Ayak bileği ekleminin EMG tabanlı sertlik kestirimi ve sertliği değiştirilebilir bir ayak bileği dış iskelet robot üzerinde gerçek zamanlı uygulaması

Yıl 2021, Cilt: 36 Sayı: 1, 225 - 240, 01.12.2020

Ergin Kılıç , Özgür Başer , Hasbi Kızılhan

https://doi.org/10.17341/gazimmfd.748240

Öz

İnsan kas-iskelet sistemi yürüme esnasında ayak bileği ekleminde sertliği devamlı değiştirerek esnek ve kararlı bir yürüme kabiliyeti sunmaktadır. Bilek ekleminin bu hareketini taklit edebilmek için hareket esnasında bilek ekleminin sertlik kestirimi önem arz etmektedir. Bu çalışmada bilek ekleminin EMG tabanlı bir model üzerinden sertlik kestirimi ve uygulanan kuvvet geri beslemeli empedans kontrol algoritması ile VS-AnkleExo-kullanıcı arasında düşük etkileşim torkları sağlanarak gerçek zamanlı robotun kullanıcıya ait sertlik değerini taklit edebildiği gösterilmiştir. Çalışmada öncelikle bilek ekleminin davranışını tanımlamak için iki adet kas tarafından tahrik edilen bir eklemden oluşan kas-iskelet model yaklaşımı kullanılmıştır. Bileğin plantar-fleksiyon ve dorsal fleksiyon hareketlerini sağlayacak kas kuvvetlerini oluşturmak amacıyla Mykin kas modelinden faydalanılmıştır. Daha sonra sinyal işleme yönetimleri ile elde edilen veriler ve ölçülen tork verileri kullanılarak Mykin modelindeki parametreler belirlenmiştir. Bu parametrelerin kestirimi sinyal işleme yöntemlerine göre farklılık gösterdiğinden, yapılan doğrulama deneyi ile EİD sinyal işleme yönteminin en uygun yöntem olduğuna karar verilmiştir. Bu yöntem ile bulunan biyomekanik parametreler Mykin modeli yardımıyla elde edilen denklemlerde yerine konarak bilek ekleminin sertlik kestirimi gerçekleştirilmiştir. Çalışmada son olarak bilek ekleminin kestirilen sertlik değeri gerçek zamanlı VS-AnkleExo’nun sertlik ayarlama mekanizmasına gönderilmiş ve kullanıcı-VS-AnkleExo arasında minimum etkileşim torku elde etmek için cihaz üzerinde kuvvet geri beslemeli bir empedans kontrol algoritması uygulaması gerçekleştirilmiştir.

Anahtar Kelimeler

Sertlik kestirimi, EMG sinyal işleme, Sertliği Değiştirilebilir Eyleyici, Empedans kontrol, Dış iskelet robotlar

Destekleyen Kurum

TÜBİTAK

Proje Numarası

213M297

Teşekkür

Yazarlar bu makale ile ilgili olarak 213M297 no’lu “Biyomimetik bir alt uzuv dış iskelet robotun tasarımı ve denetimi" başlıklı kariyer projesi ile finansal destek sağlamasından dolayı TÜBİTAK'a teşekkürlerini sunmaktadırlar.

