sonlu du rum makine yöntemi ile protez el kontrolü · sonlu durum makinesi, durum kümesi, giriú...
Post on 19-Jan-2020
10 Views
Preview:
TRANSCRIPT
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/320720465
Sonlu Durum Makine Yöntemi ile Protez El Kontrolü
Conference Paper · September 2013
CITATION
1READS
208
4 authors, including:
Some of the authors of this publication are also working on these related projects:
Comparison of EMG Based Finger Motion Classification Algorithms View project
Development and Control of Hand Rehabilitation Robot View project
Gazi Akgun
Marmara University
10 PUBLICATIONS 5 CITATIONS
SEE PROFILE
Erkan Kaplanoglu
Marmara University
41 PUBLICATIONS 62 CITATIONS
SEE PROFILE
All content following this page was uploaded by Gazi Akgun on 31 October 2017.
The user has requested enhancement of the downloaded file.
Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya
158
Sonlu Durum Makine Yöntemi ile Protez El Kontrolü
Gazi Akgün1, Ayhan Alveroğlu2, Gizem Özkaya3, Erkan Kaplanoğlu4
1,2,4 Fen Bilimleri Enstitüsü,
Mekatronik Anabilim Dalı
Marmara Üniversitesi, İstanbul ekaplanoglu@marmara.edu.tr
3Sağlık Bilimleri Enstitüsü,
Beden Eğitimi ve Spor Anabilim Dalı
Marmara Üniversitesi, İstanbul gizemozkaya@gmail.com
Özetçe
Bu çalışmada protez el kontrolünde, günlük
ihtiyaçların büyük çoğunluğunu karşılayan 6 farklı kavrama ve
pozisyon hareketi, sonlu durum makinesi (Finite State
Machine- SDM) yöntemi kullanılarak gerçekleştirilmiştir. Ön
kola bağlanan 3 adet yüzey eletromiyografi (EMG) elektrotu
yardımıyla sağlıklı kaslardan alınan sinyaller SDM giriş
değişkeni, kavramalar ise çıkış değişkeni olarak belirlenmiştir.
Kavramalar arasındaki geçişler durum fonksiyonu tarafından
gerçekleştirilmiştir. Üç ayrı kas grubundan alınan bu sinyaller
kavrama ve pozisyonlar ile eşleştirilmiştir. Oluşturulan
kontrolörün testi için, 5 ayrı sağlıklı denekten alınan EMG
sinyalleri, prototip olarak kullanılan protez ele uygulanmıştır.
1.Giriş
İnsan eli birbirinden farklı kavrama ve duruş durumları için
yaklaşık 20 serbestlik derecesine sahiptir. Bu kavrama
işlemlerinin gerçekleşmesi sırasıyla, eklemlere bağlı
tendonlar, kaslar ve uyaran sinirler tarafından gerçekleşir.
Protez ellerde bu durumun aksine kavrama sinyali genelde kas
üzerinden alınan Elektromiyografi (EMG) sinyalleri ile
gerçekleşir. İlk EMG kontrollü protezler tek kavrama yetisine
sahip olduklarından tek elektrot çiftinden alınan darbe sinyali
ile kontrol edilebilmekteyken günümüzde kullanılan çoklu
kavrama özeliği olan protezlerde bu sinyal yeterli
olmamaktadır. Kaslardan alınan EMG sinyalinin hangi
kavrama işlemini gerçekleştireceğin belirlenmesi
gerekmektedir. Bu istek doğrultusunda EMG sinyalinin
filtrelendikten sonra sınıflandırılması ve uygun sinyalin uygun
kavrama ile eşleştirilmesi gerekmektedir. EMG işaretlerinin
analizi veri toplama, işaret sınıflarının biçimlenimi, öznitelik
seçimi, sınıflama algoritmasının belirlenmesi ve sınıflama
hatasının kestirimi gibi birçok aşamalardan oluşur. Burada en
önemli adımlar öznitelik seçimi ve sınıflayıcı/öbekleştirici
tasarımıdır. Sınıflayıcı tasarımı için sezgisel yaklaşım, belirgin
yaklaşım, istatistiksel yaklaşım, yapay sinir ağları yaklaşımı
ve bulanık yaklaşım gibi pek çok yöntem vardır [1,2]. Bu
yöntemlerin gerçek zamanlı protez kontrolünde kullanılması
protez elin kontrolünün karmaşıklaşmasına ve maliyetin
artmasına sebep olmaktadır. Bu çalışmada, EMG
sınıflandırılması yerine, daha çok bilgisayar tabanlı karar
verme işleminde kullanılan, Sonlu Durum Makinesi ( Finite
State Machine) kullanılarak EMG sinyali ve kavrama arasında
basit bir ilişki kurularak bu dezavantajın ortadan kaldırılması
hedeflenmiştir.
