Аппаратно-программный комплекс для восстановления утраченных двигательных функций ампутированного предплечья тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Елисеичев Евгений Александрович

• Елисеичев Евгений Александрович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Елисеичев Евгений Александрович

Введение

Глава 1. Исследование конструкций, серийно выпускающихся высокофункциональных протезов верхней конечности с микропроцессорным управлением и способов управления ими

1.1. Анализ и выбор кинематической схемы движения пальцев

1.2. Анализ и выбор типа модели для описания кинематической

схемы движения пальцев

1.3. Аналитический обзор хватов, выполняемых биопротезом

1.4. Регистрация мышечной активности в области предплечья

методом поверхностной электромиографии

1.5. Обработка снятых с области предплечья ЭМГ-сигналов, распознавание движений и их классификация

1.6. Анализ эффективности формирования хватов биопротеза

1.7. Обзор государственных премий в области биопротезирования

верхних конечностей

1.8. Выводы по Главе

Глава 2. Разработка математической модели биопротеза

с интерфейсом, специализированным под задачи управления таким биопротезом. Формирование рационального набора захватываемых объектов

2.1. Разработка математической модели пальца

2.2. Разработка математической модели кисти

2.3. Анализ возможности использования разработанной модели

кисти для первичного обучения искусственной нейронной сети

2.4. Решение обратной задачи для кинематической цепи на плоскости

2.5. Решение обратной задачи для кинематической цепи

в трехмерном пространстве

2.6. Генерация возможных траекторий управления пальцами

2.7. Разработка рационального набора захватываемых объектов

2.7.1. Анализ повседневной активности человека для определения типовых форм и размеров наиболее часто захватываемых

объектов

2.7.2. Разработка метода определения рационального набора захватываемых объектов

2.7.3. Формирование рационального набора форм и размеров захватываемых биопротезом объектов

2.8. Выводы по Главе

Глава 3. Определение мест установки ЭМГ-датчиков, геометрических параметров и количества электродов, межэлектродного расстояния, подэлектродного импеданса, необходимого их количества

3.1. Разработка методики определения мест установки ЭМГ-датчиков

3.1.1. Оценка состояния культи

3.1.2. Определение взаимного расположения мышц, оценка

их структуры и объема

3.1.3. Определение зоны установки ЭМГ-датчика

3.2. Определение геометрических параметров и межэлектродного

расстояния электродов ЭМГ-датчика

3.2.1. Экспериментальный набор ЭМГ-датчиков

3.2.2. Проведение экспериментальных работ с электродами

3.2.3. Методика определения

3.3. Определение подэлектродного импеданса ЭМГ-датчика

3.4. Определение количества ЭМГ-датчиков

3.5. Выводы по Главе

Глава 4. Система управления биопротезом на основе

искусственной нейронной сети

4.1. Искусственная нейронная сеть классификации движений

4.1.1. Аппаратно-программный комплекс для регистрации

и обработки ЭМГ-сигнала

4.1.1.1. ЭМГ-датчик

4.1.1.2. Блок обработки данных

4.1.1.3. Программное обеспечение для визуализации и обработки ЭМГ-сигналов

4.1.2. Методика формирования данных для обучения искусственной нейронной сети

4.1.3. Обучение искусственной нейронной сети

4.1.4. Экспериментальная апробация

4.2. Искусственная нейронная сеть формирования хватов

4.2.1. Методика формирования данных для обучения искусственной нейронной сети с помощью математической

модели биопротеза

4.2.2. Обучение искусственной нейронной сети

4.2.3. Экспериментальная апробация

4.2.3.1. Твердотельная динамическая модель биопротеза

4.2.3.2. Натурный эксперимент

4.2.3.3. Результаты экспериментальной апробации

4.3. Обучение пользованию биопротезом

4.4. Оценка эффективности обучения пользованию биопротезом

4.5. Выводы по Главе

Общие выводы и заключение

Список литературы

Список сокращений и условных обозначений

АБК - антропоморфная бионическая кисть

ИНС - искусственная нейронная сеть

КУ - коэффициент усиления

ОУ - операционный усилитель

ФВЧ - фильтр верхних частот

ФНЧ - фильтр нижних частот

ЭМГ - электромиография

УЗИ - ультразвуковое исследование

БОД - блок обработки данных

6

Введение диссертации (часть автореферата) на тему «Аппаратно-программный комплекс для восстановления утраченных двигательных функций ампутированного предплечья»

Введение

Актуальность темы диссертационной работы. Работа относится к области интеллектуальных медицинских систем. Развитие этой области, как с научной, так и с прикладной точки зрения, является одним из наиболее актуальных и перспективных направлений в последнее время.

Известно, что наиболее коммерчески успешными разработками в области биопротезирования верхних конечностей являются антропоморфные бионические кисти от фирм-производителей: «MANIFESTO HAND» (Моторика, Россия), «Michelangelo» и «BeBionic» (Ottobock, Германия), «i-Limb» (Össur, Исландия), «VINCENTevolution» (VINCENT Systems, Германия), «Hero Arm» (Open Bionics, Великобритания), «TASKA HandGen2» (Fillauer, США), «LUKE Arm» (Mobius Bionics, США), «OHand» (OYMotion Technologies, КНР). Эти антропоморфные бионические кисти функционируют на основе системы управления электромиографического (ЭМГ) типа, которая производит считывание и обработку данных с ЭМГ-датчиков в фазе мышечной активности. Современные бионические протезы верхних конечностей (далее - биопротез) взаимодействуют с объектами окружающего мира на основе использования определенного набора движений, с помощью которых осуществляется захват и удержание предметов. Вследствие ограниченного количества движений и необходимости их переключения с внешнего периферийного устройства (смартфон, планшет, пульт и т.п.) современные биопротезы не могут иметь статус полноценной замены здоровой человеческой руки. Кроме этого, стоит отметить, что обучение управлению таким биопротезом может занимать от 2 до 3 лет. При этом проблемы создания новых (интеллектуальных) систем управления биопротезом и обучения по их управлению рассматриваются во многих научных трудах. В результате этого формулируется проблема длительного времени обучения управлению биопротезом, которая заключается в низкой эффективности человеко-машинного интерфейса управления такой биомеханической системой. И таким образом задача по повышению эффективности человеко-машинного

интерфейса для управления биопротезом путем сокращения времени на обучение является актуальной.

