Управление антропоморфным механизмом на основе неполных данных средствами нейронных сетей тема диссертации и автореферата по ВАК РФ 05.13.09, кандидат технических наук Буров, Александр Геннадьевич

• Буров, Александр Геннадьевич
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Буров, Александр Геннадьевич

ВВЕДЕНИЕ

ГЛАВА 1. Предпосылки построения систем управления антропоморфными механизмами протезного типа с использованием искусственных нейронных сетей

1.1. Электрическая активность мышц человека и ее взаимосвязь с характеристиками движения

1.2. Особенности биомеханики верхних конечностей и построения протезов при ампутационных дефектах рук

1.3. Искусственные нейронные сети как инструмент моделирования движений • 27 Выводы по главе 1 лл&смлГ •

ГЛАВА 2. Модель системы управления антропоморфным механизмом на основе биоэлектрических сигналов

2.1. Построение модели системы управления

2.2. Структура искусственной нейронной сети

2.3. Особенности процесса обучения модульной нейронной сети 38 Выводы по главе

ГЛАВА 3. Модель системы управления протезом на основе биоэлектрических сигналов

3.1. Применение искусственных нейронных сетей в системах управления биоэлектрическими протезами

3.2. Общая структура нейронной сети

3.3. Особенности структуры нейронной сети, восстанавливающей образ движения 61 Выводы по главе

Введение диссертации (часть автореферата) на тему «Управление антропоморфным механизмом на основе неполных данных средствами нейронных сетей»

Антропоморфные механизмы, обширный класс механизмов, обладающих человекоподобием, в первую очередь включает в себя различные манипуляционные устройства. В тех случаях, когда управление антропоморфным механизмом осуществляет человек, это человекоподобие может быть учтено в структуре системы управления, с целью улучшения управляемости и снижения нагрузки на внимание оператора. То же самое в полной мере относится и к протезам конечностей, специфическому виду антропоморфных механизмов, служащему для реабилитации и восстановления функциональности людей, перенесших ампутацию.

Концепция реабилитации больных и инвалидов в последние годы прочно вошла в практику органов здравоохранения и социальной защиты населения Российской Федерации. За рубежом этой проблемой занимаются давно и серьезно. Большинство авторов склонны рассмотреть проблему не с узко локалистических позиций, а с позиций общей теории патологии. Среди пострадавших, вследствие действия тех или иных экстремальных факторов окружающей среды, лица с ампутационными дефектами конечностей, представляют собой особый контингент людей, так как отсутствие конечностей, или отдельных их сегментов, ведет, как правило, к стойкой потери работоспособности и их статус определяется инвалидностью. Восстановить здоровье пострадавшего в физическом, духовном и профессиональном отношении и есть задача реабилитации, задача применительно к указанному контингенту трудная и сложная.

В решении этой задачи одно из первых мест занимает разработка новых медицинских и технических средств на основе достижений научно-технического прогресса, направленных на максимально возможную мобилизацию резервных сил организма, адаптацию к новым условиям существования человека, как биологического вида, на скорейшее восстановление социального статуса, а также изучение закономерностей биологического и социального восстановления в их взаимосвязи и взаимозависимости.

Отмечено, что число ампутаций конечностей имеет выраженную тенденцию к росту. Именно поэтому восстановительному лечению такой категории инвалидов, снабжению их техническими средствами для самообслуживания и труда и возвращению их к общественно полезной деятельности, придается большое значение.

Медико-социальная реабилитация инвалидов, являясь комплексным последовательным процессом, включает в себя множество взаимосвязанных и разнообразных мероприятий, проводимых с целью активного воздействия на личность инвалида. Поэтому, неслучайно в реабилитации выделяют медицинский, психологический, юридический, технический и пр. аспекты и соответственно различают несколько видов реабилитации. Настоящая работа посвящена в широком смысле слова техническим аспектам реабилитации, которые адресованы инвалидам с патологией опорно-двигательного аппарата, поскольку в реабилитационном процессе именно этого контингента инвалидов технические средства занимают одно из ведущих мест. Необходимо отметить, что в технических средствах особенно предназначенных для самообслуживания в быту нуждается широкий круг инвалидов, но в первую очередь лица, имеющие дефекты конечностей, т.к. они (технические средства) компенсируют утраченные или же патологически измененные функции организма.

