طراحی و پیاده‌سازی رابط کنترلی برخط برای پروتز زانو بر پایه سیگنال‌های الکترومایوگرافی

هدف این مقاله، طراحی یک رابط کنترلی برخط برای پروتز زانو بر پایه سیگنال‌های الکترومایوگرافی ماهیچه‌های فعال بخش ران است. با توجه به ماهیت متغیر با زمان سیگنال‌های الکترومایوگرافی، ترجمه این سیگنال‌ها به دستورات مناسب جهت پیاده‌سازی عملی با چالش‌هایی همراه است. نخستین گام طراحی رابط مورد نظر، طراحی و ساخت یک بستر آزمون مناسب برای پیاده‌سازی عملی رابط طراحی‌شده است. بدین منظور پروتز زانویی با استفاده از مکانیزم عملگر سری الاستیک طراحی و ساخته و با مطالعه مبانی آناتومی ماهیچه‌ای و شناسایی ماهیچه‌های فعال در چرخه راه‌رفتن، نمونه‌هایی از سیگنال‌های الکترومایوگرافی اندازه گرفته شده است. سپس، به‌منظور هموارسازی سیگنال‌ها، کاهش سطح نویز و کاهش ابعاد سیگنال‌ها از روش فیلترکردن و تقسیم‌کردن با پنجره‌های زمانی مجاور استفاده شده و شبکه عصبی با تاخیر زمانی به‌منظور نگاشت بین ویژگی‌های منتخب استخراج‌شده از سیگنال‌های الکترومایوگرافی و متغیرهای سینماتیکی مفصل زانو به‌کار رفته است. شبکه عصبی زاویه و سرعت زاویه‌ای مفصل زانو در حالت بدون وزن و در حالت راه‌رفتن به‌صورت خارج از خط با دقت 0.85 (r2) تخمین زده می‌شود. جهت پیاده‌سازی تخمین برخط موقعیت زاویه‌ای مفصل زانو، آزمون‌هایی انجام شد که نتایج حاصل بیانگر استفاده از ویژگی‌های حوزه زمان و شبکه عصبی با تعداد 50 نورون در لایه مخفی و میزان تاخیر 2 ثانیه است. پس از طراحی رابط کنترل برخط برای تخمین موقعیت زاویه‌ای مفصل زانو، روی بستر آزمون ساخته‌شده پیاده‌سازی صورت گرفته که نتایج نشان‌دهنده ردیابی مناسب ساختار کنترلی برخط طراحی شده است.

Designing and Implementation of an Online Control Interface for Knee Prosthesis Based on Electromyography Signals

The goal of this paper is to design an online control interface for knee prosthesis based on the electromyography (EMG) signals of active thigh muscles. According to the time dependent nature of electromyography signals, translating such signals into precise commands in practical applications is a challenge for scientists. First stage for designing an online control interface is to design and implement a test setup for examining the proposed online control interface. To serve this purpose, active knee prosthesis is designed and manufactured using an elastic actuator mechanism. In order to measure the EMG signals, active muscles were detected based on the fundamental of muscles anatomy. In the second stage, filtering and data segmentation were utilized for electromyography signals smoothing, decreasing noises and reducing signal dimensions. Furthermore, timedelay neural network was used in order to map time domain features of EMG signals onto kinematic variables of knee joint. The angle and angular velocity of knee joint were estimated with accuracy of 0.85 (R2) for two locomotion modes including nonweight bearing and ground level walking. To implement online estimation of angular position, time domain features and neural network with 50 hidden layer rsquo;s neurons and 2 seconds time delay were used. Finally, online angular position estimation of knee joint was implemented on the designed test setup and results confirm proper tracking of online control interface.