В рамках ФЦП «Исследования и разработки»
В Университете Лобачевского продолжаются работы по испытанию системы нейроинтеграции экзоскелетонных роботизированных комплексов (СНИ-ЭРК) и человека.
Система нейроинтеграции предназначена для коммуникации человека с роботизированными устройствами, в том числе экзоскелетонами. Принцип работы СНИ-ЭРК основан на детектировании биометрических параметров человека и выработке управляющего воздействия на приводах исполнительного устройства.
Из списка ключевых работ проекта на данном этапе можно выделить следующие:
- разработка программы и методик экспериментальных исследований макета СНИ-ЭРК;
- проведение экспериментальных исследований изготовленного макета СНИ-ЭРК;
- тестирование разработанного ПО для классификации паттернов, соответствующих моторным движениям.
По итогам проведенных работ были получены следующие результаты. На основе разработанных методик, способов и алгоритмов, отвечающих за получение данных и обмен информационными потоками внутри системы нейроинтеграции, а также изготовленного макета СНИ-ЭРК были проведены экспериментальные исследования устройства по разработанным методикам и программе.
Были протестированы и откорректированы используемые алгоритмы, проверена работоспособность полученных технических решений и соответствие требованиям технического задания.
Была разработана и протестирована система сопряжения сигналов мышц руки и макета протеза руки с помощью СНИ-ЭРК.
В результате экспериментальных исследований были получены результаты, показывающие работоспособность созданного макета СНИ-ЭРК и сопутствующих научно-технических решений, их соответствие техническому заданию.
Достигнуто согласованное управление макетом кисти руки с задержкой, не превышающей 100 мс. Макет СНИ-ЭРК предоставляет возможность пропорционального управления каждым пальцем такого протеза.
Достигнуто согласованное управление сочленениями ноги экзоскелета. Использование мышц-антагонистов позволяет достичь биполярного управления отдельным суставом.
Были выявлены отличия статических и динамических классифицируемых паттернов по характеристикам. Это должно учитываться при обучении классификатора и последующем распознавании.
Продемонстрирована возможность классификации динамических паттернов, при этом отличающаяся:
- независимостью от времени выполнения паттерна;
- отсечением незначительных по амплитуде интервалов миоэлектрического сигнала (малая активность в начале и конце записи паттерна);
- способностью обрабатывать паттерны с неизвестными временными границами.
Успешно протестированы 5 вариантов управления экзоскелетонным устройством:
- Явное управление с помощью статичных жестов руки.
- Неявное управление статичными ЭМГ-паттернами, зарегистрированными с мышц ног при попытке осуществления движений.
- Неявное управление паттернами в виде временных срезов ЭМГ-сигналов при свободных движениях и обучении классификатора на статических паттернах.
- Неявное управление с помощью динамических ЭМГ-паттернов.
- Схема комбинированного управления при совмещении вариантов п. 1 и п. 3.