Целью настоящей работы является разработка подхода к построению на основе искусственной нейронной сети эффективной и не перегружающей внимание оператора системы управления антропоморфным механизмом, представленным протезом верхней конечности, с помощью поверхностных биоэлектрических сигналов, снимаемых с мышц, и реализующей естественные движения.

Для достижения данной цели необходимо решение следующих научно-технических задач:

- разработка способов и системы управления антропоморфными механизмами на основе комплекса управляющих сигналов, представляющих собой биоэлектрический стереотип движения конечности;

- изучение специфики принципов управления протезами верхней конечности и разработка методов управления протезом;

- нахождение возможности получения дополнительного источника управляющих воздействий без увеличения нагрузки на внимание оператора-инвалида;

- подтверждение возможности использования искусственных нейронных сетей для управления протезом верхней конечности на основе неполного биоэлектрического образа движения;

- построение работоспособной модели системы управления протезом верхней конечности.

Упомянутые задачи решены следующим образом:

На основе изученных публикаций и благодаря проведенному анализу специфики управления антропоморфными механизмами разработан способ построения эффективной системы управления протезом верхней конечностью с помощью биоэлектрического образа на базе искусственной нейронной сети. Разработан модуль ассоциативной памяти, позволяющий реконструировать неполный биоэлектрический образ движения по косвенным данным. Построена модель системы управления локтевым суставом. Для настройки весовых коэффициентов сети и оценки работоспособности построенной модели был осуществлен ряд экспериментов, включающих регистрацию электромиограмм и кинематических характеристик движений.

Работа по выполнению биомеханических экспериментов проводилась на базе межфакультетской лаборатории биокибернетики СПбГТУ, а также на базе отдела протезов верхних конечностей Санкт-Петербургского НИИ протезирования. 7

Заключение диссертации по теме «Управление в биологических и медицинских системах (включая применения вычислительной техники)», Буров, Александр Геннадьевич

4.3. Результаты исследования модели системы управления на базе полученных экспериментальных данных

Эксперимент № 4 подтвердил практическую возможность использования сигналов тонических мышц для реконструкции неполного биоэлектрического образа движения. Несмотря на то, что за реализацию сгибания и разгибания предплечья отвечают только m. biceps brahii и т. triceps brahii соответственно, фактически все рассмотренные мышцы в той или иной степени проявляли электрическую активность, коррелированную с упомянутым движением. При дополнительном утяжелении предплечья с помощью груза уровень активности возрастал, а ее форма (т.е. соответствие пиков активности определенным фазам движения) сохранялась. Таким образом, за счет дополнительных измерений можно увеличить объем содержательных входных данных.

Результаты произведенных измерений в экспериментах №1-3 были использованы для проверки работоспособности модели системы управления. Для грубого определения зависимости сигналов ЭМГ и момента в суставе для эксперимента №1, моменты были предварительно вычислены с помощью немодульной четырехслойной сети. Затем четные попытки из №1 были использованы для обучения сети и формирования весовых коэффициентов между первым и вторым слоями, а нечетные попытки - для перекрестной оценки, чтобы избежать "переучивания". Затем, аналогичная процедура была повторена с данными из №2 и №3, для определения начальных весовых коэффициентов между вторым и четвертым слоями. Затем, каждая экспертная сеть была подвергнута "предобучению" с соответствующими ей данными, одна - с частью данных из №2 и другая с частью данных из №3, а сеть-селектор и сеть оценки моментов - с теми и другими. Наконец, вся многомодульная сеть была подвергнута обучению в соответствии с выше описанным алгоритмом т, Ысерэ ЬгаЫ (восстановленный) т. Ысерг Ьгам (измеренный)

Рис.17 Сравнительное отображение восстановленного и измеренного сигналов ЭМГ т.ЫсерБ Ьга1ги