Степень разработанности темы диссертационной работы. На основании ниже рассмотренных и других научных трудов произведен анализ применения искусственной нейронной сети (ИНС) в составе системы управления биопротезом для оценки эффективности человеко-машинного интерфейса. В научных работах: Ярыгин, А.А., Айтбаев, Б.Х., Канышев А.Ю., Алексеева, Е.А. Применение методов глубокого машинного обучения искусственных нейронных сетей для проектирования алгоритмов распознавания электромиографических сигналов в бионических протезах // Вопросы радиоэлектроники. - 2019. - № 5. - С. 64-75; Kakoty NM, Hazarika SM. Recognition of grasp types through principal components of DWT based EMG features. IEEE Int Conf Rehabil Robot. 2011; 2011:5975398. doi: 10.1109/ICORR.2011.5975398, предлагается использовать возможности ИНС для анализа и интерпретации различных биофизических данных человека в качестве управляющих сигналов для механизмов биопротеза. Применение ИНС для управления биопротезом сводится к решению с ее помощью задачи классификации или кластеризации (научная работа: Бошляков, А.А., Поярков, Г.А. Анализ алгоритмов для системы принятия решений // Дневник науки. - 2020. - № 4 (40). - С. 32.) данных, считываемых с ЭМГ-датчиков системы управления (научные работы: Bahrami Moqadam S, Elahi SM, Mo A, Zhang W. Hybrid control combined with a voluntary biosignal to control a prosthetic hand. Robotics Biomim. 2018; 5(1):4. doi: 10.1186/s40638-018-0087-5; Liu M, Zhang F, Huang HH. An Adaptive Classification Strategy for Reliable Locomotion Mode Recognition. Sensors (Basel). 2017;17(9):2020. Published 2017 Sep 4. doi: 10.3390/s17092020; Favieiro GW, Balbinot A. Adaptive neuro-fuzzy logic analysis based on myoelectric signals for multifunction prosthesis control. Annu Int Conf IEEE Eng Med Biol Soc. 2011; 2011:7888-7891. doi:10.1109/IEMBS.2011.6091945), голосовых команд и преобразованию их в управляющие сигналы электромеханической части биопротеза. Подобный метод управления позволяет повысить скорость и точность отклика биопротеза на управляющее воздействие

пользователя. Кроме научно-исследовательских работ в рассматриваемой области имеется ряд патентов на системы и способы управления электронными устройствами с применением ИНС для анализа ЭМГ-сигналов пользователя (патент № 2738197 С2 Российская Федерация, МПК А61В 5/04. Система и способ формирования команд управления на основании биоэлектрических данных оператора: № 2018133658: заявл. 24.09.2018: опубл. 09.12.2020 / Л.А. Станкевич, Н.В. Шемякина, Ж.В. Нагорнова [и др.]; заявитель «Ай-Брэйн Тех ЛТД»; патент № 2683859 С1 Российская Федерация, МПК А61В 5/0488, А6№ 4/00. Способ и система управления электронными устройствами с помощью электромиографического устройства считывания: № 2017146206: заявл. 27.12.2017: опубл. 02.04.2019 / В.Р. Каримов, Н.М. Иванюк, З.А. Понимаш [и др.]; заявитель ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «Би-оН ЭМГ»). Произведен аналитический сбор информации по государственным премиям в области высокотехнологичного биопротезирования верхних конечностей. Наиболее существенный вклад в развитие данной области внесли: компания «Моторика» (Премия «Надежда на технологии», ежегодно) и Брико А.Н. МГТУ им. Н.Э. Баумана (Премия правительства г. Москвы, 2024 г.). Результаты произведенного анализа представлены в Таблице 1.6 Главы 1.

Таким образом, в значительной части эти исследования охватывают задачи по созданию алгоритмов управления биопротезом с использованием ИНС, не учитывая вопросы эффективности человека-машинного интерфейса по сокращению времени обучения управлению биопротезом.

Цель и задачи. Цель диссертационной работы - разработать эффективный аппаратно-программный комплекс для восстановления утраченных двигательных функций ампутированного предплечья, методы обработки ЭМГ-сигналов и методы управления биопротезом, позволяющие снизить время обучения пользователя.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Обосновать кинематическую схему и оптимальное число степеней свободы пальцев биопротеза. Разработать модели, описывающие траекторию движения пальцев биопротеза;

2. Определить типовые формы и размеры наиболее часто захватываемых объектов на основе анализа повседневной активности человека. Разработать методику определения рационального набора захватываемых объектов;

3. Определить оптимальное количество, место расположения, форму и количество электродов ЭМГ-датчиков поверхностного типа, в зависимости от физиологии и уровня ампутации предплечья;

4. Разработать метод обработки ЭМГ-сигналов, обеспечивающий высокую достоверность обнаружения движений, их распознавания и классификации;

5. Разработать метод предварительного формирования хвата, обеспечивающий автоматическую реализацию хватов для рационального набора захватываемых объектов.

Научная новизна. Научная новизна диссертационной работы заключается в обосновании подходов к созданию эффективного аппаратно-программного комплекса для восстановления утраченных двигательных функций ампутированного предплечья, а также в разработке методов обработки ЭМГ-сигналов и методов управления биопротезом.