2. Sonlu Durum Makinesi Arayüzü
Sonlu Durum Makinesi, durum kümesi, giriş ve çıkış olay
kümesi ve durum geçiş fonksiyonlarından oluşur[3]. Her bir
sistem davranışının durumu olası sistem durumu tarafından
karakterize edilir. Burada çıkış durumları arasındaki geçişler,
giriş değişkenine ve sistemin o andaki durumuna bağlı olarak
sağlanır. SDM durum geçişleri şekil-1 de görülmektedir.
Burada; “D”, durumları oklar durum geçişlerini “G” ise
girişleri ifade etmektedir.
Şekil 1: Sonlu Durum Makinesi Genel Gösterim
Elini kaybetmiş hastalara uygulanan EMG denetimli
protezlerin, hastaların günlük hayatlarını kolaylaştırmak için
birçok farklı hareket ve pozisyon alma yeteneğine sahip
olması gerekir[4-6]. Çalışmalar gösteriyor ki 5-6 farklı hareket
günlük yaşantımızdaki aktivitelerimizin çok büyük bir kısmını
karşılamak için yeterli olmaktadır. Bunlar; işaret, çengel,
anahtar tutuş, silindir tutuş olarak isimlendirilebilen el
pozisyon ve kavramalarıdır[7,8]. Bu hareketlerin
gerçekleştirilmesi için hazırlanan sonlu durum makinesinin
durum değişkenleri önkoldaki sağlıklı “flexor carpi radialis”,
”extansor carpi radialis”, ve “brachiradialis” kaslarından
alınan EMG sinyallerinin uygun şekilde işlenmesi ile
üretilmiştir.
D1 D2 D3 D4 G=1 G=4 G=6
G=2
G=7
Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya
159
Şekil 2: Sonlu Durum Makinesi Akış Diyagramı
Şekil 2’de fleksör ve ekstansör kaslarından alınan
EMG sinyalleri AG (Analog giriş), “brachiradialis” kasından
alınan EMG sinyali ise BRD olarak isimlendirilmiştir.
Şekil 3: Matlab/Simulink Modeli
Kaslardan alınan EMG sinyalinin işlenmesi
amacıyla MATLAB/Simulink kullanılarak bir arayüz
oluşturulmuştur (Şekil 3). Bu arayüzde hazırlanan model, ham
emg sinyalini 0-5 V arası analog sinyale dönüştürmektedir.
Ham EMG sinyali öncelikle yüksek geçiren, alçak geçiren
filtrelerden geçirilmiş, mutlak değeri alındıktan sonra
normalize edilmiştir(Şekil 4).
Şekil 4: EMG sinyalinin filtrelenmesi ve
normalizasyonu
İşlem sonunda elde edilen sinyal incelenerek kasılma
zamanlarının genliğinin diğer zamanlara göre arttığı
gözlemlenmiştir. Bu değerlerden, tam olarak kasılma zamanını
diğer zamanlardan ayırabilecek bir eşik genlik değeri
belirlenerek, bu genlik değerinin üstündeki örneklere
“mantıksal 1” altındaki örneklere “mantıksal 0” değeri
verilmiştir(Şekil 5).
Şekil 5: EMG sinyalinin mantıksal sinyale dönüştürülmesi
Kasılma gerçekleşen örnekler saydırılarak durum izleme
kontrolörü için kasılma devam ettikçe artan bir değişken
üretilmiştir. Bu değişkenin değerleri durum izleme kontrolörü
için koşul olarak kullanılarak çıkış durumu belirlenmiştir.
Son olarak fleksiyondan üretilen örnek sayısından
ekstansiyondan üretilen örnek sayı değeri çıkarılmıştır. Bu
işlem, durum izleme makinesinin durumlar arası geçiş koşulu
olarak kullandığı değişkenin (AG) azalmasını sağlamıştır.
Sonuç olarak hasta fleksiyon yaptıkça el başlangıç
pozisyonundan diğer pozisyonlara doğru sırayla geçecektir.