86

ЗАКЛЮЧЕНИЕ

Разработанный в диссертации подход к построению систем управления антропоморфными механизмами с помощью биоэлектрических сигналов создает возможность использования косвенной информации о движении для управления на основе неполных данных, а также может быть использован для повышения надежности систем управления, использующих в качестве управляющих воздействий физиологические измерения. В русле создания технических средств реабилитации данный подход открывает широкие возможности для разработки нового поколения систем управления протезами, не требующих сосредоточенного внимания оператора-инвалида, и реализующих естественные стереотипы движения. Несмотря на то, что большинство исследователей предпочитают работать с компьютерной эмуляцией ИНС, при необходимости нейронная сеть может быть реализована аппаратно. Таким образом, существует реальная перспектива создания протезов верхней конечности, управляемых на основе неполного биоэлектрического образа движения.

Основным результатом проведенных разработок и исследований является следующее.

1. Разработан способ и система управления антропоморфным механизмом на основе комплекса управляющих сигналов, представляющих собой биоэлектрический стереотип движения конечности.

2. Впервые предложен эффективный подход к управлению протезами верхней конечности, ориентированными на восстановлении естественных стереотипов движения, и разработан метод построения систем управления протезами верхней конечности с использованием искусственных нейронных сетей.

88

Список литературы диссертационного исследования кандидат технических наук Буров, Александр Геннадьевич, 2000 год

1. Бернштейн Н. "О построении движений". М., "Медгиз", 1947

2. Борисов Э.И., Ройфман Г.Д., Славуцкий Я.Л. "Анализ некоторых способов выделения информации в биоэлектрических системах управления" В сб.: Протезирование и протезостроение. М., 1976, вып.35, стр.29-37

3. Гибнер В.М. "Биоэлектрический протез предплечья с пропорциональным управлением и электрической частотно-импульсной обратной связью". В сб.: "Материалы республиканской конференции "Протезирование и протезостроение". Харьков, 1973, стр. 135-137

4. Гидиков A.A. "Теоретические основы электромиографии". Л., "Наука", 1975,180 стр.

5. Зинковский A.B., Буров А.Г. "Воссоздание биоэлектрического образа движения по неполным данным средствами нейронных сетей". В сб. "Протезирование и протезостроение", 2000, вып. 96, стр.121-130.

6. Конструкции протезно-ортопедических изделий / Под ред. А.П.Кужекина. М., "Легкая и пищевая промышленность", 1984, 239 стр.

7. Коренев Г.В. "Введение в механику человека". М., "Наука", 1977, 281 стр.

8. Коренев Г.В. "Очерки механики целенаправленного движения". М., "Наука", 1980, 328 стр.

9. Коц Я.М. "Организация произвольного движения". М., "Наука", 1975, 247 стр.

10. Первозванский A.A. "Курс теории автоматического управления". М., "Наука", 1986, 615 стр.

11. Первозванский A.A., Буцев A.B. "Локальная аппроксимация на искусственных нейросетях". Автоматика и Телемеханика, 1995, №9, стр. 127-13689

12. Полян Е.П., Славуцкий Я.Л., Бернштейн В.М., Якобсон Я.С. "Способ биоэлектрического управления механизмами и устройствами". Авт. свид. №182863, 1964 г.

13. Полян Е.П., Остапчук В.Г. "Система биоэлектрического управления тремя парами движений протеза". В сб.: Протезирование и протезостроение. М., 1971, вып.26, стр.69-71

14. Полян Е.П., Головин B.C., Брондшпиц Г.М. "Биоэлектрическая система управления протезом предплечья с двумя парами движений". В сб.: Протезирование и протезостроение. М., 1974, вып.ЗЗ, стр.24-27

15. Ситенко А.Н. "Исследование и использование биоэлектрических образов движений для управления многофункциональным протезом плеча", диссертация на соиск. уч. степени к.т.н. ML ЦНИИПП, 1974, 198 стр.

16. Ситенко А.Н. "Преобразование биоэлектрических сигналов для управления с помощью распознавания образов". В сб.: Протезирование и протезостроение. М., 1973, вып.31, стр.96-103

17. Славуцкий Я. Л. "Физиологические аспекты биоэлектрического управления протезами". М., "Медицина", 1982, 288 стр.

18. Справочник по протезированию / Под ред. В.И.Филатова. Л., "Медицина", 1978, 278 стр.

19. Якобсон Я.С., Бернштейн В.М., Полян Е.П. "Способы управления многофункциональными биоэлектрическими протезами". В кн.: Механика машин. М., "Наука", 1966, вып. 1-2

20. Abel Е., Zacharia P., Forster A., Farrow Т. "Neural network analysis of the EMG interference pattern". Medical Engineerig and Physiology, 1996, vol.18, no.l, pp.12-17

21. Burov A. "A neural network model for anthropomorphic mechanism control by means of surface EMG signals". Procs. of XVII Congress of ISB, Calgary, 1999, lpp90

22. Chester M. "Neural networks: a tutorial". Prentice Hall, 1993, 295 pp.

23. Childress D.S. "An approach to powered grasp". In: Advances in external control of human extremities (4th int. symposium proceedings, Dubrovnik 1972). Belgrade, 1973, pp. 159-167

24. Dillner S., Hagg G. "Three methods of controlling an externally powered protheses with one myoelectrical signal only". Undergraduate thesis in applyed electronics, Goeteborg, Chalmers University Technology, 1972

25. Fausett L. "Fundamentals of neural networks: architectures, algorithms and applications". Prentice Hall, 1994,411 pp.

26. Flash T., Hogan N. "The coordination of arm movements: an experimentally confirmed mathematical model". Journal of Neuroscience, 1985, vol.5, pp. 1688-1703

27. Gonzales R., Abraham L., Barr R., Buchanan T. "Muscle activity in rapid multi-degree-of-freedom elbow movements: solution from a musculoskeletal model". Biological Cybernetics, 1999, vol.80, pp.357-367

28. Gribble P., Ostry D., Sanguineti V., Laboissiere R. "Are complex control signals required for human arm movement?". Journal of Neurophysiology, 1998, vol.79, no.3, pp. 1409-1424

29. Hartman H.H., Hobart D.C., Waring W., Nickel W.L. "A myoelectrically controlled powered elbow". Artifical Limbs, 1969, vol.13, no.2, pp.61-63

30. Hiravama M., Kawato M., Jordan M. "Cascade neural network model and a speed-accuracy trade-off of arm movement". Journal of Motor Behavior, 1993, vol.25, no.3, pp.162-174

31. Hiroyuki M., Kawato M. "Tennis serve and upswing learning robot based on bi-directional theory". Neural Networks, 1998, Special Issue 11, pp. 13311344.

32. Jacobs R., Jordan M. "A competitive modular connectionist architecture". In: Moody J., Hanson S., Lippman R. (Eds.) "Advances in neural information processing systems 3", Morgan Kaufinann, San Mateo, 1991, pp.767-77391

33. Haines K., Hecht-Nielsen R. "A BAM with increased information storage capacity". Proes. of 1988 IEEE International Conference on Neural Networks, 1988, vol.1, pp.181-190

34. Kashima T., Isurugi Y. "Trajectory formation based on physiological characteristics of skeletal muscles". Biological Cybernetics, 1998, vol.78, pp.413-422

35. Kawato M,, Maeda Y., Uno Y., Suzuki R. "Trajectory formation of arm movement by cascade neural network model based on minimum torque-change criterion". Biological Cybernetics, 1990, vol.62, pp.275-288

36. Kawato M. "Optimization and learning in neural networks for formation and control of coordinated movement". In: Meyer D., Kornblum S. (Eds.) Attention and Performance, XIV MIT Press, Cambridge, Massachusetts, 1992, pp.821849

37. Kleissen R., Buurke J., Harlaar J., Zilvold G. "Electromyography in the biomechanical analysis of human movement and its clinical application". Gait and Posture, 1998, vol.8, no.2, pp.143-158

38. Kohonen T. "Self-Organization and Associative Memory". Springer-Verlag, 1984,310 pp.

39. Koike Y., Kawato M, "Estimation of arm posture in 3D-space from surface EMG signals using a neural network model". IEICE Transactions on Information and Systems, 1994, E77-D, pp.368-375