Наиболее существенные результаты диссертационной работы, обладающие научной новизной и полученные соискателем лично:

1. Впервые предложен метод математического моделирования сложной кинематической схемы пальца биопротеза и кисти в целом, который в отличии от известных позволяет применить математическую модель для автоматической генерации обучающих выборок для ИНС;

2. Модифицирован существующий подход к формированию рационального набора захватываемых объектов введением условия на вхождение в набор в виде частоты применения на уровне 1-го раза в день;

3. Экспериментально получена зависимость процента распознавания движений от количества устанавливаемых на предплечье ЭМГ-датчиков;

4. Модифицирован алгоритм обработки, огибающей ЭМГ-сигнала на основе оценки признака «Средняя энергия» с помощью двух пороговых значений: адаптивного (по величине огибающей кривой) и фиксированного (по длительности);

5. Впервые предложен алгоритм автоматического расчета управляющих координат для выполнения хватов для объектов из рационального набора, основанный на последовательном пропорциональном приближении рассчитанных по разработанной математической модели кисти значений координат «фаланг» пальцев к сгенерированной поверхности захватываемого объекта.

Теоретическая и практическая значимость диссертационной работы. Теоретическая значимость работы заключается в применении аппарата ИНС к управлению функциональными движениями биопротеза, что позволяет снизить когнитивную нагрузку и обеспечить повышение качества жизни людей с утратой верхних конечностей на уровне предплечья.

Практическая значимость работы заключается в том, что полученные результаты могут использоваться для разработки высокотехнологичных биопротезов для людей с ампутацией предплечья. Это позволит уменьшить продолжительность и трудоемкость настройки биопротеза, а также сократить время обучения пользователя.

Методология и методы диссертационной работы. Основным подходом к решению поставленных задач является рациональное сочетание методов математического, полунатурного и натурного моделирования и аппарата ИНС. Для проведения кинематического исследования механизмов (пальцы биопротеза) используются математические методы аналитической геометрии. Для проведения численных расчетов, моделирования технических и физических систем, а также выполнения научно-инженерных расчетов с массивами данных используются пакеты прикладных программ: МаАаЬ, МаАаЬ^тиНпк, SoHdWorks, КОМПАС-3Д. Для первичной обработки (визуализация и анализ) снятых с области предплечья (здорового и ампутированного) ЭМГ-сигналов в режиме реального времени используются 8-канальный электромиограф и специализированное

программное обеспечение «МюТеэЪ». Для последующей обработки ЭМГ-сигналов, имеющих недетерминированный характер и локальные особенности, используется метод, основанный на вычислении признаков ЭМГ-сигнала. Обучение ИНС производится средствами тулбокса «QassificatюnNeuralNetwork» Ма^аЬ. Для подтверждения предложенных решений по топологии кинематики использовались методы твердотельного и натурного моделирования, а для проверки результатов обучения ИНС - встроенный в Ма^аЬ инструмент кроссверификации.

Положения, выносимые на защиту:

1. Разработанная математическая модель сложной кинематической цепи позволяет многократно повысить производительность моделирования, делает ее пригодной для применения в системах управления биопротезом в режиме реального времени;

2. Для эффективного использования биопротеза достаточно выполнить расчет управляющих координат для рационального набора захватываемых объектов, состоящий из 13 объектов различных форм и размеров, с которыми человеку приходится взаимодействовать в повседневной жизни;

3. Экспериментально показано, что применение 8 ЭМГ-датчиков в составе ЭМГ-системы позволяет достичь 78 % уровня распознавания 12 движений, необходимых для захвата объектов из рационального набора;

4. Показано, что для эффективного распознавания движений по снимаемым ЭМГ-сигналам с электромиографа достаточно применения двухслойной классифицирующей сети с функцией активации «ReLu» в скрытом слое и функцией «БоАтах» в выходном слое. В каждом слое находится по 24 искусственных нейрона;

5. Предложенный способ расчета управляющих координат для выполняемого хвата, основанный на последовательном пропорциональном приближении к сгенерированной поверхности захватываемого объекта, с произведением контроля «касания» в 5 точках фаланги по каждому пальцу, позволяет получить погрешность позиционирования соизмеримую с натурным экспериментом.

Степень достоверности и апробация результатов. Достоверность и обоснованность полученных результатов диссертационной работы представлена в научных трудах успешно выполненного научно-поискового проекта «Управление траекторией кинематического движения пальцев антропоморфного биопротеза кисти руки на основе нейронной сети» с 2022 по 2024 гг. (грант Российского научного фонда № 22-19-20095, https://rscf.ru/proiect/22-19-20095/ (дата обращения: 22.11.2025 г.)) и научных докладах на конференциях:

1. Управление траекторией кинематического движения пальцев антропоморфного биопротеза кисти руки на основе нейронной сети; авторы: В.Ф. Безъязычный, А.Н. Сутягин, Е.А. Елисеичев; первый Фестиваль академической науки Ярославской области, Вятское, 19.05.2023 г.; организатор: ФГБОУ ВО ЯрГУ им. П.Г. Демидова;

2. Антропоморфный биопротез кисти руки на основе нейронной сети; авторы: Е.А. Елисеичев, Е.О. Сенаторова; Школа реабилитации, г. Санкт-Петербург, 27-30.06.2023 г.; организатор: ФГБОУ ДПО СПб ЦПО ФМБА России;

3. Отличия паттернов интерференционной кривой с мышц предплечья при разных вариантах кистевого хвата; авторы: А.А. Тяптин, Е.А. Елисеичев, Р.М. Жилин; Научно-практическая конференция с международным участием «Ярославский НейроEvent-2023», г. Ярославль, 08-09.09.2023 г.; организатор: Ассоциация специалистов по клинической нейрофизиологии («Асклин»);

4. Обеспечение качества протезирования в условиях импортозамещения: отечественные бионические протезы верхних конечностей; авторы: Е.А. Елисеичев; Клуб молодых ученых, г. Москва, 12.09.2023 г.; организатор: ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет);

