Development of sEMG and artificial neural networks based powered ankle prosthesis control algorithms for stair ascending and descending motions
Emg ve yapay sinir ağları tabanlı aktif ayak bileği protezi merdiven çıkma ve inme hareketleri için kontrol algoritmaları geliştirilmesi
- Tez No: 693367
- Danışmanlar: PROF. DR. CAN ALİ YÜCESOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Biotechnology, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Travma gibi çeşitli sebeplerle meydana gelebilen ampütasyon bir uzvun cerrahi olarak kesilmesi anlamına gelir. Protez, eksik olan uzvun yerine geçen bir cihazdır. Efor gerektiren görevler esnasında, ayak bileği eklemi vücut ağırlığının 10-13 katı kadar yüke maruz kalabilir. Enerji kullanımı açısından pasif olan protezler net güç çıktısı üretemedikleri için, aktif protezler efor gerektiren hareketler için gerekli hale gelmektedir. Yüzeyel elektromiyografi (EMG) nöromüsküler aktiviteyi ölçen ve invaziv olmayan bir metoddur. Bu çalışma, merdiven inme ve çıkma sırasında ayak bileği pozisyonu ve momentinin kontrolü amacılı algoritmalar için yapay sinir ağları geliştirilmesini hedefliyor. Özellik çıkarma çalışması EMG sinyallerini en iyi temsil eden özellikleri gösteriyor. Bu hedef için zaman gecikmeli yapay sinir ağı ve uzun-kısa süreli bellek yöntemleri karşılaştırıldı. Alt bacakta kullanılacak kas sayısının azaltılması protezi farklı durumlar için esnek, toplam gerekli kas sayısının azaltılması ise ekonomik hale getirir. Performans kriteri olarak tahmin edilen değerlerle gerçek değerler arasında 0.90 korelasyon katsayısı hedeflendi. Uzun-kısa süreli bellek temelli algoritmalar daha başarılı sonuçlar verdi. Merdiven inme ve çıkma görevlerinde pozisyon ve moment için sırasıyla 0.91 ve 0.93 isabetlilik elde edildi. Başarılı pozisyon tahmini için en az 3, moment tahmini için ise 2 kastan veri gerekti. Gerekli alt bacak kas sayısı pozisyon için en az 2, moment için ise 1'dir. Çalışmanın sonuçları, hedeflenen çıktılar için başarılı ve umut vadeden EMG sensör kombinasyonları olduğunu gösteriyor.
Özet (Çeviri)
Amputation is the surgical removal of a limb due to various reasons, e.g trauma. Prosthesis is a device which is a replacement for the missing part of the limb. Ankle joint can have loads of 10-13 times of the body weight during power demanding activities. Since energetically-passive prostheses cannot generate net power output, powered ones become essential for demanding tasks. Surface electromyography (sEMG) is a non-invasive method which measures neuromuscular activity. The aim of this study was to develop artificial neural network models to predict ankle moment and position using only sEMG input for control algorithms of stair ascending and descending tasks. Time delay neural network and long short-term memory were compared for this aim. Features that represent sEMG signals better were investigated. Minimizing the number of sEMG signals from lower leg muscles can make prosthesis flexible while reducing the number of sEMG sensors required can make the prosthesis economic. Correlation of 0.90 between the predicted and actual values was set as the performance threshold. Long short-term memory based algorithms achieved significantly higher performances. 0.91 and 0.93 correlations were achieved for both motion tasks' position and moment, respectively. The minimum number of sEMG sensors was 2 for moment and 3 for position estimation. The minimum number of lower leg muscles required was 1 for moment and 2 for position estimation. The results show that there are promising EMG sensor combinations for the specified targets.
Benzer Tezler
- Sanal ortamda elektromiyogram tabanlı el rehabilitasyon uygulaması geliştirme
Development of electromyogram based hand rehabilitation application in virtual environment
EBRU ALTINKURT
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ULVİ BAŞPINAR
- Hand gesture recognition for Turkish sign language using electromyography for human-robot interaction
İnsan-robot etkileşimi için elektromyografi kullanarak Türk işaret dili için el hareketi tanıma
MUSTAFA SEDDIQI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Development of powered ankle prosthesisclassification algorithms for step-up vs.step-down movements using machinelearning fed exclusively by surfaceelectromyography
Yüzey elektromiyografisi ile özel olarakbeslenerek ve yapay öğrenme yöntemlerikullanarak yukarı-adım ve aşağı-adımhareketleri için aktif bilek protezisınıflandırma algoritmalarınıngeliştirilmesi
ONUR SÜRHAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ALİ YÜCESOY
- Electromyography based multi fingered movement recognition for hand prosthesis
El protezi için elektromiyografi tabanlı çok parmaklı hareket tanıma
METE BERBEROĞLU
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- İşitme engelli bireylerle iletişimde IMU ve sEMG sensör verilerini kullanacak bir sistem geliştirilmesi
Development of a system to use IMU and sEMG sensor data in communication with hearing impaired individuals
ÜMİT CAN KUMDERELİ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN UMUT