doi: 10.17586/2226-1494-2019-19-2-314-325


УДК 681.527.2, 681.532.62, 681.532.8

МЕТОДЫ УПРАВЛЕНИЯ ПРОТЕЗАМИ ВЕРХНИХ КОНЕЧНОСТЕЙ

Горохова Н.М., Головин М.А., Чежин М.С.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Горохова Н.М., Головин М.А., Чежин М.С. Методы управления протезами верхних конечностей // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 2. С. 314–325. doi: 10.17586/2226-1494-2019-19-2-314-325


Аннотация
Проанализированы методы управления протезами верхних конечностей. Рассмотрены особенности управления протезами на три вида ампутации (на уровне кисти и пальцев, на уровень предплечья и после вычленения предплечья, на уровне плеча и после вычленения плеча). Показано, как уровень ампутации связан с используемыми методами управления. Наиболее перспективными методами управления в протезах кисти и пальцев являются методы с расширенной обратной связью и адаптивные; на уровне предплечья и после его вычленения актуально использование нейроинтерфейсов, явления мышечных синергий и других; на уровне плеча и после его вычленения эффективны неинвазивные и интуитивные методы управления. Несмотря на многообразие достижений современных технологий задача полного восстановления всех утраченных функций верхней конечности остается актуальной. Выделен ряд нерешенных задач в области разработки систем управления протезами верхних конечностей: организация расширенной обратной связи «человек–протез», управление большим количеством степеней подвижности протеза и одновременное использование источников полезных сигналов различной природы.

Ключевые слова: протез верхней конечности, система управления, метод управления, автоматическое управление, ЭМГ, ЭЭГ, распо-знавание образов, нейронная сеть, интуитивное управление, адаптивное управление