5. Применение математической модели антропоморфной бионической кисти для сокращения времени реабилитации; авторы: А.В. Юдин, Е.А. Елисеичев, И.С. Блинов; Математические методы в технике и технологиях (ММТТ-36), г. Минск, 23-27.10.2023 г.; организатор: Белорусский национальный технический университет;

6. Применение искусственных нейронных сетей в системе управления антропоморфной бионической кисти руки; авторы: А.А. Тяптин, Е.А. Елисеичев; Всероссийская конференция «Биоэтика и глобальные социальные трансформации», г. Ярославль, 28.06.2024 г.; организатор - ФГБОУ ВО ЯГМУ Минздрава России;

7. Обработка ЭМГ-сигналов искусственной нейронной сетью для управления биопротезом кисти; авторы: А.А. Тяптин, Е.А. Еличеичев, М.В. Панкратов, И.С. Блинов, Е.О. Сенаторова; Научно-практическая конференция «Актуальные вопросы клинической нейрофизиологии», г. Уфа, 06-07.06.2025 г.; организатор -Ассоциация специалистов по клинической нейрофизиологии («Асклин»);

8. Антропоморфная бионическая кисть с системой управления на основе искусственного интеллекта; авторы: Е.А. Елисеичев; Парад проектов 2025, итоговый модуль акселератора практик «Протезирование, медицинское и реабилитационное оборудование в соответствии с требованиями современного времени», г. Москва, 27.06.2025 г.; организатор - проект «КиберЛюди».

Полученные теоретические результаты коррелируют с результатами апробаций, проведенных по форме полунатурного/натурного экспериментов по следующим направлениям:

1. Экспериментальные исследования эффективности работы ЭМГ-датчика поверхностного типа по критериям: геометрические размеры и межэлектродное расстояние электродов;

2. Экспериментальные исследования влияния материалов и покрытий электродов на эффективность работы ЭМГ-датчика поверхностного типа;

3. Доклинические испытания опытного образца 8-канальной ЭМГ-системы на ампутированном предплечье;

4. Снятие ЭМГ-сигналов с мышц предплечья при выполнении фиксированного набора движений, определение оптимальных параметров оценивания ЭМГ-сигнала и обучение ИНС;

5. Оценка на стенде эффективности классификации движений и формирования хватов с помощью ИНС на основе вводимых вручную данных о захватываемом объекте.

Методики проведения вышеперечисленных экспериментов согласованы с профильными учреждениями: Федеральное государственное бюджетное образовательное учреждение высшего образования «Ярославский государственный медицинский университет» Министерства здравоохранения Российской Федерации и Филиал «Ярославский» Акционерное общество «Московское протезно-ортопедическое предприятие».

Публикации. По материалам работы опубликовано 14 научных работ, включая: 6 статей в рецензируемых журналах и изданиях из перечня ВАК РФ (2 из которых по научной специальности ВАК 2.2.12 Приборы, системы и изделия медицинского назначения), 5 статей в изданиях, индексируемых в системе Scopus и 2 свидетельства о государственной регистрации программы для ЭВМ.

Личный вклад соискателя. Результаты, представленные в работе, получены соискателем самостоятельно или на равных правах с соавторами в том числе: структура сложной кинематической схемы пальца биопротеза; состав рационального набора захватываемых объектов; оптимальные параметры ЭМГ-системы: количество ЭМГ-датчиков, их тип, значение подэлектродного импеданса, рабочее межэлектродное расстояние, геометрические размеры и материал электродов, концепция схемотехнического решения ЭМГ-датчика; разработка алгоритма определения участков мышечной активности в снимаемом ЭМГ-сигнале; определение структур ИНС классификации движений и ИНС формирования хватов; метод предварительного формирования хвата; сформулированы критерии эффективности для оценки: количества освоенных движений, вероятности правильной реализации хвата, качества выполнения хвата; конструкторская документация на стенды для проведения натурных испытаний.

Структура и объем диссертационной работы. Содержание работы соответствует специальности 2.2.12. Приборы, системы и изделия медицинского назначения. Диссертационная работа состоит из введения, четырех глав с

выводами, общих выводов и заключения, списка литературы. Основное содержание работы изложено на 182 страницах и содержит 71 рисунок, 22 таблицы, 26 формул и список литературы из 145 источников.

Глава 1. Исследование конструкций, серийно выпускающихся высокофункциональных протезов верхней конечности с микропроцессорным управлением и способов управления ими

1.1. Анализ и выбор кинематической схемы движения пальцев

В настоящее время проблема большинства доступных на рынке биопротезов заключается в том, что они не способны достаточно точно воспроизводить естественные движения. Отмечается, что только в здоровой кисти человека насчитывается порядка 19 суставов, каждый из которых снабжен сетью отдельных мышц, обеспечивающих точные движения, а в некоторых случаях даже с несколькими степенями свободы. Для обеспечения захвата объектов биопротезом необходимо учитывать два основных параметра: первый - это точность, когда кончики пальцев со 2-го по 5-й соприкасаются с кончиком 1-го пальца, и второй - это сила, с которой 1 -й палец соприкасается с областью ладони [1-11].

Сложность реализации заданных хватов биопротеза зависит от способа соединения его соседних звеньев. В теории механизмов и машин такое соединение соседних звеньев называется кинематической парой. Совокупность кинематических пар составляет кинематическую схему биопротеза. Выбор оптимальной кинематической схемы движения пальцев биопротеза позволяет наиболее достоверно математически описать движение человеческой конечности, а также снизить затраты при проектировании механизма и изготовлении конструкции.

Ниже рассматриваются преимущества и недостатки антропоморфных кинематических схем, которые нашли широкое применение в бионической инженерии и робототехнике.

В работе [12] антропоморфная кинематика, используемая для перемещения объектов, задействует первые три вращательные степени свободы. Вторая и

третья оси вращения располагаются параллельно друг другу и перпендикулярно первой оси (см. Рисунок 1.1). Эта схема на сегодняшний день является наиболее популярной среди манипуляционных роботов.

