See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/320720465

Sonlu Durum Makine Yöntemi ile Protez El Kontrolü

Conference Paper · September 2013

CITATION

1READS

208

4 authors, including:

Some of the authors of this publication are also working on these related projects:

Comparison of EMG Based Finger Motion Classification Algorithms View project

Development and Control of Hand Rehabilitation Robot View project

Gazi Akgun

Marmara University

10 PUBLICATIONS   5 CITATIONS   

SEE PROFILE

Erkan Kaplanoglu

Marmara University

41 PUBLICATIONS   62 CITATIONS   

SEE PROFILE

All content following this page was uploaded by Gazi Akgun on 31 October 2017.

The user has requested enhancement of the downloaded file.

Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya

158

Sonlu Durum Makine Yöntemi ile Protez El Kontrolü

Gazi Akgün1, Ayhan Alveroğlu2, Gizem Özkaya3, Erkan Kaplanoğlu4

1,2,4 Fen Bilimleri Enstitüsü,

Mekatronik Anabilim Dalı

Marmara Üniversitesi, İstanbul ekaplanoglu@marmara.edu.tr

3Sağlık Bilimleri Enstitüsü,

Beden Eğitimi ve Spor Anabilim Dalı

Marmara Üniversitesi, İstanbul gizemozkaya@gmail.com

Özetçe

Bu çalışmada protez el kontrolünde, günlük

ihtiyaçların büyük çoğunluğunu karşılayan 6 farklı kavrama ve

pozisyon hareketi, sonlu durum makinesi (Finite State

Machine- SDM) yöntemi kullanılarak gerçekleştirilmiştir. Ön

kola bağlanan 3 adet yüzey eletromiyografi (EMG) elektrotu

yardımıyla sağlıklı kaslardan alınan sinyaller SDM giriş

değişkeni, kavramalar ise çıkış değişkeni olarak belirlenmiştir.

Kavramalar arasındaki geçişler durum fonksiyonu tarafından

gerçekleştirilmiştir. Üç ayrı kas grubundan alınan bu sinyaller

kavrama ve pozisyonlar ile eşleştirilmiştir. Oluşturulan

kontrolörün testi için, 5 ayrı sağlıklı denekten alınan EMG

sinyalleri, prototip olarak kullanılan protez ele uygulanmıştır.

1.Giriş

İnsan eli birbirinden farklı kavrama ve duruş durumları için

yaklaşık 20 serbestlik derecesine sahiptir. Bu kavrama

işlemlerinin gerçekleşmesi sırasıyla, eklemlere bağlı

tendonlar, kaslar ve uyaran sinirler tarafından gerçekleşir.

Protez ellerde bu durumun aksine kavrama sinyali genelde kas

üzerinden alınan Elektromiyografi (EMG) sinyalleri ile

gerçekleşir. İlk EMG kontrollü protezler tek kavrama yetisine

sahip olduklarından tek elektrot çiftinden alınan darbe sinyali

ile kontrol edilebilmekteyken günümüzde kullanılan çoklu

kavrama özeliği olan protezlerde bu sinyal yeterli

olmamaktadır. Kaslardan alınan EMG sinyalinin hangi

kavrama işlemini gerçekleştireceğin belirlenmesi

gerekmektedir. Bu istek doğrultusunda EMG sinyalinin

filtrelendikten sonra sınıflandırılması ve uygun sinyalin uygun

kavrama ile eşleştirilmesi gerekmektedir. EMG işaretlerinin

analizi veri toplama, işaret sınıflarının biçimlenimi, öznitelik

seçimi, sınıflama algoritmasının belirlenmesi ve sınıflama

hatasının kestirimi gibi birçok aşamalardan oluşur. Burada en

önemli adımlar öznitelik seçimi ve sınıflayıcı/öbekleştirici

tasarımıdır. Sınıflayıcı tasarımı için sezgisel yaklaşım, belirgin

yaklaşım, istatistiksel yaklaşım, yapay sinir ağları yaklaşımı

ve bulanık yaklaşım gibi pek çok yöntem vardır [1,2]. Bu

yöntemlerin gerçek zamanlı protez kontrolünde kullanılması

protez elin kontrolünün karmaşıklaşmasına ve maliyetin

artmasına sebep olmaktadır. Bu çalışmada, EMG

sınıflandırılması yerine, daha çok bilgisayar tabanlı karar

verme işleminde kullanılan, Sonlu Durum Makinesi ( Finite

State Machine) kullanılarak EMG sinyali ve kavrama arasında

basit bir ilişki kurularak bu dezavantajın ortadan kaldırılması

hedeflenmiştir.

