for the motion control of fingers than the 3D-printed finger.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.19-23
• /
• 2024

양손 절단 환자들에게 미용적 목적과 함께 기능적 목적을 갖춘 의수가 필요하며 잔존 근육의 근전도를 이용한 인공 의수에 대한 연구가 활발하나 아직도 비싼 비용의 문제가 있다. 본 연구에서는 저비용의 부품과 소프트웨어인 표면 근전도 센서, 머신러닝 소프트웨어 Edge Impulse, Arduino Nano 33 BLE, 그리고 3D 프린팅을 이용하여 인공의수를 제작하고 성능을 평가하였다. 표면 근전도 센서로 획득하고 Edge Impulse에서 디지털 시그널 프로세싱 과정을 거친 신호들을 이용하여 머신러닝으로 손가락 운동의 종류를 판단하는 훈련을 통해 각 손가락의 굽힘 운동신호를 의수 모델의 손가락들에 전달하였다. 디지털 시그널 프로세싱 조건을 노치 필터 60 Hz, 대역필터 10-300 Hz, 그리고 샘플링 주파수 1,000 Hz로 했을 때, 머신 러닝의 정확도가 82.1%로 가장 높았다. 각 손가락 굴곡 운동간에 혼동될 수 있는 가능성은 약지가 가장 높아서 검지의 운동으로 혼동될 가능성이 44.7 %이었다. 저비용 인공의수의 성공적인 개발을 위해서는 더 많은 연구가 필요하다.