Главное достоинство такой конструкции - это способность ориентировать ось конечного звена под любым необходимым углом к объекту в пределах обширной рабочей зоны. Данная характеристика зачастую играет ключевую роль при выборе манипулятора для решения множества задач. Первым промышленным роботом, в котором реализован антропоморфный принцип, был итта1е Рита-560. Этот манипулятор способен поднимать грузы до 2,5 кг. Его рабочая область имеет диаметр около 1,5 метров. Максимальная скорость передвижения составляет 1 м/с, а точность позиционирования достигает 0,2 мм. Система управления позволяет перемещать деталь, удерживаемую хватом, по любой прямолинейной траектории, находящейся в границах рабочей зоны.

Данный подход дает возможность установить тип кинематической пары, основываясь на относительном перемещении ее элементов, определить класс в соответствии с классификацией Ассура-Артоболевского, а также вычислить степень свободы кинематической цепи по уравнению Сомова-Малышева для пространственных механизмов, чьи звенья способны двигаться во взаимно перпендикулярных плоскостях.

N

£

Рисунок 1.1 - Антропоморфный робот-манипулятор

В работе [13] для разработки кинематической цепи руки человека применяется метод структурного анализа. Данный подход дает возможность установить тип кинематической цепи, основываясь на относительном перемещении ее элементов, определить класс в соответствии с классификацией по Ассура-Артоболевского, а также вычислить степень свободы кинематической цепи по уравнению Сомова-Малышева для пространственных механизмов, чьи звенья способны двигаться во взаимно перпендикулярных плоскостях. В аналитический форме такой расчет имеет следующий вид:

Ш = 6п-5р5-4р4-3рз-2р2-р1, (1.1)

где п - число подвижных звеньев, р5 - количество кинематических пар 5 класса, р4 - количество кинематических пар 4 класса, р3 - количество кинематических пар 3 класса, р2 - количество кинематических пар 2 класса, р1 - количество кинематических пар 1 класса.

Такой метод кинематического расчета может быть использован в биопротезировании верхних конечностей для создания механизмов с пространственным типом движения.

В группе работ [14-18] представлено описание конструкции пальцевого механизма адаптивного типа. Авторы данной работы предлагают использование плоских рычажных механизмов для организации движения пальцев биопротеза. Плоский четырехпозиционный механизм часто используется для создания адаптивных антропоморфных пальцев биопротеза. Четырехпозиционный механизм с поперечной связью обычно выбирается для проектирования соединений фаланг пальцев. На Рисунке 1.2 изображена структура и кинематическая схема четырехпозиционного плоского механизма пальца биопротеза, в которой обычно размещают источник возбуждения в пястно-фаланговом суставе. Приводы непосредственно управляют вращением

проксимальной фаланги (АР), в то время как соединенные рычаги позволяют другим фалангам выполнять движения, необходимые для захвата объекта.

Рисунок 1.2 - Структура и кинематическая схема четырехпозиционного плоского механизма пальца биопротеза, где левый рисунок - принцип соединения, средний

рисунок - группы соединений и правый рисунок - схема перемещения

В работах [15, 19-21] выполняется кинематический анализ конструкции пальцев биопротеза для определения производительности и способности предлагаемой конструкции осуществлять движения, подобные естественной руке человека. Для определения траектории движения кончика пальцев используется метод Денавита-Хартенберга, а для определения скорости движения суставов используется вычислительная матрица Якоби. Исследуемая конструкция пальца представлена на Рисунке 1.3.

В

Рисунок 1.3 - Трехфаланговая конструкция пальца

Конструкция пальца состоит из трех фаланг, трех суставов, имеющих три степени свободы движения. Палец приводится в движение серводвигателем, который перемещает два набора звеньев, встроенных внутри пальца. Первый набор этих звеньев перемещает как дистальную, так и среднюю фаланги, а второй набор перемещает среднюю и проксимальную фаланги. Для выполнения расчета траектории движения кончика пальца по методу Денавита-Хартенберга на Рисунке 1.4 приведена кинематическая схема пальца, на которой указаны его суставы, и показано, как они соединяются со звеньями.

Рисунок 1.4 - К определению траектории движения кончика пальца по методу

Денавита-Хартенберга

Отмечается, что полученные авторами теоретические результаты кинематического анализа траектории движения кончика пальца биопротеза согласуются с результатами моделирования в МаНаЬ (см. Таблицу 1).

Т а б л и ц а 1 - Результаты кинематического анализа (на примере сгибания второго пальца)

Перемещение шарнира, ° Расчетное смещение кончика пальца, мм Смещение кончика пальца по МайаЬ, мм

01 02 0з 04 05 X У 2 X У 2

90 90 90 90 90 28,0 76,0 0 28,0 76,0 0

75 75 75 75 75 44,6 33,9 0 43,7 35,4 0

15 15 15 15 15 85,4 70,1 0 84,5 68,6 0

В группе работ [22-24] рассматривается метод кинематической оптимизации конструкции антропоморфной роботизированной руки. Авторы фокусируют внимание на двух параметрах: первый - это максимальное пересечение первого пальца с оставшимися другими в рабочем пространстве, второй - это максимальные геометрические размеры объекта, который можно схватить. Авторами метод кинематической оптимизации разделен на два этапа. На первом этапе (2Д-оптимизация) производится оптимизация длин звеньев пальцев со 2-го по 5-й, так чтобы эти длины звеньев соответствовали двумерному рабочему пространству человеческой руки. На втором этапе (ЗД-оптимизация), на основе получившихся длин звеньев выполняется трехмерная оптимизация всей кисти, чтобы определить наиболее правильные положение и ориентацию каждого пальца относительно первого пальца, при этом определяются длины звеньев и углы перемещения для первого пальца. В конечном итоге конструкция кисти получается оптимизирована таким образом, чтобы стало возможным схватить объект с наибольшими геометрическими размерами. На Рисунке 1.5 изображена кинематическая модель исследуемой кисти, а в Таблице 2 представлены параметры по Денавиту-Хартенбергу для оптимизации длины звеньев пальцев.