Список литературы
  1. Курдыбайло С.Ф., Замилацкий Ю.И., Андриевская А.О., Буров Г.Н., Антипов А.В., Чекушина Г.В., Петров В.Г. Конструкции протезов верхних конечностей. Учебное пособие (исторический очерк). СПб: Нимфа, 2009. 458 с.
  2. Киракозов Л.Р., Монахова М.И. Исследование рынка высокофункциональных электромеханических кистей для протезов верхних конечностей с биоэлектрическим управлением // Вестник всероссийской гильдии протезистов-ортопедов. 2014. № 4 (58). С. 23–26.
  3. Буров Г.Н., Большаков В.А., Большакова М.А. Принципы создания современных реабилитационных устройств в протезировании верхних конечностей // Вестник всероссийской гильдии протезистов-ортопедов. 2017. № 1 (63). С. 9–13.
  4. Большаков В.А., Буров Г.Н. К вопросу формирования системы управления протезом при ампутационных дефектах в пределах предплечья // Вестник всероссийской гильдии протезистов-ортопедов. 2014. № 4 (58). С. 31–33.
  5. Буров Г.Н. Анализ систем управления протезами верхних конечностей / Руководство по протезированию и ортезированию / под ред. М.А. Дымочки, А.И. Суховерховой, Б.Г. Спивака. 3-е изд. Т. 2. М., 2016. С. 106–116.
  6. Кужекин А.П., Морейнис И.Ш., Якобсон Я.С. и др. Конструкции протезно-ортопедических изделий. М.: Легкая и пищевая промышленность, 1984. 240 с.
  7. Буров Г.Н., Большаков В.А. Определение требований к источникам управляющих сигналов системы управления протезом предплечья// Вестник всероссийской гильдии протезистов-ортопедов. 2017. № 2 (64). С. 36–40.
  8. Буров Г.Н., Большаков В.А. Исследование компенсаторных движений с использованием гониометрического комплекса после ампутаций предплечья// Вестник всероссийской гильдии протезистов-ортопедов. 2014. № 2 (56). С. 15–19.
  9. Pasluosta C.F., Chiu A.W.L. Modulation of grasping force in prosthetic hands using neural network-based predictive control // Methods in Molecular Biology. 2015. V. 1260. P. 179–194. doi: 10.1007/978-1-4939-2239-0_11
  10. Rasouli M. et al. Stable force-myographic control of a prosthetic hand using incremental learning // Proc. 37th Annual Int. Conf. of the IEEE Engineering in Medicine and Biology Society. Milan, Italy, 2015. P. 4828–4831. doi: 10.1109/embc.2015.7319474
  11. Fukushima S., Nozaki T., Ohnishi K. Development of haptic prosthetic hand for realization of intuitive operation // Proc. 42nd Annual Conference of the IEEE Industrial Electronics Society. 2016. P. 6403–6408. doi: 10.1109/IECON.2016.7793456
  12. Ortega-Palacios R. et al. Low-cost upper limb prosthesis, based on opensource projects with voice-myoelectric hybrid control // Proc. GMEPE/PAHCE. Porto, Portugal, 2018. doi: 10.1109/GMEPE-PAHCE.2018.8400727
  13. Mablekos-Alexiou A. et al. A biomechatronic extended physiological proprioception (EPP) controller for upper-limb prostheses // Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems. Hamburg, Germany,2015. P. 6173–6178. doi: 10.1109/IROS.2015.7354257
  14. Dosen S. et al. EMG biofeedback for online predictive control of grasping force in a myoelectric prosthesis // Journal of Neuro Engineering and Rehabilitation. 2015. V. 12. N 1. doi: 10.1186/s12984-015-0047-z
  15. Controzzi M. et al. The SSSA-My Hand: a dexterous lightweight myoelectric hand prosthesis // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2017. V. 25. N 5. P. 459–468. doi: 10.1109/TNSRE.2016.2578980
  16. Буров Г.Н., Большаков В.А. Система управления биоэлектрическим протезом. Патент РФ № 2653820. Бюл. 2018. № 14.
  17. Ortenzi V. et al. Ultrasound imaging for hand prosthesis control: a comparative study of features and classification methods //Proc. 2015 IEEE Int. Conf. on Rehabilitation Robotics. Singapore, 2015. doi: 10.1109/icorr.2015.7281166
  18. Castellini C. et al. Using ultrasound images of the forearm to predict finger positions // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2012. V. 20. N 6. P. 788–797. doi:10.1109/TNSRE.2012.2207916
  19. Dalal N., Triggs B. Histograms of oriented gradients for human detection // Proc. IEEE Computer Society Conference on Computer Vision & Pattern Recognition. 2005. V. 2. P. 886–893. doi:10.1109/CVPR.2005.177
  20. Li Q.M., Lv Y.P. A fuzzy PID control method for the grasping force of an underactuated prosthetic hand // Applied Mechanics and Materials. 2014. V. 551. P. 514–522. doi: 10.4028/www.scientific.net/AMM.551.514
  21. Deepika Princess D. et al. MEMS accelerometer based control of prosthetic hand // International Research Journal of Medical Sciences. 2014. V. 2. N 4. P. 20–23.
  22. Pan L.et al. Myoelectric control based on a generic musculoskeletal model: toward a multi-user neural-machine interface // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2018. V. 26. N 7. P. 1435–1442. doi: 10.1109/TNSRE.2018.2838448
  23. Winters J.M. Hill-based muscle models: a systems engineering perspective / In: Multiple Muscle Systems. Eds. J.M. Winters, S.LY. Woo. Springer, 1990. doi: 10.1007/978-1-4613-9030-5_5
  24. Merad M. et al. Intuitive prosthetic control using upper limb inter-joint coordinations and IMU-based shoulder angles measurement: a pilot study // IEEE/RSJ Int. Conf. on Intelligent Robots and Systems. 2016. P. 5677–5682. doi: 10.1109/IROS.2016.7759835
  25. Ogiri Y. et al. Development of an upper limb neuroprosthesis to voluntarily control elbow and hand // Proc. 26th IEEE Int. Symposium on Robot and Human Interactive Communication (RO-MAN). Lisbon, Portugal, 2017. P. 298–303. doi: 10.1109/ROMAN.2017.8172317
