전완의 근전도 신호를 이용한 손목 힘 및 악력 추정 :Wrist and grasping force estimation using electromyography of forearm

김영진

추천

검색

자료유형: 학위논문

저자정보: 김영진 (과학기술연합대학원대학교, 과학기술연합대학원)

지도교수: 배지훈

발행연도: 2018

저작권: 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.

이용수39

이 논문의 연구 히스토리 (2)

2018

전완의 근전도 신호를 이용한 손목 힘 및 악력 추정

김영진 2018.01 학위논문

2017

근전도 신호를 이용한 손목 힘 및 악력 추정

김영진 , 이동혁 , 박현준 외 3명 로봇학회 논문지 2017.06 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문은 전완에서 측정되는 근전도 신호의 특성을 분석하고 이를 이용하여 손목 힘 및 악력을 동시에 추정할 수 있는 로봇 의수를 제안한다.
제안한 로봇 의수는 전완의 근전도 신호를 이용하여 2자유도 손목 힘(굴곡-신전, 내전-외전)과 1자유도 악력을 동시에 추정 할 수 있다. 따라서 손목을 이용하여 물체에 접근 하는 것 뿐 아니라, 손가락을 움켜쥐어 물체를 파지하는 것도 가능하다. 또한, 각 자유도에 해당하는 움직임은 패턴분류 방식이 아닌 회귀분석의 방식으로써 연속적이고 자연스러운 움직임을 제공한다.
제안한 학습데이터 생성 방법은 전완의 근전도 특성을 이용하였다. 이는 손목의 움직임을 추정하기 위한 학습데이터와 손가락의 움직임을 추정하기 위한 학습데이터를 조합하여 두 동작이 동시에 수행되었을 때의 움직임을 포함한 학습데이터를 구성하는 방법이다. 이와 같은 방법은 학습데이터를 생성하기 위한 기존 수행 표의 리스트를 크게 줄여주어 환자에 맞는 로봇 의수 제작을 용이하게 하였다.
제안한 로봇 의수는 결정계수(), 평균 제곱근 오차()를 이용하여 유효성을 평가하였으며, 모의 의수 실험을 통해 사용자의 의도가 로봇에 얼마나 잘 반영되는지를 확인하였다. 실험 결과 회귀식을 설명하는 결정계수의 경우 손목의 2자유도 힘에 대해 0.71(신전-굴곡), 0.81(내전-외전)의 결과를 보였고, 1자유도 악력은 0.75의 값을 얻었다. 평균 제곱근 오차는 같은 순서로 0.12, 0.17, 0.13의 결과를 얻었다. 사용자의 의도가 로봇에 얼마나 잘 반영되는지를 평가해보는 모의 의수 실험에서는 3자유도의 추정 값을 이용해 Pick-and-Place 작업을 성공하였다.

In this paper, we analyze the characteristics of EMG signals measured in the forearm, and propose the robots hand prosthesis that can estimate wrist force and grasping force at the same time.
The proposed robots can simultaneously estimate the 2-degree- of?freedom wrist force (flexion-extension, adduction-abduction) and 1-degree-of-freedom grasping force using EMG signals of the forearms. Therefore, it is possible not only to approach the object by using the wrist, but also to grasp the object by grasping the finger. In addition, the motion corresponding to each degree of freedom provides a free and natural movement as a regression analysis method, not a pattern classification method.
The proposed learning data generation method uses EMG characteristics of the forearm. This is a method of constructing learning data including movement when two operations are simultaneously performed by combining learning data for estimating the motion of the wrist and learning data for estimating movement of the finger. This method greatly reduces the time and effort of the learning data generation process by greatly reducing the list of existing performance tables for generating learning data.
The validity of the proposed algorithm was evaluated by using the coefficient of determination (), mean square root error (), and it was confirmed how well the user''s intention was reflected to the robot through the simulation test. The experimental results showed that the coefficient of determination of the regression equation was 0.71 (extension-flexion) and 0.81 (adduction -abduction) with respect to the 2 degrees of freedom of the wrist, while the grasping force was 0.75. The mean square root error was 0.12, 0.17, and 0.13 in the same order. In the simulated experiment, which evaluates how well the user''s intention is reflected to the robot, the Pick and Place work was successfully performed using the estimated value of 3 degrees of freedom.

Ⅰ.서 론 1
1. 연구 배경 1
2. 논문의 구성 6
Ⅱ.관련 연구 7
1.회귀분석 방식의 의수 7
2.기존 연구의 한계점 11
3.제안하는 방법 13
Ⅲ.전완근의 분석 14
1.전완 근육의 구성 14
2.전완 근전도 신호의 특징 17
가. 손가락의 움직임에 의한 근전도 신호 19
나. 손목의 움직임에 의한 근전도 신호 20
다. 손가락과 손목의 움직임에 의한 근전도 신호 21
Ⅳ. 신경망 구현 28
1.전처리 과정 29
2.학습데이터 생성 31
3.다층퍼셉트론 36
Ⅴ.실 험 41
1.학습 환경 41
2.학습 과정 및 평가 46
3.모의 의수 실험 50
가. 손목 2자유도 운동 추정 실험 52
나. 악력 1자유도 운동 추정 실험 54
다. 손목 및 악력 3자유도 운동 추정 실험 56
라. 응용 동작 실험 (Pick-and-Place) 58
Ⅵ.결 론 60
참고문헌 62

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)