Список литературы диссертационного исследования кандидат наук Елисеичев Евгений Александрович, 2026 год

Список литературы

1. Bhatti, Shameem. «DESIGN OF A MULTIPLE FINGER PROSTHETIC HAND WITH A PASSIVE ADAPTIVE GRASP SYSTEM.» (2010).

2. An, K. N., Chao, E. Y., Cooney, W. P., 3rd, & Linscheid, R. L. (1979). Normative model of human hand for biomechanical analysis. Journal of biomechanics, 12(10), 775-788. https://doi.org/10.1016/0021-9290(79)90163-5.

3. Andriacchi, T. P., Alexander, E. J., Toney, M. K., Dyrby, C., & Sum, J. (1998). A point cluster method for in vivo motion analysis: applied to a study of knee kinematics. Journal of biomechanical engineering, 120(6), 743-749. https://doi.org/10.1115/1.2834888.

4. Buczek, F. L., Sinsel, E. W., Gloekler, D. S., Wimer, B. M., Warren, C. M., & Wu, J. Z. (2011). Kinematic performance of a six degree-of-freedom hand model (6DHand) for use in occupational biomechanics. Journal of biomechanics, 44(9), 18051809. https://doi.org/10.1016/j.jbiomech.2011.04.003.

5. Cerveri, P., Lopomo, N., Pedotti, A., & Ferrigno, G. (2005). Derivation of centers and axes of rotation for wrist and fingers in a hand kinematic model: methods and reliability results. Annals of biomedical engineering, 33(3), 402-412. https://doi.org/10.1007/s10439-005-1743-9.

6. Kociolek, A. M., & Keir, P. J. (2011). Modelling tendon excursions and moment arms of the finger flexors: anatomic fidelity versus function. Journal of biomechanics, 44(10), 1967-1973. https://doi.org/10.1016/j.jbiomech.2011.05.002.

7. Lee, S. W., Chen, H., Towles, J. D., & Kamper, D. G. (2008). Estimation of the effective static moment arms of the tendons in the index finger extensor mechanism. Journal of biomechanics, 41(7), 1567-1573. https://doi.org/10.1016/jjbiomech.2008.02.008.

8. Qin, J., Lee, D., Li, Z., Chen, H., & Dennerlein, J. T. (2010). Estimating in vivo passive forces of the index finger muscles: Exploring model parameters. Journal of biomechanics, 43(7), 1358-1363. https://doi.org/10.1016/jjbiomech.2010.01.014.

9. Sancho-Bru, J. L., Pérez-González, A., Vergara-Monedero, M., & Giurintano, D. (2001). A 3-D dynamic model of human finger for studying free movements. Journal of biomechanics, 34(11), 1491-1500. https://doi.org/10.1016/s0021 -9290(01 )00106-3.

10. Sancho-Bru, J. L., Pérez-González, A., Vergara, M., & Giurintano, D. J. (2003). A 3D biomechanical model of the hand for power grip. Journal of biomechanical engineering, 125(1), 78-83. https://doi.org/10.1115/1.1532791.

11. Wu, J. Z., An, K. N., Cutlip, R. G., & Dong, R. G. (2010). A practical biomechanical model of the index finger simulating the kinematics of the muscle/tendon excursions. Bio-medical materials and engineering, 20(2), 89-97. https://doi.org/10.3233/BME-2010-0618.

12. Модели и алгоритмы для интеллектуальных систем управления / А.А. Богуславский [и др.]. М.: ИПМ им. М.В. Келдыша, 2019. 228 с.

13. О.А. Левченко, А.С. Матвейчук, А.А. Сомченко. Кинематическая модель и структурный анализ руки человека // Сборник научных трудов Донбасского государственного технического университета. 2015. № 2 (45). С. 124-129.

14. Cheng, M., Jiang, L., & Liu, Z. (2025). Design and Optimization of an Anthropomorphic Robot Finger. Biomimetics (Basel, Switzerland), 10(3), 170. https://doi.org/10.3390/biomimetics10030170.

15. Quigley M, Salisbury C, Ng AY, Salisbury JK. Mechatronic design of an integrated robotic hand. The International Journal of Robotics Research. 2014;33(5):706-720. doi:10.1177/0278364913515032.

16. Cheng, M., Fan, S., Yang, D., and Jiang, L. (July 28, 2020). "Design of an Underactuated Finger Based on a Novel Nine-Bar Mechanism." ASME. J. Mechanisms Robotics. December 2020; 12(6): 065001. https://doi.org/10.1115/1.4047730.

17. W. Song and W. Zhang, "A Novel Coupling-Parallel-Adaption Merged Underactuated Finger with Link-wheel Mechanism," 2018 IEEE International Conference on Robotics and Biomimetics (ROBIO), Kuala Lumpur, Malaysia, 2018, pp. 2316-2321, doi: 10.1109/ROBIO.2018.8665176.

18. Zhang, W., Zhang, W., Zhao, D., Zhou, H., Sun, Z., Du, D., & Chen, Q. (2013). Two-dof coupled and self-adaptive (cosa) finger: a novel under-actuated mechanism.

International Journal of Humanoid Robotics, 10(02), 1330001. https://doi.org/10.1142/S0219843613300018.

19. Naeem, Samara & Faidh-Allah, Majid. (2021). Forward Kinematic and Jacobian Matrix for the Prosthetic Human Finger Actuated by Links. Mathematical Modelling of Engineering Problems. 8. 974-978. 10.18280/mmep.080618.

20. Chappell, Paul. (2016). Mechatronic Hands Prosthetic and Robotic Design. 10.1049/PBCE105E.

21. S. Bai and M. Ceccarelli (eds.), Recent Advances in Mechanism Design for Robotics, Mechanisms and Machine Science 33, DOI 10.1007/978-3-319-18126-4_1.

