Meny

Javascript verkar inte påslaget? - Vissa delar av Lunds universitets webbplats fungerar inte optimalt utan javascript, kontrollera din webbläsares inställningar.
Du är här

Myoelectric Control for Hand Prostheses

Författare:
Publiceringsår: 2004
Språk: Engelska
Sidor:
Volym: 04
Dokumenttyp: Doktorsavhandling
Förlag: Department of Electrical Measurements, Lund University

Sammanfattning

Popular Abstract in Swedish

Denna avhandling syftar till att förbättra styrningen av myoelektriska handproteser. De primära målen har varit (1) att generera korrekt kontroll för så många handrörelser som möjligt, (2) att förbättra träningsförfarandet så att operatören på ett intuitivt sätt snabbt kan bemästra ett flertal rörelser och (3) att minska tiden som behövs för att matematiskt justera in systemet till maximalt ett par minuter, så att man enkelt kan utföra olika typer av optimeringar, såsom omplacering av elektroder. En initial median noggrannhet på sex rörelser utav tio utförda med hundra procents korrekthet har hittills uppnåtts. En ny träningsuppställning för amputerade, där en datahandske (en handske med vinkelmätare för lederna) monteras på den kontralaterala handen, har föreslagits. Data- handsken möjliggör snabb insamling av ledvinklar i handen simultant med elektromyografi av motsvarande muskelaktivitet. Vidare uppvisar de föreslagna igenkänningsalgoritmerna en inställningstid under 30 sekunder för förinspelad data på tre minuter (tio basrörelser) på en högst ordinär dator. Algoritmerna lämpar sig utmärkt för en realtidsapplikation, där justeringarna av systemet sker fortlöpande, då de ej behöver någon extra inställningstid. I denna utföringsform ökade noggrannheten och antal rätt klassificerade rörelser till mer än åtta utav tio standardrörelser, medan tidsfördröjningen mellan ”facit” och den predicerade rörelsen minskade till 50–100 ms
An investigation of improvements of myoelectric prostheses has been undertaken. The primary aims of this thesis were (1) to generate an accurate prediction of as many hand movement as possible, (2) to produce a training setup for subjects allowing intuitive and instant control over multiple movements, and (3) to reduce the training cycle for the control system to a maximum of a couple of minutes to enable optimizations, e.g., electrode placement. A median of six movements has been predicted with a 100% accuracy. At the initial predictions, a new set-up for training amputees using a data glove has been proposed, and training of less than 30 seconds of off-line learning, as well as direct online learning, has been conducted. Thus, the initial goals were fulfilled. Further, an online learning system has proved to further increase the accuracy and the number of movements performed while the response time for prediction decreased to 50–100 ms.

Disputation

2004-04-02
10:15
Room E:1406, E-building, Lund Institute of Technology
  • Johan Wessberg (Docent)

Nyckelord

  • Medical Engineering
  • Mät- och instrumenteringsteknik
  • Care and help to handicapped
  • Handikappade
  • vård och rehabilitering
  • Instrumentation technology
  • Virtual
  • Recognition
  • Real time
  • On-line learning
  • Myoelectric
  • Hand prosthesis
  • EMG
  • ANN
  • Artificial hands

Övriga

Published
  • ISRN:LUTEDX/TEEM--1078--SE

Box 117, 221 00 LUND
Telefon 046-222 00 00 (växel)
Telefax 046-222 47 20
lu [at] lu.se

Fakturaadress: Box 188, 221 00 LUND
Organisationsnummer: 202100-3211
Om webbplatsen