[논문]굽힘 센서신호를 이용한 인공의수의 제어

유재명; 김영탁

doi:10.5391/jkiis.2007.17.6.738

굽힘 센서신호를 이용한 인공의수의 제어
Control of an Artificial Arm using Flex Sensor Signal 원문보기

퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, v.17 no.6, 2007년, pp.738 - 743

유재명 (서울산업대학교 나노생산기술연구소) , 김영탁 (중앙대학교 기계공학부)

초록
AI-Helper

본 연구는, 팔(하완)을 잃은 장애자용 인공 의수를 장애자가 자신의 의도에 따라 제어하기 위한 센서 시스템과 제어알고리즘에 관한 것이다. 먼저 장애자의 여러 가지 동작 의도를 검출할 수 있는 센싱 시스템을 연구하고 이 센싱 시스템으로부터 발생된 신호를 사용하여 인공의수를 제어하는 방법에 대하여 연구한다. 센서로서는 전기 저항식 굽힘 센서를 사용한다. 이 굽힘 센서를 팔의 상완 이두근과 오구완근에 각각 1개씩 단단히 부착한다. 부착된 센서로부터 출력된 신호는 근육의 굴곡량을 나타내며 팔의 동작의도를 판단 할 수 있는 신호처리 시스템을 통과시켜 하완의 굴곡과 신전 운동, 손의 내전과 외전 운동을 구별한다. 그리고 구별된 신호로부터 실제 팔의 운동 각도를 추정하여 인공의수의 각도를 제어한다. 본 연구의 효용성을 증명하기 위해 2개의 액추에이터와 포텐셔미터를 가진 간단한 인공의수를 제작하여 제어 실험을 하였다. 실험에서 실제 팔의 각도와 인공의수의 제어 각도 사이에는 센서 외부에서 발생되는 노이즈 및 인공의수의 회전 관성, 기계적인 마찰 등으로 인한 오차가 발생하였다. 따라서 오차 값과 오차의 변화 값에 근거한 퍼지 제어 알고리듬을 이용하여 재 실험을 한 결과 하완의 굴곡/신전 운동에서는 평균 약 4도, 손의 회내/외 운동에서는 평균 약 3도의 오차가 측정되어, 퍼지제어기를 설치한 이전보다 오차가 크게 개선되었다.

Abstract ▼ AI-Helper

In this paper, a muscle motion sensing system and an artificial arm control system are studied. The artificial arm is for the people who lost one's forearm. The muscle motion sensing system detect the intention of motion from the upper arm's muscle. In sensing system we use flex sensors which is electrical resistance type sensor. The sensor is attached on the biceps brachii muscle and coracobrachialis muscle of the upper arm. We propose an algorithm to classify the one's intention of motions from the sensor signal. Using this algorithm, we extract the 4 motions which are flexion and extension of the forearm, pronation and supination of the arm. To verify the validity of the proposed algorithms we made experiments with two d.o.f. artificial arm. To reduce the control errors of the artificial arm we also proposed a fuzzy PID control algorithm which based on the errors and error rate.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

신호 처리 시스템에 관하여 연구한다. 그리고 이 시스템으로부터 발생된 신호를 사용하여 인공의수의 회전 각도를 제어하고자 한다. 이를 위해 왼팔의 상완 이두근(biceps brachii muscles) 과 오구완근(coracobrachialis muscles) 에한 개씩의 센서를 부착한다.
따라서 본 연구에서는 근육의 굴곡 정도를 측정할 수 있는 굽힘 센서를 이용하여 팔의 여러가지 동작을 검출할 수 있는 신호 처리 시스템에 관하여 연구한다. 그리고 이 시스템으로부터 발생된 신호를 사용하여 인공의수의 회전 각도를 제어하고자 한다.
본 연구에서는 팔(하완)을 잃은 장애자 용 인공 의수를 장애자의 의도에 따라 제어하기 위한 센서 시스템과 제어 알고리즘에 관하여 언급하였다. 상완에 부착시킨 굽힘 센서로부터 출력된 신호를 이용하여 하완의 운동의도를 판단하는 동작 구분 방법과 운동 각도 추정에 대하여 논하였으며 인공의 수의 정밀한 제어를 위한 퍼지제어기를 제안하였다.
이 추정된 값은 인공의 수의 제어 입력신호로 활용한다. 본 연구의 효용성을 증명하기 위해 본 연구에서는 2개의 액추에이터와 포텐셔미터를 가진 인공의 수를 제작하여 동작구별 및 각도 제어 실험을 한다.