22. Votta, Ann & Günay, Sezen & Zylich, Brian & Skorina, Erik & Rameshwar, Raagini & Erdogmus, Deniz & Onal, C.D.. (2020). Kinematic Optimization of an Underactuated Anthropomorphic Prosthetic Hand. 3397-3403. 10.1109/IROS45743.2020.9341640.

23. R. Datta, S. Pradhan and B. Bhattacharya, "Analysis and Design Optimization of a Robotic Gripper Using Multiobjective Genetic Algorithm," in IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 46, no. 1, pp. 16-26, Jan. 2016, doi: 10.1109/TSMC.2015.2437847.

24. W. S. You, Y. H. Lee, G. Kang, H. S. Oh, J. K. Seo and H. R. Choi, "Kinematic design optimization of anthropomorphic robot hand using a new performance index," 2017 14th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI), Jeju, Korea (South), 2017, pp. 20-25, doi: 10.1109/URAI.2017.7992878.

25. Jair, L. & Arzola, Nelson & Hernandez Beleño, Ruben. (2020). Modeling and Detailed design of the Hand Prosthesis Promanu. Journal of Engineering Science and Technology Review. 13. 126-133. 10.25103/jestr.133.14.

26. R. Ozawa, H. Kobayashi and K. Hashirii, "Analysis, Classification, and Design of Tendon-Driven Mechanisms," in IEEE Transactions on Robotics, vol. 30, no. 2, pp. 396-410, April 2014, doi: 10.1109/TRO.2013.2287976.

27. S. Reza Kashef, Samane Amini, Alireza Akbarzadeh, Robotic hand: A review on linkage-driven finger mechanisms of prosthetic hands and evaluation of the

performance criteria, Mechanism and Machine Theory, Volume 145, 2020, 103677, ISSN 0094-114X, https://doi.org/10.1016/j.mechmachtheory.2019.103677.

28. Dukchan Yoon, Geon Lee, Sungon Lee and Y. Choi, "Underactuated finger mechanism for natural motion and self-adaptive grasping towards bionic partial hand," 2016 6th IEEE International Conference on Biomedical Robotics and Biomechatronics (BioRob), Singapore, 2016, pp. 548-553, doi: 10.1109/BI0R0B.2016.7523683.

29. C. Y. Brown and H. H. Asada, "Inter-finger coordination and postural synergies in robot hands via mechanical implementation of principal components analysis," 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems, San Diego, CA, USA, 2007, pp. 2877-2882, doi: 10.1109/IR0S.2007.4399547.

30. Cort, J., & Potvin, J. (2011). Maximum isometric finger pull forces. International Journal of Industrial Ergonomics. https : //doi. org/10.1016/J.ERG0N.2010.12.008.

31. Pena-Pitarch, E., Falguera, N. T., & Yang, J. J. (2014). Virtual human hand: model and kinematics. Computer methods in biomechanics and biomedical engineering, 17(5), 568-579. https://doi.org/10.1080/10255842.2012.702864.

32. Gao, G., Shahmohammadi, M., Gerez, L., Kontoudis, G., & Liarokapis, M. (2021). On Differential Mechanisms for Underactuated, Lightweight, Adaptive Prosthetic Hands. Frontiers in neurorobotics, 15, 702031. https://doi.org/10.3389/fnbot.2021.702031.

33. Warlow, Oliver M E. «Kinematic and anatomical measurement for biomechanical finger models.» (2012).

34. Schuind, F., Garcia-Elias, M., Cooney, W. P., 3rd, & An, K. N. (1992). Flexor tendon forces: in vivo measurements. The Journal of hand surgery, 17(2), 291 -298. https://doi.org/10.1016/0363-5023(92)90408-h.

35. Методы биомехатроники тренажера руки человека / А.К. Платонов [и др.]. М.: Препринты ИМП им. М.В. Келдыша, 2012. № 82. 40 с.

36. Jazar R.N. Theory of Applied Robotics. Kinematics, Dynamics, and Control. -New York: Springer New York, 2007. - 694 p.

37. Kelly R., Santibanez V., Loria A. Control of Robot Manipulators in Joint Space. - New York: Springer New York, 2005. - 426 p.

38. Naidy D.S., Nandikolla V.K. Fusion of hard and soft control strategies for left ventricular ejection dynamics arising in biomedicine // Proceedings of the 2005 American Control Conference / Portland, (8-10 June 2005). - 2005. - P. 1575-1580. -DOI:10.1109/ACC.2005.1470192.

39. Salehi V., Kahrobaee S., Afsharnia S. Power flow control and power quality improvement of wind turbine using universal custom power conditioner // 2006 IEEE International Symposium on Industrial Electronics. - 2006. - P. 1888 1892. DOI: 10.1109/ISIE.2006.295860

40. Siciliano B., Sciavicco L., Villiani L., Oriolo G. Robotics: Modelling, Planning and Control. - London: Springer London, 2009. - 632 p.

41. Shaoqiang Y, Zhong L, Xingshan L. Modeling and simulation of robot based on Matlab/SimMechanics. // The 27th Chinese Control Conference / Kunming, (2008). -2008. - P. 161-165. DOI: 10.1109/CHICC.2008.4604913.

42. Robotics Toolbox for Matlab // Laboratorio Didattico Sperimentale del Dipartimento di Automatica e Informatica del Politecnico di Torino. URL: http://www.ladispe.polito.it/corsi/meccatronica/01CFI/201011/Materials/Corke%20Rob otic%20Toolobox.pdf (дата обращения: 22.09.2022).

43. Mattar E. e_GRASP: Robotic Hand Modeling and Simulation Environment // Journal of Advances in Robotics & Automation. - 2013. -№ 4 (10). - Vol. 2. DOI: 10.4172/2168-9695.1000109.

