보행재활로봇을 위한 보행 궤적 생성과 임피던스 제어 구현
- 발행기관 서강대학교 일반대학원
- 지도교수 전도영
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000062996
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문은 보행재활로봇의 재활 훈련을 위한 다양한 보행 궤적 생성 방법을 제시하고 보행 재활 훈련중 발생할 수 있는 몇몇 상황에 대한 임피던스의 효과를 보여준다. 다양한 보행 궤적을 생성하기 위해 낮은 임피던스 상태의 SUBAR를 이용하여 보폭, 보행 속도, 무릎 높이 세 가지 변수에 대해 보행 분석을 실시하였다. 보행 분석을 바탕으로 보폭조절을 위한 스케일링 수 a, 무릎높이 조절 cos 함수, 속도조절을 위한 c를 이용한 보행 궤적 생성방법을 제시하고 시뮬레이션으로 보행 궤적 생성을 검증하였다. 정상인을 대상으로 보행 훈련에서 발생할 수 있는 다음의 세 가지 상황이 부여되었다. 첫번째 상황은 환자가 재활훈련에 기여가 없는 경우이고, 두번째 상황은 환자의 운동 능력이 걷기에 충분한 경우, 마지막 상황은 환자 근육의 유연성이 걷기에 낮은 경우이다. 각 상황에 대해 임피던스 계수 변화에 따른 효과를 엔코더를 이용한 관절의 각도, 토크센서를 이용한 사람과 로봇 사이의 상호작용 토크, EMG 센서를 이용한 근육 활성도를 통해 확인하였다.
more초록/요약
This paper proposes the various gait trajectory generation method for gait rehabilitation robot and shows the effect of impedance in some situations that occur during the gait rehabilitation training session. In order to generate the various gait trajectories, gait analysis was carried out with low impedance controlled lower limb assistive robot SUBAR for three variables: stride length, walking speed, and knee height. Based on the gait analysis, the gait trajectory generation method using the amplitude scaling a, the speed control factor c, and the knee height adjustment cosine function is presented and it is verified by simulation. Impedance control was applied to induce active participation of patients in rehabilitation training session and it was verified by the torque sensor in SUBAR. The healthy subjects were given next three situations that could occur in rehabilitation training session. The first situation is the case that the patient did not contribute to rehabilitation training session, the second situation is the case that the patient 's exercise capacity was enough to walk, and the last situation is the case that the flexibility of the patient' s muscle was low to walk. For each situation, the effect of impedance coefficient change was observed through the joint angle using the encoder, the interaction torque between the human and the robot using the torque sensor, and the muscle activity using the EMG sensor.
more