Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/39613
Título: | Assistive locomotion strategies for active lower limb devices |
Outro(s) título(s): | Estratégias de assistência da locomoção para dispositivos ativos de membros inferiores |
Autor(es): | Figueiredo, Joana Sofia Campos |
Orientador(es): | Santos, Cristina Moreno, Juan C. |
Palavras-chave: | Abnormal gait patterns Assistance and rehabilitation Lower limbs exoskeletons Biomechanical parameters Embedded sensors Detection of events and gait phases Locomotion mode recognition Feature selection methods Gait classification methods Padrões anormais da marcha Reabilitação Exosqueletos dos membros inferiores Parâmetros biomecânicos Sensores embebidos Deteção de eventos e fases da marcha Reconhecimento de modos de locomoção Métodos de seleção de features Métodos de classificação |
Data: | 2015 |
Resumo(s): | In order to actively aid or restore legged locomotion to individuals suffering from muscular
impairments, weakness or neurologic injury, rehabilitation is recommended as a more appropriate
way to achieve the ultimate goal of a continuous ambulatory monitoring. Also, the
assistance with wearable robots (WRs) during daily living activities provides a more intensive
and purposeful targeted therapeutic training, and also reduces the treatment cost and the number
of health care personnel.
Thus, it is crucial the development of locomotion strategies that recognize in real-time the
locomotion mode of human-robot interaction in overground daily living activities. Thus, this
thesis intends to develop two locomotion strategies which will be integrated in high level control
of exoskeleton H2 (Exo-H2), the WR developed under the scope of BioMot project.
The first locomotion strategy proposed and validated addresses online detection of events
and gait phases uniquely through information from embedded sensors. This knowledge will
allow determining in real-time the biomechanical parameters of assisted walking, and consequently
to assess the progress of rehabilitation process by means of WR. The solution validation
in different locomotion conditions (assisted walking by WR, walking of humanoid robot
and walking of healthy subject) shows up that the proposed solution led to a robust and general
tool for gait detection, which is also capable to detect more events and gait phases comparatively
to the works presented in literature.
Locomotion mode recognition is the second locomotion strategy developed in this thesis,
which allows the recognition of different locomotion modes. Based on an exhaustive state of
the art survey, a more robust and accurate procedure that leads to a more robust and accurate
tool was delineated. According to the results achieved for offline scenario it was verified that
the performance of the locomotion strategy increases by using different types of biomechanical
parameters, which should be previously selected by means of multivariate statistic methods.
Both binary and multiclass classification were addressed through support vector machine
(SVM). The implementation of these methods led to a powerful and accurate tool of offline
recognition of locomotion modes. Additionally, a strategy for online recognition was proposed.
Further work will consist on the application of these locomotion strategies in real-time environment
of gait rehabilitation. De forma a apoiar ou a restaurar a locomoção de indivíduos que apresentam fraqueza muscular ou doenças neurológicas, a reabilitação é recomendada como a forma mais apropriada para alcançar uma monitorização ambulatória contínua. Além disso, a assistência com robots ambulatório (RA) durante as atividades diárias promove um treino terapêutico mais intensivo e direcional, assim como também reduz os custos de tratamento e o número de profissionais de saúde. Como tal, é crucial o desenvolvimento de estratégias que reconheçam, em tempo real, o modo de locomoção da interação sujeito-robot durante as atividades quotidianas. Assim, esta tese visa desenvolver duas estratégias de locomoção, as quais serão integradas no controlo de alto nível do Exo-H2, que corresponde ao RA desenvolvido no âmbito do projeto BioMot. A primeira estratégia de locomoção proposta e validada consiste na deteção online dos eventos e fases da marcha, usando exclusivamente a informação fornecida pelos sensores embebidos. Este conhecimento permitirá a determinação em tempo real dos parâmetros biomecânicos da marcha assistida, e por conseguinte permitirá avaliar o progresso da reabilitação. A validação da solução proposta em diferentes contextos de locomoção (marcha assistida por RA, marcha de um robot humanoide e a marcha de um sujeito saudável) revelou que esta constitui uma ferramenta robusta e geral para a deteção da marcha, sendo capaz de detetar mais eventos e fases da marcha comparativamente aos estudos apresentados na literatura. O reconhecimento do modo de locomoção é a segunda estratégia desenvolvida nesta tese, a qual permite o reconhecimento de diferentes modos de locomoção. Com base no exaustivo levantamento do estado da arte, foi delineado um procedimento robusto, que conduziu a uma ferramenta mais robusta e precisa. De acordo com os resultados alcançados para o cenário offline verificou- se que o desempenho desta estratégia de locomoção aumenta com a utilização de diferentes tipos de parâmetros biomecânicos, os quais devem ser previamente selecionados por meio de métodos estatísticos. Tanto a classificação binária, como a classificação de multi-classes, foram implementadas através do support vector machine (SVM). A implementação destes métodos conduziu a uma ferramenta precisa de reconhecimento dos modos de locomoção em offline. Além disso, também foi proposta a estratégia para o reconhecimento em tempo real. Como trabalho futuro propõe-se a aplicação destas estratégias de locomoção no ambiente em tempo real de reabilitação da marcha. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado integrado em Engenharia Biomédica (área de especialização em Eletrónica Médica) |
URI: | https://hdl.handle.net/1822/39613 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DEI - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Joana Sofia Campos Figueiredo.pdf | 5,57 MB | Adobe PDF | Ver/Abrir |