Kaynakça

• [1] Migliore S.A., Brown E.A., DeWeerth S.P., Biologically inspired joint stiffness control, In Robotics and Automation, Proceedings of the 2005 IEEE International Conference, 4508-4513, 2005.
• [2] Cestari M., Sanz-Merodio D., Arevalo J.C., Garcia E., ARES, a variable stiffness actuator with embedded force sensor for the ATLAS exoskeleton, Industrial Robot: An International Journal, 41 (6), 518-526, 2014.
• [3] Geeroms J., Flynn L., Jimenez-Fabian R., Vanderborght B., Lefeber D., Energetic analysis and optimization of a MACCEPA actuator in an ankle prosthesis, Autonomous Robots, 42 (1), 147-158, 2018.
• [4] Zhu J., Wang Y., Jiang J., Sun B., Cao H., Unidirectional variable stiffness hydraulic actuator for load-carrying knee exoskeleton, International Journal of Advanced Robotic Systems, 14(1), 1729881416686955, 2017.
• [5] Liu L., Leonhardt S. ve Misgel B.J., Design and control of a mechanical rotary variable impedance actuator, Mechatronics, 39, 226-236, 2016.
• [6] Baser O. ve Kizilhan H., Mechanical design and preliminary tests of VS-AnkleExo, Journal of the Brazilian Society of Mechanical Sciences and Engineering, 40 (442), 1-16, 2018.
• [7] Ham, R., Sugar, T., Vanderborght, B., Hollander, K., Lefeber, D., Compliant actuator designs, Robotics Automation Magazine, IEEE, 16 (3), 81-94, 2004.
• [8] Burdet E., Osu R., Franklin D.W., Milner T.E., Kawato M. The central nervous system stabilizes unstable dynamics by learning optimal impedance, Nature, 414, 446–449, 2001.
• [9] Roy A., Krebs H.I., Patterson S.L., Judkins T.N., Forrester L.W., Hogan V., Measurement of Human Ankle Stiffness Using the Anklebot, Proceedings of the 2007 IEEE 10th International Conference on Rehabilitation Robotics, June 12-15, Noordwijk, The Netherlands, 1-4244-1320-6, 2007.
• [10] Van Eesbeek S. Van Der Helm F. Verhaegen M. De Vlugt, E., LPV subspace identification of time-variant joint impedance, In Proceedings of the 6th International IEEE/EMBS Conference on Neural Engineering (NER 2013), San Diego, CA, USA, 6–8 November 2013, 343-346, 2013.
• [11] Kearney R.E., Stein R.B., Parameswaran L., Identification of intrinsic and reflex contributions to human ankle stiffness dynamics, IEEE Trans. Biomed. Eng., 44, 493-504, 1997.
• [12] Misgeld B.J., Zhang T., Lüken M.J., Leonhardt, S., Model-Based Estimation of Ankle Joint Stiffness, Sensors, 17(4), 713, 2017.
• [13] Rouse E.J., Hargrove L.J., Perreault E.J., Kuiken T.A, Estimation of Human Ankle Impedance During the Stance Phase of Walking, IEEE Transactions On Neural Systems and Rehabilitation Engineering, 22 (4), 1534-4320, 2014.
• [14] Sartori M., Reggiani M., Farina D., Lloyd D.G., EMG-driven forward-dynamic estimation of muscle force and joint moment about multiple degrees of freedom in the human lower extremity, PLoS ONE, 7, e52618, 2012.
• [15] Lloyd D.G. ve Besier T.F., An EMG-driven musculoskeletal model to estimate muscle forces and knee joint moments in vivo, J. Biomech, 36, 765-776, 2013.
• [16] Casadio M., Morasso P.G., Sanguineti V., Direct measurement of ankle stiffness during quiet standing: implications for control modelling and clinical application, Gait & posture, 21 (4), 410-424, 2005.
• [17] Vlutters M., Boonstra T.A., Schouten A.C., van der Kooij H., Direct measurement of the intrinsic ankle stiffness during standing. Journal of biomechanics, 48 (7), 1258-1263, 2015.
• [18] Kawase T., Kambara H., Koike, Y., A Power Assist Device Based on Joint Equilibrium Point Estimation from EMG Signals, Journal of Robotics and Mechatronics, 24 (1), 205-218, 2012.
• [19] Shin D., Kim J., Koike Y., A Myokinetic Arm Model for Estimating Joint Torque and Stiffness From EMG Signals During Maintained Posture”, J Neurophysiol, 101, 387-401, 2009.
• [20] Zhen Z., Zhen W., Songli Y., Yanan Z., Jinwu Q., Research On Control of an Exoskeletal Ankle With Surface Electromyography Signals, The 2nd International Conference on Bioinformatics and Biomedical Engineering, 1301-1304, 2008.
• [21] Gönen D., Karaoğlan A.D., Ocaktan M.A.B., Oral A., Atıcı H., Kaya B., A new risk assessment approach for the analysis of musculoskeletal disorders, Journal of the Faculty of Engineering and Architecture of Gazi University 33 (2) 423-438, 2018.
• [22] Kucuk H., Eminoglu I., Balci K., Classification of neuromuscular diseases with artificial intelligence methods. Journal of the Faculty of Engineering and Architecture of Gazi University, 34 (4), 1725-1741, 2019.
• [23] Phinyomark A., Phukpattaranont P., Limsakul C., Feature reduction and selection for EMG signal classification, Expert Systems with Applications, 39 (8), 7420-7431, 2012.
• [24] Kılıç E., Doğan, E., Real-time feature extraction from EMG signals, 24th Signal Processing and Communication Application Conference, 113-116, 2016.
• [25] https://www.mathworks.com/help/optim/ug/lsqnonlin.html, 2019.
• [26] Shamaei K., Sawicki G.S., Dollar A.M., Estimation of quasi-stiffness and propulsive work of the human ankle in the stance phase of walking, PloS one 2013, 8 (3), e59935, 2013.
• [27] Kizilhan H, Baser O, Kilic E, Ulusoy N, Comparison of controllable transmission ratio type variable stiffness actuator with antagonistic and pre-tension type actuators for the joints exoskeleton robots. In: 2015 12th international conference on informatics in control, automation and robotics (ICINCO), 2, 188-195, 2015.
• [28] Jafari A., Tsagarakis N.G., Sardellitti I., Caldwell D.G., A new actuator with adjustable stiffness based on a variable ratio lever mechanism. IEEE/ASME Transactions on Mechatronics, 19 (1), 55-63, 2014.