  26. Ruhunage I. et al. EMG signal controlled transhumerai prosthetic with EEG-SSVEP based approch for hand open/close // Proc. IEEE Int. Conf. on Systems, Man, and Cybernetics. Banff, Canada, 2017. P. 3169–3174. doi: 10.1109/SMC.2017.8123115
  27. Bennett D.A., Goldfarb M. IMU-based wrist rotation control of a transradial myoelectric prosthesis // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2018. V. 26. N 2. P. 419–427. doi: 10.1109/TNSRE.2017.2682642
  28. Alshammary N.A. et al. Synergistic elbow control for a myoelectric transhumeral prosthesis // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2018. V. 26. N 2. P. 468–476. doi: 10.1109/TNSRE.2017.2781719
  29. Буров Г.Н., Большаков В.А. Протез предплечья. Патент РФ №2615278. Бюл. 2017. №10.
  30. Fajardo J. et al. An Affordable open-source multifunctional upper-limb prosthesis with intrinsic actuation // IEEE Workshop on Advanced Robotics and its Social Impacts. Austin, USA, 2017. doi: 10.1109/ARSO.2017.8025206
  31. Lyons K.R., Sanjay S.J. Upper limb prosthesis control for high-level amputees via myoelectric recognition of leg gestures // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2018. V. 26. N 5. P. 1056–1066. doi: 10.1109/TNSRE.2018.2807360
  32. Nishino W. et al. Development of a myoelectric prosthesis simulator using augmented reality // IEEE International Conference on Systems, Man, and Cybernetics. Banff, Canada, 2017. P. 1046–1051. doi: 10.1109/SMC.2017.8122749
  33. Аждер В.Д., Аждер Т.Б. Интеллектуальные информационные системы // Новая наука: современное состояние и пути развития. 2017. № 1-2. С. 113–115.
  34. Samant P., Agarwal R. Real-time speech recognition system for prosthetic arm control // International Journal of Sensing, Computing and Control. 2015. V. 5. N 1. P. 39–46.
  35. Головин М.А., Буров Г.Н., Белянин О.Л. Структура и возможности реализации метода управления движениями схвата и ротации кисти в протезе верхней конечности // Вестник всероссийской гильдии протезистов-ортопедов. 2017. № 1 (63). С. 14–18.
  36. Буров Г.Н., Большаков В.А. Протез предплечья. Патент РФ №2541816. Бюл. 2015. № 5.
  37. Amsuess S. et al. Self-correcting pattern recognition system of surface EMG signals for upper limb prosthesis control // IEEE Transactions on Biomedical Engineering. 2014. V. 61. N 4. P. 1167–1176. doi: 10.1109/TBME.2013.2296274
  38. Muhammed H.H., Raghavendra J. A new approach for rehabilitation and upper-limb prosthesis control using optomyography (OMG) // Proc. 1st Int. Conf. on Biomedical Engineering. Yogyakarta, Indonesia, 2016. doi: 10.1109/IBIOMED.2016.7869814
  39. Sherstan C. et al. A Collaborative approach to the simultaneous multi-joint control of a prosthetic arm // Proc. IEEE Int. Conf. on Rehabilitation Robotics. Singapore, 2015. doi: 10.1109/ICORR.2015.7281168
  40. Baker C.A. et al. Real-time, ultrasound-based control of a virtual hand by a trans-radial amputee // Proc. 38th Annual Int. Conf. of the IEEE Engineering in Medicine and Biology Society. Orlando, USA,2016. P. 3219–3222. doi: 10.1109/EMBC.2016.7591414
  41. Guo W. et al. Toward an enhanced human–machine interface for upper-limb prosthesis control with combined EMG and NIRS signals // IEEE Transactions on Human-Machine Systems. 2017. V. 47. N 4. P. 564–575. doi: 10.1109/THMS.2016.2641389
  42. Wilson S., Ravi V. Upper-limb prosthetic control using wearable multichannel mechanomyography // Proc. Int. Conf. on Rehabilitation Robotics. London, 2017. P. 1293–1298. doi: 10.1109/ICORR.2017.8009427
  43. Saravanan A. et al. A method to control bionic arm using Galvanic skin response // Proc. 8th Int. Conf. on Communication Systems and Networks. Bangalore, India, 2016. doi: 10.1109/COMSNETS.2016.7440030
  44. Navaraj W.T. et al. Upper limb prosthetic control using toe gesture sensors // Proc. IEEE SENSORS. Busan, South Korea, 2015. P. 1–4. doi: 10.1109/ICSENS.2015.7370369
  45. Kim J.H. et al. Three-dimensional upper limb movement decoding from EEG signals // International Winter Workshop on Brain-Computer Interface. Gangwo, South Korea, 2013. P. 109–111. doi:10.1109/IWW-BCI.2013.6506648
  46. Cheesborough J. et al. Targeted muscle reinnervation and advanced prosthetic arms // Seminars in Plastic Surgery. 2015. V. 29. N 1. P. 62–72. doi: 10.1055/s-0035-1544166
  47. Tkach Dennis C. et al. Real-time and offline performance of pattern recognition myoelectric control using a generic electrode grid with targeted muscle reinnervation patients // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2014. V. 22. N 4. P. 727–734. doi: 10.1109/TNSRE.2014.2302799
  48. Lauretti C. et al. Fusion of M-IMU and EMG signals for the control of trans-humeral prostheses // Proc. 6th IEEE Int. Conf. on Biomedical Robotics and Biomechatronics. Singapore, 2016. P. 1123–1128. doi: 10.1109/BIOROB.2016.7523782
  49. He L., Pierre A.M. Degree-wise control of an humanoid manipulator based on biceps brachii muscle activity // IEEE EMBS International Student Conference. Ottawa, Canada, 2016. P. 1–4. doi: 10.1109/EMBSISC.2016.7508612
  50. Yang J. et al. Hybrid EEG-EOG system for intelligent prosthesis control based on common spatial pattern algorithm // IEEE Int. Conf. on Information and Automation. Ningbo, China,2016. P. 1261–1266. doi: 10.1109/ICInfA.2016.7832013


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика