Konstrukcja protezy dłoni sterowanej za pomoc sygnału EMG
[ 1 ] Instytut Automatyki i Inżynierii Informatycznej, Wydział Elektryczny, Politechnika Poznańska | [ 2 ] Politechnia Poznańska | [ P ] pracownik | [ S ] student | [ D ] doktorant
EN Development of EMG-controlled hand prosthesis
2015
rozdział w monografii naukowej
polski
- proteza
- chwytak antropomorficzny
- emg
- klasyfikacja
- wykrywanie gestów
- biosygnały
- prosthesis
- anthropomorphic gripper
- EMG
- classifier
- gesture detection
- biosignals
PL Założeniem przedstawionej pracy było wykonanie prototypu chwytaka antropomorficznego, wraz z interfejsem sprzętowym oraz oprogramowaniem, pozwalającym na sterowanie za pomocą sygnałów elektromiograficznych. Powstała pięciopalczasta, niedosterowana konstrukcja mechaniczna chwytaka z przeciwstawnym kciukiem, wraz z napędami umieszczonymi w śródręczu. Wykonano oraz przetestowano prototypy różnych konfiguracji wzmacniaczy EMG oraz elektrod. Opracowano zintegrowany system oparty na opasce, składający się z zestawu miniaturowych wzmacniaczy oraz wielorazowych elektrod żelowych. System wykorzystuje układ aktywnego DRL do eliminacji zakłóceń. Do klasyfikacji gestów dłoni zaproponowano i zaimplementowano zestaw deskryptorów oraz sieć neuronową. Wszystkie elementy systemu współpracują ze sobą zgodnie z założeniami, tworząc platformę do prowadzenia dalszych badań nad chwytakiem oraz detekcją gestów.
EN This thesis presents design and development of an electromyographic signal-driven hand prosthesis prototype. The gripper was designed as a five-finger structure with opposable thumb, equipped with necessary drives and sensors. The fingers are underactuated, thus they adapt to the shape of gripped object. For EMG acquisition purposes, several prototypes of amplifiers and electrodes were tested, leading to an integrated system consisting of an elastic band containing a set of amplifiers and reusable gel electrodes. The system uses active DRL circuit to eliminate interferences. To detect basic gestures performed by user, a set of EMG descriptors was proposed and implemented, together with an artificial neural network. All components of the system cooperate as intended, creating a platform suitable for further research on grasping trajectories and gesture detection.
87 - 99