Идентификация кинематических параметров движения локтя с помощью технологий искусственных нейронных сетей

Целью исследования является определение кинематических параметров сгибания локтя с помощью искусственных нейронных сетей (ИНС). В качестве входов ИНС использовались параметры поверхностной электромиограммы (пЭМГ). Выходом ИНС были кинематические параметры движения: направление, угловое перемещение и угловая скорость. У каждого испытуемого регистрировались сигналы пЭМГ, снимаемые с бицепса при сгибании локтя без нагрузки. Во время эксперимента плечевой и локтевой суставы фиксировались пассивным экзоскелетом. Формирование вектора признаков для нейронной сети выполнялось с помощью методов спектрального и статистического анализов. Статистический анализ во временной области включал в себя определение: дисперсии амплитудных значений пЭМГ, среднеарифметического и среднеквадратического значений абсолютных амплитуд пЭМГ, частоты пересечения нулевой линии сигналом пЭМГ. В частотной области выполнялся спектральный анализ сигналов ЭМГ методом быстрого преобразования Фурье. Определялись спектр мощности, средняя частота спектра мощности. Установлены параметры пЭМГ, использование которых в качестве входных сигналов ИНС обеспечивает наименьшую ошибку оценки параметров движения. ИНС обучалась методом прямого распространения сигнала и обратного распространения ошибки. Наилучшие результаты определения кинематических параметров получены при использовании в качестве входов ИНС средней частоты спектра мощности и общей интегральной мощности сигнала пЭМГ. Полученные результаты могут быть использованы при разработке систем биоэлектрического управления мехатронными устройствами.

пассивный экзоскелет, параметры движения локтя, электромиографический сигнал, статистический анализ, спектральный анализ, искусственная нейронная сеть, Matlab, Simulink, passive exoskeleton, elbow motion parameters, electromyographic signal, statistical analysis, spectral analysis, artificial neural network, Matlab, Simulink

1. Современные системы управления протезами. Конструкции электродов и усилителей биосигналов [Электронный ресурс] / Д. Сафин [и др.] // Электроника: наука, технология, бизнес. - 2009. - № 4. - Режим доступа: http://www.electronics.ru/journal/article/219 (дата обращения 26.11.14).

2. Chrapka, Ph. EMG Controlled Hand Prosthesis: EMG Classification System [Электронный ресурс] / Ph. Chrapka // Electrical and Biomedical Engineering Design Project (4BI6). Department of Electrical and Computer Engineering. - Режим доступа: http://digitalcommons.mcmaster.ca/cgi/viewcontent.cgi?article=1034&context=ee4bi6 (дата обращения 26.11.14).

3. Khokhar, Z.-O. Surface EMG pattern recognition for real-time control of a wrist exoskeleton [Электронный ресурс] / Z.-O. Khokhar, Z.-G. Xiao, C. Menon // Biomedical Engineering Online. - Режим доступа: http://www.biomedical-engineering-online.com/content/9/1/41 (дата обращения 26.11.14).

4. Online Electromyographic Control of a Robotic Prosthesis [Электронный ресурс] / P. Shenoy [et al.] // Transactions on biomedical engineering. - 2008. - Vol. 55, № 3. - P. 1128-1135. - Режим доступа: http://homes.cs.washington.edu/~rao/emg-08.pdf (дата обращения 26.11.14).

5. The Relationship Between Electromyography and Muscle Force [Электронный ресурс] / U.-K. Heloyse [et al.] // - Режим доступа: http://cdn.intechopen.com/pdfs-wm/25852.pdf (дата обращения 26.11.14).

6. Рангайян, Р. М. Анализ биомедицинских сигналов. Практический подход / Р. М. Рангайян. - Москва : Физматлит, 2007. - 440 с.

7. De Luca, C.-J. The use of surface electromyography in biomechanics / C.-J. De Luca // Journal of Applied Biomechanics. - 1997. - № 13 (2). - P. 135-163.

8. Uchiyama, T. Static torque-angle relation of human elbow joint estimated with artificial neural network technique / T. Uchiyama, T. Bessho, K. Akazawa // Journal of Biomechanics. - 1998. - № 31. - P. 545-554.

9. Итоги и перспективы развития исследований в области интеллектуального управления мехатронными технологическими системами / А. К. Тугенгольд [и др.] // Вестник Дон. гос. техн. ун-та. - 2010. - № 5. - С. 48-67.

10. Анализ сигнала ЭМГ двуглавой мышцы плеча в среде LabVIEW / В.-Ф. Бонилья [и др.] // Инновации, экология и ресурсосберегающие технологии (ИНЭРТ-2014) : тр. XI междунар. науч.-техн. форума. - Ростов-на-Дону, 2014. - С. 1394-1401.

11. Влияние кинематических параметров движения локтя на электромиографический сигнал двуглавой мышцы плеча / В. Ф. Бонилья [и др.] // Вестник Дон. гос. техн. ун-та. - 2014. - № 4. - С. 48-67.

12. Arango, J.-C.-A. Abordaje físico-matemático del gesto articular [Электронный ресурс] / J.-C.-A. Arango, D.-C. Nieto, J.-C. Giraldo // EFDeportes.com. - 2012. - № 171. - Режим доступа http://www.efdeportes.com/efd171/abordaje-fisico-matematico-del-gesto-articular.htm (дата обращения 02.12.14).

13. Konrad, P. The ABC of EMG. A Practical Introduction to Kinesiological Electromyography. Version 1.4, March 2006. Noraxon INC [Электронный ресурс] / P. Konrad. - Режим доступа https://hermanwallace.com/download/The_ABC_of_EMG_by_Peter_Konrad.pdf (дата обращения 02.12.14).

14. Tkach, D. Study of stability of time-domain features for electromyographic pattern recognition [Электронный ресурс] / D. Tkach, H. Huang, T.-A. Kuiken // Journal of Neuroengineering and Rehabilitation. - 2010. - № 7. - P. 21. - Режим доступа: http://www.jneuroengrehab.com/content/7/1/21/ (дата обращения 26.11.14).