Développement des critères d'apprentissage pour le contrôle d'un bras robot manipulateur à 7 DDL par le traitement des signaux EMG chez les blessés médullaires

Maheu, Véronique (2011). Développement des critères d'apprentissage pour le contrôle d'un bras robot manipulateur à 7 DDL par le traitement des signaux EMG chez les blessés médullaires. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (1MB) | Prévisualisation
Prévisualisation	PDF Télécharger (990kB) | Prévisualisation

Résumé

L'interaction homme-machine représente un défi de taille pour les personnes à mobilité réduite qui doivent contrôler leur environnement avec des capacités musculaires limitées. Une interface myoélectrique semble tout indiquée pour ce type de population puisqu'elle est intuitive et que les mouvements effectués pour le contrôle peuvent être adaptés aux usagers. Ce mémoire propose l'utilisation de l'analyse discriminante (Linear Discrimante Analysis) pour l'étude de signaux myoélectriques continus servant à la classification de plusieurs mouvements du haut du corps chez les blessés médullaires (BM) de haut niveau lésionnel. Le but de ce travail est de permettre un contrôle sur 16 commandes différentes en utilisant des critères génériques d'apprentissage et d'analyse. Pour ce faire, les signaux électromyographiques (EMG) provenant de 23 sujets (12 sujets sains et 11 BM) ont été analysés. L'étude se penche sur l'influence des paramètres d'apprentissage et d'analyse du classificateur ainsi que sur les mouvements les plus susceptibles d'être classifiés avec succès. De plus, ce travail propose l'analyse des mouvements et stratégies de communication pouvant être utilisées pour la transmission des commandes à un bras robot manipulateur.

Le résultat principal de cette étude est que la condition des sujets influence peu les résultats du classificateur et que l'utilisation de paramètres génériques, autant pour l'apprentissage que pour l'analyse des signaux, permet un taux de succès supérieur à 95% dans la classification de cinq groupes (quatre mouvements plus le tonus musculaire) pour tous les sujets BM. L'algorithme de classification permet aussi un taux de succès de 90% pour la classification de neuf groupes (huit mouvements plus le tonus musculaire) et de 82% pour la classification de 13 groupes (12 mouvements plus le tonus musculaire) et ce, pour les sujets sains et BM. Les mouvements préférés pour une interface EMG sont les mouvements unilatéraux d''élévation de l'épaule et de flexion du coude. Les stratégies de communication permettant les meilleurs résultats de classification sont les mouvements de moyenne et de longue durée, les mouvements de forte amplitude ainsi que les séries de deux "clicks". De plus, une investigation sous forme de questionnaire a permis de déterminer que la population des BM était peu encline à utiliser une interface EMG pour le contrôle d'une aide technique et que le joystick standard de leur fauteuil roulant motorisé serait préféré.

Titre traduit

Learning criteria developpement for a myoelectric controler of a 7 degree of freedom manipulative robot with spinal cord injury subjects

Résumé traduit

The control of a robotic aid poses a great challenge to disabled people who must cope with limited physical ability. A myoelectric control presents an interesting and intuitive solution because of its possible adaptation to most physical limitations. This paper evaluates the use of linear discriminant analysis (LDA) as a tool for multiple limb motion classification using continuous myoelectric signals on high level spinal cord injury (SCI) subjects. The purpose of this work is to create a 16-commands myoelectric controller using generic learning and analysis criteria. To this end, an experimental evaluation of the system was conducted on 23 subjects (12 healthy and 11 SCI). This study evaluates the influence of multiple learning and analysis parameters on the definition of movements which achieve higher classification rate. This work also proposes movements and new communication strategies, likely to be used for control of robotic manipulator.

It is shown that the subject’s condition did not influence the results of the classifier. In this study, it was possible to achieve accuracy of 95% on five classes (5) classification using a generic parameterization for learning and analysis of signals. An accuracy of 90% was also achieved for nine class (9) classification problem whereas 82% accuracy for thirteen classes classification problem. The preferred movements for an EMG controller are unilateral elevation of the shoulders and flexion of the elbow. The preferred communication strategies are movements of 2 and 4 seconds, maximum amplitude movements and series of 2 "clicks". Our study also concludes this kind of interface is undesired by SCI population and that their
electrical wheelchair joystick is preferred.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie, technologies de la santé". Bibliogr. : f. [138]-144.
Mots-clés libres:	Manipulateurs (Mécanismes) Électromyographie. Traitement du signal. 7, Apprentissage, Blessé, Contrôle, Critère, DDL, EMG, Interface, LDA, Médullaire
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Aissaoui, Rachid
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	13 mai 2011 15:13
Dernière modification:	24 févr. 2017 21:49
URI:	https://espace.etsmtl.ca/id/eprint/865

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt