EMG işareti ile FPGA tabanlı mod denetimli protez kol kontrolü
Öz
Günümüzde elektromiyogram (EMG) işaretleri kas hastalıklarının tespiti, rehabitilasyon cihazları, protezler, ortezler ve insan hayatını kolaylaştırmak gibi birçok amaç ile kullanılmaktadır. Ancak gerçek zamanlı protez kol uygulamalarında, bu sistemlerin taşınabilir yapıda olması için hem kompakt bir yapıya sahip olması hem de güç tüketimi ve süre açısından optimum çözümler sunması gerekmektedir. Bu çalışmada, 2 kanallı EMG işaretleri kullanılarak Alanda Programlanabilir Kapı Dizisi (FPGA) tabanlı, gerçek zamanlı ve mod denetimli protez kol kontrolü gerçekleştirilmiştir. Ek bir sensöre ihtiyaç duymadan iki kasın birlikte kasılması ile farklı modlar arasında geçiş sağlanmıştır. FPGA kartı içerisinde EMG işaretinin ADC dönüşümü, 2 Hz alçak geçiren FIR süzgeç, eşikleme ve PWM işlemleri gerçekleştirilmiştir. Ayrıca her aşamada elde edilen veriler gerçek zamanlı olarak bilgisayar üzerinden izlenmesi sağlanmıştır. Çalışmanın sonucunda gerçekleştirilen protez kol hareketlerinde %98, mod değiştirme işleminin gerçekleştirilmesinde ise %99 doğruluk elde edilmiştir.
Anahtar Kelimeler
EMG, FIR süzgeç, FPGA, Mod denetimi, Protez kol
Destekleyen Kurum
yok
Proje Numarası
yok
Teşekkür
yok
Kaynakça
- Ayvali, M., Wickenkamp, I. and Ehrmann, A. (2021). Design, construction and tests of a low-cost myoelectric thumb. Technologies, 9(3), 63. https://doi.org/10.3390/technologies9030063
- Borbely, B. J., Kincses, Z., Voroshazi, Z., Nagy, Z. and Szolgay, P. (2014). A modular test platform for real-time measurement and analysis of EMG signals for improved prosthesis control. International Workshop on Cellular Nanoscale Networks and their Applications, 1-2. https://doi.org/10.1109/CNNA.2014.6888643
- Boschmann, A., Agne, A., Witschen, L., Thombansen, G., Kraus, F. and Platzner, M. (2015). FPGA-based acceleration of high density myoelectric signal processing. 2015 International Conference on Reconfigurable Computing and FPGAs, 123, 77–89. https://doi.org/10.1016/j.jpdc.2018.07.004
- Bu, N., Hamamoto, T., Tsuji, T. and Fukuda, O. (2004). FPGA implementation of a probabilistic neural network for a bioelectric human interface. The 2004 47th Midwest Symposium on Circuits and Systems, iii–29. https://doi.org/10.1109/MWSCAS.2004.1354283
- Caldwell, P., Al-Bayaty, R., Kellar, C. and Shin, I. (2012). Biomechanics: surface electromyography prosthesis control. 5th International Conference on BioMedical Engineering and Informatics (BMEI 2012), 786-789. https://doi.org/10.1109/BMEI.2012.6512954.
- Chabchoub, S., Mansouri, S. and Salah, R. B. (2015). Biomedical monitoring system using LabVIEW FPGA. 2015 World Congress on Information Technology and Computer Applications, 1-5. https://doi.org/10.1109/WCITCA.2015.7367020
- Chen, X., Ke, A., Ma, X. and He, J. (2016). SoC-based architecture for robotic prosthetics control using surface electromyography. 8th International Conference on Intelligent Human-Machine Systems and Cybernetics, 1, 134–37. https://doi.org/10.1109/IHMSC.2016.31
- De Paula Felipe De Oliveira, J., Junior, E. A. and Roda, V. O. (2014). A reconfigurable control system using EMG. 2014 IEEE International Instrumentation and Measurement Technology Conference (I2MTC) Proceedings, 1318–1321. https://doi.org/10.1109/I2MTC.2014.6860959
- Digilent Inc.: Basys 3 FPGA board reference manual power supplies. (2021, July 15). Retrieved from www.digilentinc.com
- Prakash, A. and Sharma, S. (2020). A low-cost system to control prehension force of a custom-made myoelectric hand prosthesis. Research on Biomedical Engineering, 36(3), 237–47. https://doi.org/10.1007/s42600-020-00064-w