제안 방법

2장에서 선정된 남성 피 실험자의 팔에 부착된 센서로부터 출력된 신호를 이용하여 인간팔의 운동 각도를 추정한다. 이것을 목표치로 하는 인공의수 제어시스템에 3장에서 제안한 퍼지제어기를 삽입하여 굴곡과 신전, 회내와 회외 운동에 대한 실험을 하였다.
그림 3에서 보듯이 상완 이두근에 부착된 첫 번째 센서의 신호는 증폭기를 거쳐 저역 통과 필터를 거친 다음 슈미트 트리거 회로를 통과하여 굴곡과 신전운동 때만 작동하도록 설계하였다. 이때 출력 전압의 민감도(sensitivity)는 기준전압-1의 변화로 조정할 수 있다.
두 번째 센서의 신호는 증폭기를 거쳐 저역 통과 필터를 통과한 다음 4가지 운동(굴곡과 신전, 회내와 회외)에 작용하도록 설계하였다. 이때 기준 전압_2는 개인마다 다른 근육의 상태에 따라 4가지 운동이 출력되도록 조정하는 것이다.
암(arm)과 베이스(base) 부품의 재질은 알루미늄 합금강을 사용하여 안정적인 기본 구조를 만들었고, 전완(foreann) 과 손(hand)은 무게를 가볍게 하기 위해 PVC 재질을 사용하여 제작하였다. 또한 하완의 모양은 테이퍼화 하여 팔꿈치와 연결되는 부분은 4>5(而11, 손과 연결되는 부분은 4>40inm로 제작하였으며, 손가락 부분은 匸자 형으로 간략화하여 제작하였다.
먼저 29세의 건강한 남성의 왼팔에 센서를 부착하여 동작 구별을 시도하였고 이 신호를 이용하여 인공의수를 구동 시켜 실제 팔의 각도와 인공의수의 각도를 비교하였다. 그림 5에 굴곡과 신전운동을 나타내고 그림 6에 회내와 회외의 운동을 나타냈다.
본 연구에서 사용된 소속 함수(membership function) 는삼각형 퍼지 변수로 하였고, 두 개의 전반부 변수는 오차값 (E)과 오차의 변화값(AE)으로 설정하였다. 이를 근거로 규칙 표를 작성하여 나타내면 다음과 같다.
관하여 언급하였다. 상완에 부착시킨 굽힘 센서로부터 출력된 신호를 이용하여 하완의 운동의도를 판단하는 동작 구분 방법과 운동 각도 추정에 대하여 논하였으며 인공의 수의 정밀한 제어를 위한 퍼지제어기를 제안하였다. 제안된 방법들의 유효성을 증명하기 위하여 2자유도 인공의수를 제작하고 실험을 한 결과 한 층 개선된 인공의수의 제어가 가능하였다.
제작된 인공의수는 운동모양이 사람의 실제 팔과 유사하도록 구조를 만들었으며, 크기는 1/3로 소형화 하여 제작하였다. 암(arm)과 베이스(base) 부품의 재질은 알루미늄 합금강을 사용하여 안정적인 기본 구조를 만들었고, 전완(foreann) 과 손(hand)은 무게를 가볍게 하기 위해 PVC 재질을 사용하여 제작하였다. 또한 하완의 모양은 테이퍼화 하여 팔꿈치와 연결되는 부분은 4>5(而11, 손과 연결되는 부분은 4>40inm로 제작하였으며, 손가락 부분은 匸자 형으로 간략화하여 제작하였다.
추정한다. 이것을 목표치로 하는 인공의수 제어시스템에 3장에서 제안한 퍼지제어기를 삽입하여 굴곡과 신전, 회내와 회외 운동에 대한 실험을 하였다. 그 결과를 그림 8과 9에 나타낸다.
이러한 오차를 보정하기 위하여 본 연구에서는 퍼지 PID 제어기를 사용하기로 하였다.
그리고 이 시스템으로부터 발생된 신호를 사용하여 인공의수의 회전 각도를 제어하고자 한다. 이를 위해 왼팔의 상완 이두근(biceps brachii muscles) 과 오구완근(coracobrachialis muscles) 에한 개씩의 센서를 부착한다. 센서에서 출력된 두 개의 신호는 증폭기와 필터 등으로 구성된 신호 처리 시스템에 의해 하완의 굴곡D(flexion)과 신전2)(extension)운동 그리고 손의회내3)(pronation)와 회외4)(supination)운동으로 구별하여 실제 팔의 회전 각도를 추정한다.

대상 데이터

3에 나타낸 바와 같다. 제작된 인공의수는 운동모양이 사람의 실제 팔과 유사하도록 구조를 만들었으며, 크기는 1/3로 소형화 하여 제작하였다. 암(arm)과 베이스(base) 부품의 재질은 알루미늄 합금강을 사용하여 안정적인 기본 구조를 만들었고, 전완(foreann) 과 손(hand)은 무게를 가볍게 하기 위해 PVC 재질을 사용하여 제작하였다.

이론/모형

2장에서 설명된 바와 같이 센서의 노이즈, 인공의수의 회전 관성 등에 의해 발생된 오차를 보정하기 위해 퍼지 제어 방법을 이용한다.

성능/효과

이것은 센서신호의 노이즈나 인공의수의 회전 관성, 기계적인 마찰 등으로부터 기인된 것으로 생각된다. 두 번째의 굴곡 운동에서도 약 40도 부근에서 실제 팔의 각도와인 공 팔의 각도는 최대 10도 정도의 오차가 발생하였다. 그림 6에서 신호_1이 계속 "LOW”인 상태일 때 발생하는 신호_2는 인간 팔의 회내/외 운동을 하고 있음을 의미한다.
상완에 부착시킨 굽힘 센서로부터 출력된 신호를 이용하여 하완의 운동의도를 판단하는 동작 구분 방법과 운동 각도 추정에 대하여 논하였으며 인공의 수의 정밀한 제어를 위한 퍼지제어기를 제안하였다. 제안된 방법들의 유효성을 증명하기 위하여 2자유도 인공의수를 제작하고 실험을 한 결과 한 층 개선된 인공의수의 제어가 가능하였다. 특히 굽힘 센서를 활용하므로써 표면전극을 사용한 EMG 신호에 비해 시간 지연의 문제가 발생하지 않아 실시간 측정이 가능하였던 것이 큰 효과라고 판단된다.
제안된 방법들의 유효성을 증명하기 위하여 2자유도 인공의수를 제작하고 실험을 한 결과 한 층 개선된 인공의수의 제어가 가능하였다. 특히 굽힘 센서를 활용하므로써 표면전극을 사용한 EMG 신호에 비해 시간 지연의 문제가 발생하지 않아 실시간 측정이 가능하였던 것이 큰 효과라고 판단된다.
퍼지제어기를 사용한 실험에서는 그림 8과 9에 보인 바와 같이 인간 팔의 운동 추정각도와 인공의수의 제어각도 사이에 오차가 현저히 감소하였다. 이때 측정된 최대 위치 오차는 각각 최대 4도, 1도였다.

참고문헌 (25)

2004 보건복지백서, 보건복지부
2004 고령자 통계, 통계청
L. H. Lindstrom, R. I. Magnusson, 'Interpretation of myoelectric power spectra: a model its application', Proc. IEEE, Vol.65, No.5, pp. 653-662, 1977
F. B. Stulen, C. J. Luca, 'Frequency parameters of the myoelectric signal as a measure of muscle conduction velocity', IEEE Tran. Biomedical Engineering, Vol.BME-28, pp. 515-523, 1981

상세보기
B. S. Atal, 'Effectiveness of linear prodiction characteristics of the speech wave for automatic sperker identification and verification', JASA., Vol.55, pp. 1304-1312, 1974