2. Sonlu Durum Makinesi Arayüzü

Sonlu Durum Makinesi, durum kümesi, giriş ve çıkış olay

kümesi ve durum geçiş fonksiyonlarından oluşur[3]. Her bir

sistem davranışının durumu olası sistem durumu tarafından

karakterize edilir. Burada çıkış durumları arasındaki geçişler,

giriş değişkenine ve sistemin o andaki durumuna bağlı olarak

sağlanır. SDM durum geçişleri şekil-1 de görülmektedir.

Burada; “D”, durumları oklar durum geçişlerini “G” ise

girişleri ifade etmektedir.

Şekil 1: Sonlu Durum Makinesi Genel Gösterim

Elini kaybetmiş hastalara uygulanan EMG denetimli

protezlerin, hastaların günlük hayatlarını kolaylaştırmak için

birçok farklı hareket ve pozisyon alma yeteneğine sahip

olması gerekir[4-6]. Çalışmalar gösteriyor ki 5-6 farklı hareket

günlük yaşantımızdaki aktivitelerimizin çok büyük bir kısmını

karşılamak için yeterli olmaktadır. Bunlar; işaret, çengel,

anahtar tutuş, silindir tutuş olarak isimlendirilebilen el

pozisyon ve kavramalarıdır[7,8]. Bu hareketlerin

gerçekleştirilmesi için hazırlanan sonlu durum makinesinin

durum değişkenleri önkoldaki sağlıklı “flexor carpi radialis”,

”extansor carpi radialis”, ve “brachiradialis” kaslarından

alınan EMG sinyallerinin uygun şekilde işlenmesi ile

üretilmiştir.

D1 D2 D3 D4 G=1 G=4 G=6

G=2

G=7

Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya

159

Şekil 2: Sonlu Durum Makinesi Akış Diyagramı

Şekil 2’de fleksör ve ekstansör kaslarından alınan

EMG sinyalleri AG (Analog giriş), “brachiradialis” kasından

alınan EMG sinyali ise BRD olarak isimlendirilmiştir.

Şekil 3: Matlab/Simulink Modeli

Kaslardan alınan EMG sinyalinin işlenmesi

amacıyla MATLAB/Simulink kullanılarak bir arayüz

oluşturulmuştur (Şekil 3). Bu arayüzde hazırlanan model, ham

emg sinyalini 0-5 V arası analog sinyale dönüştürmektedir.

Ham EMG sinyali öncelikle yüksek geçiren, alçak geçiren

filtrelerden geçirilmiş, mutlak değeri alındıktan sonra

normalize edilmiştir(Şekil 4).

Şekil 4: EMG sinyalinin filtrelenmesi ve

normalizasyonu

İşlem sonunda elde edilen sinyal incelenerek kasılma

zamanlarının genliğinin diğer zamanlara göre arttığı

gözlemlenmiştir. Bu değerlerden, tam olarak kasılma zamanını

diğer zamanlardan ayırabilecek bir eşik genlik değeri

belirlenerek, bu genlik değerinin üstündeki örneklere

“mantıksal 1” altındaki örneklere “mantıksal 0” değeri

verilmiştir(Şekil 5).

Şekil 5: EMG sinyalinin mantıksal sinyale dönüştürülmesi

Kasılma gerçekleşen örnekler saydırılarak durum izleme

kontrolörü için kasılma devam ettikçe artan bir değişken

üretilmiştir. Bu değişkenin değerleri durum izleme kontrolörü

için koşul olarak kullanılarak çıkış durumu belirlenmiştir.

Son olarak fleksiyondan üretilen örnek sayısından

ekstansiyondan üretilen örnek sayı değeri çıkarılmıştır. Bu

işlem, durum izleme makinesinin durumlar arası geçiş koşulu

olarak kullandığı değişkenin (AG) azalmasını sağlamıştır.

Sonuç olarak hasta fleksiyon yaptıkça el başlangıç

pozisyonundan diğer pozisyonlara doğru sırayla geçecektir.

