КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
X Сучасні проблеми інфокомунікацій, радіоелектроніки та наносистем (СПІРН-2025)

Розмір шрифта: 
СУЧАСНІ ПІДХОДИ ДО РОЗПІЗНАВАННЯ НАМІРУ РУХУ ТА УПРАВЛІННЯ МІОЕЛЕКТРИЧНИМИ ПРОТЕЗАМИ РУК
Антон Олександрович Пастушенко, Леонід Григорович Коваль

Остання редакція: 2025-11-04

Анотація


У роботі розглянуто сучасні підходи до керування роботизованими протезами верхніх кінцівок на основі сигналів електроміографії ). Розглянуто дві основні парадигми розпізнавання наміру руху — дискретну та безперервну — та їхні переваги і обмеження. Проаналізовано методи класифікації та оцінки рухів, включаючи традиційні алгоритми розпізнавання шаблонів та сучасні методи глибинного навчання. Окрему увагу приділено стратегіям керування протезами: односпрямованому, зі зворотним сенсорним зв’язком і спільному контролю. Представлено останні досягнення у використанні електротактильного та пропріоцептивного зворотного зв’язку для підвищення точності та природності управління протезами.


Ключові слова


ЕМГ; протез; рух; зворотний зв’язок; контроль

Посилання


  1. Zhang Q., Pi T., Liu R., Xiong C. Simultaneous and proportional estimation of multijoint kinematics from EMG signals for myocontrol of robotic hands. IEEE/ASME Trans. Mech. 2020;25:1953–1960.
  2. Lukyanenko P., Dewald H.A., Lambrecht J., Kirsch R.F., Tyler D.J., Williams M.R. Stable, simultaneous and proportional 4 DoF prosthetic hand control via synergy inspired linear interpolation: A case series. J. Neuroeng. Rehabil. 2021;18:50.
  3. Zi You L., Xin Gang Z., Bi Z., Qi Chuan D., Dao Hui Z., Jian Da H. Review of sEMG based motion intent recognition methods in non ideal conditions. Acta Autom. Sin. 2021;47:955–969.
  4. Xiong D., Zhang D., Zhao X., Zhao Y. Deep learning for EMG based human machine interaction: A review. IEEE/CAA J. Autom. Sin. 2021;8:512–533.
  5. Sensinger J.W., Dosen S. A review of sensory feedback in upper limb prostheses from the perspective of human motor control. Front. Neurosci. 2020;14:345.
  6. Kim K. A review of haptic feedback through peripheral nerve stimulation for upper extremity prosthetics. Curr. Opin. Biomed. Eng. 2022;21:100368.
  7. Xu H., Chai G., Zhang N., Gu G. Restoring finger specific tactile sensations with a sensory soft neuroprosthetic hand through electrotactile stimulation. Soft Sci. 2022;2:19.
  8. Li K., Zhou Y., Zhou D., Zeng J., Fang Y., Yang J., Liu H. Electrotactile Feedback Based Muscle Fatigue Alleviation for Hand Manipulation. Int. J. Humanoid Robot. 2021;18:2050024.
  9. Cha H., An S., Choi S., Yang S., Park S., Park S. Study on Intention Recognition and Sensory Feedback: Control of Robotic Prosthetic Hand Through EMG Classification and Proprioceptive Feedback Using Rule based Haptic Device. IEEE Trans. Haptics. 2022;15:560–571.
  10. Dwivedi A., Shieff D., Turner A., Gorjup G., Kwon Y., Liarokapis M. A shared control framework for robotic tele manipulation combining electromyography based motion estimation and compliance control. Proc. 2021 IEEE ICRA; 2021; pp. 9467–9473.
  11. Wang Y., Tian Y., She H., Jiang Y., Yokoi H., Liu Y. Design of an effective prosthetic hand system for adaptive grasping with the control of myoelectric pattern recognition approach. Micromachines. 2022;13:219.
  12. Zhou H., Alici G. Non invasive human machine interface (HMI) systems with hybrid on body sensors for controlling upper limb prosthesis: A review. IEEE Sens. J. 2022;22:10292–10307.

Повний текст: PDF