Herhangi bir pozisyona geri gelinmek istendiğinde
Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya
160
ekstansiyon hareketi yapılarak istenilen pozisyona
ulaşılabilecektir.
Şekil 6: Fleksiyon ve ekstansiyon hareketi ile el
durumunun değişmesi
İkinci grup pozisyonlara (silindir tutuş vb.) geçiş
için “brachiradialis”’den alınan sinyalin kasılma anı durum
izleme kontrolörüne mantıksal değişken olarak uygulanmıştır.
Hasta başlangıç pozisyonundan ikinci grup pozisyonlara
geçmek için brachiradialis kasını kasmalı ve yine fleksiyon ile
istediği pozisyona ulaşmalıdır.
3. Uygulama
Tasarlanan sistemin gerçek zamanlı testi için bir veri
haberleşme sistemi ve prototip el kullanılmıştır. Sonlu durum
makinesinin ‘el durumu’ çıkışı, Matlab ortamında bulunan
“Real Time Windows Target(RTW)” üzerinden analog çıkış
olarak alınmıştır. Tasarlanan sistemde deneklerden alınmış
olan EMG sinyalleri matlab/simulink ‘de sonlu durum
makinesi yardımıyla işlenerek prototip el modeli üzerinde 4
farklı el durumu gerçekleştirilmiştir.
Şekil 7: Prototip el modeli
Prototip el, tendonların servo motorlar yardımıyla
çekilmesi ile hareket ettirilmiştir. Kontrol devresi analog
dijital çevirici ünitesi olan Pic16f877A mikrokontrolörü ile
tasarlanmıştır. RTW’den alınan 0-5 V arası analog sinyalin
genliğine göre sistemdeki motorlar elin şekil 1 deki gibi uygun
pozisyonlarda konumlanmasını sağlayacak şekilde
sürülmüştür.
Şekil 8: Kontrol devresi
Şekil 8 ‘de gösterilen mikrokontrolörlü devre ile
RTW’den gelen analog girişin değerine ve dijital girişin
durumuna bağlı olarak 4 farklı servo motorun uygun
pozisyonları alması sağlanmıştır. Mikrokontrolör çıkışına
bağlı servo motorları aşağıdaki algoritmadaki gibi kontrol
etmektedir.
Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya
161
Başla
Analog Giriş (AG)
oku
BRD=1
AG>1V
AG>2V
AG>3V
AG>4V
AG >1V
AG>2V
AG>3V
AG>4V
A=1 B=1
C=1 D=1
1 msn'de bir
kesme at
A=18 B=1
C=1 D=1
A=18 B=18
C=1 D=1
A=18 B=18
C=18 D=1
A=1 B=1
C=1 D=1
A=1 B=1
C=1 D=18
A=1 B=18
C=1 D=18
A=18 B=18
C=1 D=18
EH
E
E
E
E
H
H
H
H
E
H
H
H
H
RB0 =1AH=AH-1 AL=AL-1
AH=0RB0=1-RB0
AH=AAL=0
RB0=1-RB0
AL=100-AH
RB1 =1BH=BH-1 BL=BL-1
BH=0RB1=1-RB1
BH=BBL=0
RB1=1-RB1
BL=100-BH
RB2 =1CH=CH-1 CL=CL-1
CH=0RB2=1-RB1
CH=CCL=0
RB2=1-RB2
CL=100-CH
E H
E E
HH
E H
E
H
E
H
E H
E
H
E
H
RB3 =1DH=DH-1 DL=DL-1
DH=0RB2=1-RB1
DH=DDL=0
RB2=1-RB2
DL=100-DH
E H
E
H
E
H
Geri Dön
Kesme
Şekil 9: Program akış şeması
Şekil 9‘daki akış şeması sonucu üretilen PWM
sinyalleri ile servo motorların pozisyon kotrolü yapılmıştır.
RC servo motorlar, parmaklara bağlanmış olan tendonların
çekilmesi için kullanılarak prototip elin 4 farklı pozisyonu
alması sağlanmıştır.
Akış şemasında görülen BRD değişkeni
“brachiradialis” kasından alınmış olan EMG sinyalinden
üretilen mantıksal bilgidir. Kullanıcı ilk pozisyonda BRD=1
yaparsa fleksiyon ve ekstansiyon hareketleri ikinci grup
pozisyonların alınmasını sağlar.
AG değişkeni RTW’den alınan analog gerilim ,
A,B,C,D motorların kontrolü için PWM sinyalinin darbe
genişlikleri , AH,BH çıkışın ‘1’ olma süreleri AL,BL çıkışın
‘0’ olma süreleridir.
Şekil 10: Uygulama düzeneği
Matlab ortamında işlenen EMG sinyalleri ile kontrol
edilen prototip el tasarımının 4 farklı pozisyon alması
sağlanmıştır. Kontrol devresi RTW ile bilgisayardan alınan 0-
5 V arası analog gerilimin genliğine göre prototip elin
pozisyon almasını sağlamıştır. Genlik arttıkça sırasıyla el açık,
işaret, çengel, anahtar tutuş pozisyonları alınması sağlanan
prototip el genlik azaldıkça ilk pozisyona doğru konumlanır.
Önkol kasları sağlıklı deneklerden alınan EMG sinyalleri
çevirimdışı işlenerek sisteme gerekli olan analog sinyal
üretilmiştir. Prototip elin sabit ve hareketlendirilmiş görüntüsü
Şekil 10’da görülmektedir.
Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya
162
4.Sonuçlar
Bu çalışmada çoklu kavrama yeteneğine sahip protez el
kontrolünde kullanılmak üzere, EMG tabanlı Sonlu Durum
Makinesi yöntemi ile oransal bir kontrol algoritması
gerçekleştirilmiştir. Kontrolörün test edilmesi amacıyla giriş
değişkeni, sağlıklı kaslardan alınan sinyaller seçilmiş ve
kontrol işareti prototip protez ele uygulanmıştır. Test
sonucunda prototip elin istenilen kavrama hareketlerini
gerçekleştirdiği görülmüştür. İlerideki çalışmalarda kontrol
edilen kavrama sayısı artırılarak parmaklarda oluşan pozisyon
ve kuvvet ilişkileri incelenecektir.
Teşekkür
Bu çalışmanın fikir aşamasındaki katkılarından dolayı,
Nazarbayev Üniversitesi, Robotik ve Mekatronik bölümden
Doç.Dr. H.Atakan Varol’a ve EMG uygulamaları konusunda
yardımlarından dolayı Marmara Üniversitesi Fiziksel Tıp ve
Rehabilatasyon ABD öğretim üyesi Doç.Dr. Yaşar Tatar’a teşekkürlerimizi sunarız.
Kaynakça
[1] K. Englehart , B. Hudgins , P.A. Parker , M. Stevenson
“Classification Of The Myoelectric Signal Using Time-
Frequency Based Representations”, Medical Engineering
& Physics Cilt:21 431–438 1999
[2] K. Englehart, B. Hudgins, P.A. Parker, “A Wavelet-
Based Continuous Classification Scheme For
Multifunction Myoelectric Control”, IEEE Trans.
Biomed. Eng. Cilt:48 s:302–310. 2001
[3] P.C. Sweeney G.M. Lyons P.H. Veltink “Finite State
Control Of Functional Electrical Stimulation For The
Rehabilitation Of Gait”, Med Biol Eng Comput. Cilt:38
s:121-6. 2000
[4] E. Biddiss, D. Beaton, and T. Chau, “Consumer design
priorities for upper limb prosthetics,” Disabil.
Rehabil:Assist Technol Cilt: 2, s: 346–357, 2007.
[5] C. Cipriani, M. Controzzi, and M. C. Carrozza,
“Objectives, criteria and methods for the design of the
SmartHand transradial prosthesis,” Robotica, Cilt:28
s:919–927, 2010.
[6] S. A. Dalley, H. A. Varol, M. Goldfarb, “A Method for
the Control of Multigrasp Myoelectric Prosthetic Hands”
IEEE Transactions On Neural Systems And
Rehabilitatıon Engineering, Cilt:20, s:58-67 2012
[7] C. Jacobson-Sollerman and L. Sperling, “Grip function of
the healthy hand in a standardised hand function test,”
Scand. Journal Rehabil. Med., Cilt. 9, pp. 123–129, 1977.
[8] C. Sollerman and A. Ejeskär, “Sollerman hand function
test: A standardised method and its use in tetraplegic
patients,” Scand. Journal Plastic Reconstruct. Surg.
Hand Surg., Cilt. 29, pp. 167–176, 1995.
View publication statsView publication stats
top related