Herhangi bir pozisyona geri gelinmek istendiğinde

Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya

160

ekstansiyon hareketi yapılarak istenilen pozisyona

ulaşılabilecektir.

Şekil 6: Fleksiyon ve ekstansiyon hareketi ile el

durumunun değişmesi

İkinci grup pozisyonlara (silindir tutuş vb.) geçiş

için “brachiradialis”’den alınan sinyalin kasılma anı durum

izleme kontrolörüne mantıksal değişken olarak uygulanmıştır.

Hasta başlangıç pozisyonundan ikinci grup pozisyonlara

geçmek için brachiradialis kasını kasmalı ve yine fleksiyon ile

istediği pozisyona ulaşmalıdır.

3. Uygulama

Tasarlanan sistemin gerçek zamanlı testi için bir veri

haberleşme sistemi ve prototip el kullanılmıştır. Sonlu durum

makinesinin ‘el durumu’ çıkışı, Matlab ortamında bulunan

“Real Time Windows Target(RTW)” üzerinden analog çıkış

olarak alınmıştır. Tasarlanan sistemde deneklerden alınmış

olan EMG sinyalleri matlab/simulink ‘de sonlu durum

makinesi yardımıyla işlenerek prototip el modeli üzerinde 4

farklı el durumu gerçekleştirilmiştir.

Şekil 7: Prototip el modeli

Prototip el, tendonların servo motorlar yardımıyla

çekilmesi ile hareket ettirilmiştir. Kontrol devresi analog

dijital çevirici ünitesi olan Pic16f877A mikrokontrolörü ile

tasarlanmıştır. RTW’den alınan 0-5 V arası analog sinyalin

genliğine göre sistemdeki motorlar elin şekil 1 deki gibi uygun

pozisyonlarda konumlanmasını sağlayacak şekilde

sürülmüştür.

Şekil 8: Kontrol devresi

Şekil 8 ‘de gösterilen mikrokontrolörlü devre ile

RTW’den gelen analog girişin değerine ve dijital girişin

durumuna bağlı olarak 4 farklı servo motorun uygun

pozisyonları alması sağlanmıştır. Mikrokontrolör çıkışına

bağlı servo motorları aşağıdaki algoritmadaki gibi kontrol

etmektedir.

Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya

161

Başla

Analog Giriş (AG)

oku

BRD=1

AG>1V

AG>2V

AG>3V

AG>4V

AG >1V

AG>2V

AG>3V

AG>4V

A=1 B=1

C=1 D=1

1 msn'de bir

kesme at

A=18 B=1

C=1 D=1

A=18 B=18

C=1 D=1

A=18 B=18

C=18 D=1

A=1 B=1

C=1 D=1

A=1 B=1

C=1 D=18

A=1 B=18

C=1 D=18

A=18 B=18

C=1 D=18

EH

E

E

E

E

H

H

H

H

E

H

H

H

H

RB0 =1AH=AH-1 AL=AL-1

AH=0RB0=1-RB0

AH=AAL=0

RB0=1-RB0

AL=100-AH

RB1 =1BH=BH-1 BL=BL-1

BH=0RB1=1-RB1

BH=BBL=0

RB1=1-RB1

BL=100-BH

RB2 =1CH=CH-1 CL=CL-1

CH=0RB2=1-RB1

CH=CCL=0

RB2=1-RB2

CL=100-CH

E H

E E

HH

E H

E

H

E

H

E H

E

H

E

H

RB3 =1DH=DH-1 DL=DL-1

DH=0RB2=1-RB1

DH=DDL=0

RB2=1-RB2

DL=100-DH

E H

E

H

E

H

Geri Dön

Kesme

Şekil 9: Program akış şeması

Şekil 9‘daki akış şeması sonucu üretilen PWM

sinyalleri ile servo motorların pozisyon kotrolü yapılmıştır.

RC servo motorlar, parmaklara bağlanmış olan tendonların

çekilmesi için kullanılarak prototip elin 4 farklı pozisyonu

alması sağlanmıştır.

Akış şemasında görülen BRD değişkeni

“brachiradialis” kasından alınmış olan EMG sinyalinden

üretilen mantıksal bilgidir. Kullanıcı ilk pozisyonda BRD=1

yaparsa fleksiyon ve ekstansiyon hareketleri ikinci grup

pozisyonların alınmasını sağlar.