상세보기
J. D. Markhoul, 'Linear Prediction: A tutorial review', Proceedings IEEE, Vol.63, pp.561-579, 1975

상세보기
J. D. Markel, A. H. Gray, 'Linear Prediction of Speech', Berlin Heidelberg:Springer-Verlag, 1976
L. R. Rabiner, R. W. Schafer, 'Digital Processing of Speech Singnals', Englewood Cliffs, NJ ; Prentice-Hall, 1978
M. H. Sheriff, 'Effects of load on myoelectric singals: ARMA representation', IEEE Trans. Biomedical Engineering, Vol.BME-28, pp. 411-416, 1981

상세보기
S. M. Kay, 'Modem Spectral Estimation: Theory and Application', Englewood Clifs, NJ : PrenticeHall, 1988
G. Hefftner, W. Zucchini and G. Jaros, 'The electromygram(EMG) as a control signal for functional neuromuscular stimulation-Part I: Autoregressive modelling as a means of EMG signature discrimination', IEEE Trans. Biomedical Engineering, Vol.BME-35, pp. 230-237, 1988
R. M. Studer, 'An algorithm for sequential signal estimation and system identification for EMG signals', IEEE Trans. Biomedical Engineering, Vol.BME-31, No.3, pp. 285-295, 1984

상세보기
D. Graupe, 'Time series analysis: Identification and adaptive filtering', R. E .Kreger Pub. Co., 1984
T. Kiryu, Y. Saitoh and K. Ishioka, 'Inverstigation on parametric analysis of dynamic EMG signals by a muscle-sutrutured simulation model', IEEE Trans. Biomedical Engineering, Vol.BME-39, pp. 280 -288, 1992
P. A. O'Neill, 'Myoelectric signal characteristics from muscles in residual upper limbs', IEEE Trans. Rehabilitation Engineering, Vol.2, No.4, 1994
D. Graupe, W. Cline, 'Functional Separation of EMG Signals via ARMA Identification Methods for Prostehesis control purposes', IEEE Trans. on System, Manand Cybernetics, Vol. SMC-5, No.2, pp. 252-259, 1975

상세보기
G. N. Saridis, M. A. Newman, 'Upper limb EMG statistical analysis', Proc. MIDCON, 1979
G. N. Saridis, T. Gootee, 'EMG pattern analysis and classification for a prosthetic arm', IEEE Trans. Biomedical Engineering, Vol.BME-29, pp. 403-409, 1982

상세보기
S. Lee, S. Park and J. Kim, 'EMG Pattern Recognition based on Evidence Accumulation for Prosthesis Control', Proceedings of the 18th Annual International Conference of the IEEE Engineering in Medicineand Biology Society, Vol.3, pp. 1481-1483, 1996
D. C. Dening, F. G. Gray and R. M. Haralick, 'Prosthesis control using a nearest neighbor electromyographic pattern classifier', IEEE Trans. Biomedical Engineering, Vol.30, pp.356-360, 1983

상세보기
K. Nishikawa, K. Kuribayashi, 'Neural Network Application to a Discrimination System for EMG-Controlled Prostheses', IEEE/RSJ International Workshop on Intelligent Robots and Systems, Vol.1, pp.231-236, 1991
H. Y. Chan, Yang-Sheng Yang and F. K. Lam, 'Fuzzy EMG classification for prosthesis control', IEEE Trans. on Rehabilitation Engineering, Vol.8 Iss.3, pp. 305-311, 2000

상세보기
Al-Assaf, Y. AI-Nashash, H., 'Myoelectric signal segmentation and classification using wavelets based neural networks', 2001. Proceedings of the 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Vol.2, pp. 1820-1823, 2001
O. Fukuda, T. Tsuji and K. Takahasi, 'Skill assistance for myoelectric control using an event driven task model', 2002. IEEE/RSj International Conference on Intelligent Robots and System, Vol.2, pp. 1445-1450, 2002
유재명, 김영탁, '생체 근육 신호를 이용한 보철용 팔의 제어,' 한국정밀공학회 2005년 춘계학술대회, pp. 1944-1947, 2005

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증