40. Koike Y., Kawato M. "Estimation of dynamic joint torques and trajectory formation from surface electromyography signals using a neural network model". Biological Cybernetics, vol.73, pp.291-300

41. Kosko B. (Ed.) "Neural networks and fuzzy systems". Prentice Hall, 1992, 360 pp.

42. Kosko B. "Neural networks for signal processing". Prentice Hall, 1992, 340 pp.92

43. Latwesen A., Patterson P. "Identification of lower arm motions using the EMG signals of shoulder muscles". Medical Engineerig and Physiology, 1994, vol.16, no.2, pp. 113-121

44. Lenze B. "Complexity preserving increase of the capacity of bidirectional associative memories by dilation and translation". Neural Networks, 1998, vol.11, pp.1041-1048

45. Mann R.W., Reimers S.D. "Kinesthetic sensing for the EMG-controlled Boston Arm". In: Advances in external control of human extremities (3th int. symposium proceedings, Dubrovnik 1969). Belgrade, 1970, pp.231-243

46. Miyamoto H., Schaal S., Gandolfo F., Gomi H., Koike Y., Osu R., Nakano E., Wada Y., Kawato M. "A Kendama learning robot based on dynamic optimization theory". Neural Networks, 1996, Special Issue 9, pp.1281-1302

47. Nowlan S., Hinton G. "Evaluation of adaptive mixtures of competing experts". In: Moody J., Hanson S., Lippman R. (Eds.) "Advances in neural information processing systems 3", Morgan Kaufinann, San Mateo, 1991, pp.774-780

48. Ochiai K., Toda N., Usui S. "Kick-out learning algorithm to reduce oscillation of weights". Neural Networks, 1994, vol.7, no.5, pp.797-807

49. Okadome T., Honda M. "Kinematic construction of the trajectory of sequential arm movements". Biological Cybernetics, vol.80, pp. 157-169

50. Park S., Lee S. "EMG pattern recognition based on artificial intelligence techniques". IEEE Transactions on Rehabilitation Engineering, 1998 vol.6, no.4, pp.400-405

51. Riach C., Reid J. "An electromyographic study of weight-bearing at the elbow joint". Canadian Journal of Applied Sport Science, 1980, vol.5, no.4, pp.220225

52. Sanner R., Kosha M. "A mathematical model of the adaptive control of human arm motions". Biological Cybernetics, 1999, vol.80, pp.369-38293

53. Taylor R., Wirta R.W. "Physiologically compatible EMG control of powered prothesis". Proc. joint. Automat, contr. conf., West Lafayette, 1976, no.l, pp.734-737

54. Uchiyama T., Bessho T., Akazawa K. "Static torque-angle relation of human elbow joint estimated with artificial neural network technique". Journal of Biomechanics, 1998, vol.31, pp.545-554

55. Wada Y., Kawato M. "A new information criterion combined with cross-walidation method to estimate generalization capability". Systems and Computers in Japan, 1992, vol.23, no.4, pp.955-965

56. Wada Y., Kawato M. "A neural network model for arm trajectory formation using forward and inverse dynamics models". Neural Networks, 1993, vol.6, pp.919-932

57. Wang X. "Three-dimentional kinematic analysis of influence of hand orientation and joint limits on the control of arm postures and movements". Biological Cybernetics, 1999, vol.80, pp.449-463

58. Wang Z. "A bidirectional associative memory based on optimal linear associative memory". IEEE Trans. Computers, 1996, vol.45, pp.1171-1179.

59. Winters J.M., Crago P.E. (Eds.) "Biomechanics and Neural Control of Movement". Springer-Verlag, 1999, 520 pp.

60. Wirta R.W. "Pattern-recognition arm prosthesis: a historical perspective a final report". Bulletin Prosthetics Research, 1978, pp.8-35.

61. Wolpert D., Kawato M. "Multiple paired forward and inverse models for motor control". Neural Networks, 1998, Special Issue 11, pp.1317-1329.

62. Xiao S., Li X. "An elbow joint movement control model with visual feedback". Biomedical Science Instruments, 1997, vol.34, pp.218-223