AG değişkeni RTW’den alınan analog gerilim ,

A,B,C,D motorların kontrolü için PWM sinyalinin darbe

genişlikleri , AH,BH çıkışın ‘1’ olma süreleri AL,BL çıkışın

‘0’ olma süreleridir.

Şekil 10: Uygulama düzeneği

Matlab ortamında işlenen EMG sinyalleri ile kontrol

edilen prototip el tasarımının 4 farklı pozisyon alması

sağlanmıştır. Kontrol devresi RTW ile bilgisayardan alınan 0-

5 V arası analog gerilimin genliğine göre prototip elin

pozisyon almasını sağlamıştır. Genlik arttıkça sırasıyla el açık,

işaret, çengel, anahtar tutuş pozisyonları alınması sağlanan

prototip el genlik azaldıkça ilk pozisyona doğru konumlanır.

Önkol kasları sağlıklı deneklerden alınan EMG sinyalleri

çevirimdışı işlenerek sisteme gerekli olan analog sinyal

üretilmiştir. Prototip elin sabit ve hareketlendirilmiş görüntüsü

Şekil 10’da görülmektedir.

Otomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya

162

4.Sonuçlar

Bu çalışmada çoklu kavrama yeteneğine sahip protez el

kontrolünde kullanılmak üzere, EMG tabanlı Sonlu Durum

Makinesi yöntemi ile oransal bir kontrol algoritması

gerçekleştirilmiştir. Kontrolörün test edilmesi amacıyla giriş

değişkeni, sağlıklı kaslardan alınan sinyaller seçilmiş ve

kontrol işareti prototip protez ele uygulanmıştır. Test

sonucunda prototip elin istenilen kavrama hareketlerini

gerçekleştirdiği görülmüştür. İlerideki çalışmalarda kontrol

edilen kavrama sayısı artırılarak parmaklarda oluşan pozisyon

ve kuvvet ilişkileri incelenecektir.

Teşekkür

Bu çalışmanın fikir aşamasındaki katkılarından dolayı,

Nazarbayev Üniversitesi, Robotik ve Mekatronik bölümden

Doç.Dr. H.Atakan Varol’a ve EMG uygulamaları konusunda

yardımlarından dolayı Marmara Üniversitesi Fiziksel Tıp ve

Rehabilatasyon ABD öğretim üyesi Doç.Dr. Yaşar Tatar’a teşekkürlerimizi sunarız.

Kaynakça

[1] K. Englehart , B. Hudgins , P.A. Parker , M. Stevenson

“Classification Of The Myoelectric Signal Using Time-

Frequency Based Representations”, Medical Engineering

& Physics Cilt:21 431–438 1999

[2] K. Englehart, B. Hudgins, P.A. Parker, “A Wavelet-

Based Continuous Classification Scheme For

Multifunction Myoelectric Control”, IEEE Trans.

Biomed. Eng. Cilt:48 s:302–310. 2001

[3] P.C. Sweeney G.M. Lyons P.H. Veltink “Finite State

Control Of Functional Electrical Stimulation For The

Rehabilitation Of Gait”, Med Biol Eng Comput. Cilt:38

s:121-6. 2000

[4] E. Biddiss, D. Beaton, and T. Chau, “Consumer design

priorities for upper limb prosthetics,” Disabil.

Rehabil:Assist Technol Cilt: 2, s: 346–357, 2007.

[5] C. Cipriani, M. Controzzi, and M. C. Carrozza,

“Objectives, criteria and methods for the design of the

SmartHand transradial prosthesis,” Robotica, Cilt:28

s:919–927, 2010.

[6] S. A. Dalley, H. A. Varol, M. Goldfarb, “A Method for

the Control of Multigrasp Myoelectric Prosthetic Hands”

IEEE Transactions On Neural Systems And

Rehabilitatıon Engineering, Cilt:20, s:58-67 2012

[7] C. Jacobson-Sollerman and L. Sperling, “Grip function of

the healthy hand in a standardised hand function test,”

Scand. Journal Rehabil. Med., Cilt. 9, pp. 123–129, 1977.

[8] C. Sollerman and A. Ejeskär, “Sollerman hand function

test: A standardised method and its use in tetraplegic

patients,” Scand. Journal Plastic Reconstruct. Surg.

Hand Surg., Cilt. 29, pp. 167–176, 1995.

View publication statsView publication stats