ระบบช่วยเดินโดยใช้ชุด Lower limb exoskeleton สั่งการโดยใช้ Backpropagation neural network

The walking assistance system using the lower limb exoskeleton suit commanded by backpropagation neural network

Name: โอบนิธิ กรัณฑรัตน

ThaSH: การเดิน -- เครื่องมือและอุปกรณ์ -- การควบคุมอัตโนมัติ

LCSH: Walking -- Equipment and supplies -- Automatic control

Abstract: ในปัจจุบันมีผู้คนจำนวนมากที่มีปัญหาในการเดิน ในงานวิจัยนี้มีเป้าหมายในการพัฒนาและแก้ปัญหาเรื่องการเดิน โดยการแนะนำระบบที่ช่วยในการเดินที่สามารถจดจำท่าทางได้ 3 ท่า คือ ท่าเดิน, ท่านั่ง และท่ายืน ระบบที่ช่วยในการเดินนี้ประกอบด้วย 3 ส่วนหลัก คือ การจำแนกท่าทางการเดิน, การฝึกสอนท่าทางให้กับชุด Exoskeleton และ Exoskeleton suit system ในการจำแนกลักษณะของสัญญาณ sEMG ในงานวิจัยนี้ใช้ Conjugate Gradient Backpropagation Neural Network โดยจะทำการจำแนกหลังจากผ่านกระบวนการ Feature extraction แล้ว หลังจากนั้นเอาท์พุตที่ได้จากการจำแนกของ Backpropagation Neural Network จะถูกนำไปใช้เพื่อสั่งให้ชุดเคลื่อนที่ในท่าทางตามที่ชุดได้จดจำไว้ โดยวิธีการจดจำท่าทางของชุดที่ได้เสนอในงานวิจัยนี้นั้นมี 2 วิธี คือ การโปรแกรมท่าทางไว้ล่วงหน้า และการใช้ Levenberg-Marquardt backpropagation เมื่อได้ฝึกสอนท่าทางต่างๆ ให้กับชุดแล้ว ก็สามารถให้ชุดนำท่าทางที่เรียนรู้ออกมาใช้งานได้ นอกจากนี้ในงานวิจัยนี้ยังได้ใช้ PID controller เพื่อควบคุมมอเตอร์กระแสตรง และการออกแบบกลไกแบบ Four Bar Linkages Mechanisms ที่สามารถลดจำนวนมอเตอร์ที่ใช้งานและเพิ่มเสถียรภาพในช่วง Stance Phase ของการเดินอีกด้วย จากผลการทดลอง สรุปได้ว่า วิธีการ Levenberg-Marquardt Backpropagation เป็นวิธีการที่สอนท่าทางให้กับชุดแล้วมีความคลาดเคลื่อนน้อยที่สุด คือ มีค่าเฉลี่ยของความคลาดเคลื่อนอยู่ที่ 4.418 ในขณะที่วิธีการ Curve fitting ทั่วไปมีความคลาดเคลื่อน 12.71 และสำหรับการจำแนกท่าทาง การใช้ feature ทั้งหมดใน time domain จะทำให้ recognition rate สูงถึง 99.39%

Abstract: Currently there are many people who have walking problems. This research aims to develop and solve these problems by introducing walking assistance system which can recognize 3 types of gestures, that include walking, sitting and standing. Our system is divided into 3 main parts including classification, posture training for the exoskeleton and exoskeleton suit systems. Conjugate Gradient Backpropagation Neural Networks have been used to classify sEMG signals of lower limb postures after extracting the features. Then the output of classification has been used to command the exoskeleton suit to perform the gesture according to the results of the recognition. This research aims to present 2 methods for recognizing the suit gesture: fixed programmed gestures and training gestures. In addition, our work uses PID controller to control the DC motors. In order to reduce the number of motors and increase stability of the system, the of Four Bar Linkages Mechanisms of Lower Limb Exoskeleton suit are used. The results from the training gesture method have shown that the Levenberg-Marquardt method provides the lowest average error of 4.418, while the general method of curve fitting gives 12.71. The results from classify sEMG signals of lower limb postures show that all features in time domain provided the highest recognition rate at 99.39%.

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: ยุทธนา คิดใจเดียว

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์

Created: 2562

Modified: 2564-11-26

Issued: 2564-11-26

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอิเล็กทรอนิกส์

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Fulltext Obnithi Karantarat.pdf	4.92 MB	4	2025-05-06 14:36:54

ใช้เวลา

0.026503 วินาที