44. Birgestam M. Controlling a Robot Hand in Simulation and Reality. Degree thesis. Linkoping. - 2008. - 35 p.

45. Ranjan R., Kumar A., Dhyani P. Modelling and simulation of depth calculation of robotic humanoid arm // International Journal of Engineering Science and Technology. - 2012. - Vol. 4 (6). - P. 2616 - 2625.

46. Петров Ю.А., Тихомиров В.А., Литвин, А.В. Оценка адекватности моделей механизмов на основе их параллельной разработки в различных средах // Журнал «Информатика и системы управления». 2011. № 3 (29). С. 159-166.

47. Musiolik A. Multibody Model of the Human Hand for the Dynamic Analysis of a Hand Rehabilitation Device. Master's degree thesis. Lisbon. - 2008. - 102 p.

48. Michelangelo Hand 8E500 - Руководство по применению // Ottobock. URL: https://www.ottobock.com/ru-ru/product/8E500 (дата обращения: 01.03.2023).

49. Bebionic Hand EQD 8E70=*, Bebionic Hand Short Wrist 8E71=*, Bebionic Hand Flex 8E72=* - Руководство по применению // Ottobock. URL: https://www.ottobock.com/ru-ru/product/8E70 (дата обращения: 28.03.2023).

50. i-LIMB HAND 2021 - Instructions for Use // Ossur: Life without Limitations. URL: https://media.ossur.com/ossur-dam/image/upload/pi-documentsglobal/ PN20268_ iLimb_Ultra_titanium.pdf (дата обращения: 02.04.2023).

51. VINCENTevolution4 - Спецификация // VINCENT Systems GmbH. URL: https://vincentsystems.vitaorta.ru/wp-documents/VINCENTevolution4-spec.pdf (дата обращения: 20.03.2023).

52. Бионическая протезная кисть VINCENTevolution4 - Руководство для протезиста // VINCENT Systems GmbH. URL: https://vincentsystems.vitaorta.ru/wp-documents/VINCENTevolution4-cm.pdf (дата обращения: 20.03.2023).

53. Hero Arm - Спецификация // OPENBIONICS. URL: https://openbionics.vitaorta.ru/wp-documents/d100164-Hero-Arm-Technical-Specification-RUS.pdf (дата обращения: 25.04.2023).

54. Hero Arm - Руководство пользователя // OPENBIONICS. URL: https://openbionics.vitaorta.ru/wp-documents/d100161 -Hero-Arm-User-Manual-RUS.pdf (дата обращения: 25.04.2023).

55. TASKA - Specifications // URL: https://fillauer.com/wp-content/uploads/2021/08/200-30-021 -EN-B-Specifications-V2- 1.pd (дата обращения: 02.05.2023).

56. TASKA HandGen1, Gen2 Medium& Large V2.1 - Quick Start Guide // URL: https://fillauer.com/wp-content/uploads/2021/08/200-30-029-EN-B-Quick-Start-Guide-User-V2-1.pdf (дата обращения: 10.05.2022).

57. Mobius Bionics: сайт. URL: https://www.mobiusbionics.com/ (дата обращения: 09.05.2023).

58. OYMotion: сайт. URL: http://www.oymotion.com/en/product31/126 (дата обращения: 16.06.2023).

59. Бионическая кисть OHand и локтевой модуль с электроприводом - Буклет // ООО «Компания ВИТА-ОРТА»: сайт. URL: http://vitaorta.ru/main-page/ohand/ (дата обращения: 16.07.2023).

60. Цифровая обработка сигналов. Учебное пособие по дисциплине «Цифровая обработка сигналов» / Ю.Н. Матвеев [и др.]. СПб: СПбНИУ ИТМО, 2013. 166 с.

61. Delgado-Martínez I., Righi M., Santos D., Cutrone A., Bossi S., D'Amico S., Del Valle J., Micera S., Navarro X. Fascicular nerve stimulation and recording using of novel double-aisle regenerative electrodes // Journal of neural engineering. - 2017. -№ 4. - (V. 14): 046003. - DOI:10.1088/1741-2552/aa6bac.

62. Щербина К.К., Головин М.А., Владимирова О.А. Обзор методов локального предотвращения затухания электрических сигналов при регистрации электрической активности нервов периферической нервной системы // Физическая и реабилитационная медицина. 2021. №1 (Т. 3). С. 67-71. DOI: 10.26211/2658-4522-2021-3-1-61-71.

63. Применение имплантируемых микроэлектродов в системах управления протезами / Д.Р. Сафин [и др.]. Вестник Уфимского государственного авиационного технического университета. 2010. № 2 (37). Т. 14. С. 104-109.

64. Горохова Н.М., Головин М.А., Чежин М.С. Методы управления протезами верхних конечностей // Научно-технический вестник информационных технологий, механики и оптики. 2019. № 2 (Т. 19). С. 314-325.

65. Ruvalcaba J.A., Gutiérrez M.I., Vera A., Leija L. Wearable Active Electrode for sEMG Monitoring Using Two-Channel Brass Dry Electrodes with Reduced Electronics // Journal of healthcare engineering. - 2020. - V. 2020: 5950218. - 11 p. -DOI: 10.1155/2020/5950218.

66. Rodrigues M., Fiedler P., Küchler N., P Domingues R., Lopes C., Borges J., Haueisen J., Vaz F. Dry Electrodes for Surface Electromyography Based on Architectured Titanium Thin Films // Materials (Basel). - 2020. - № 9 (13): 2135. -16 p. - DOI: 10.3390/ma13092135.

67. Полторанина О.А., Лежина И.А., Уваров А.А. Емкостные датчики для бесконтактной регистрации электрокардиограммы // Молодежь и современные

информационные технологии: Сборник трудов XIII Международной научно-практической конференции студентов, аспирантов и молодых учёных: в 2 томах. 2016. Т. 2. С. 174-175.

68. Бекмачев А. Датчики Epic от Plessey Semiconductors - прорыв в сенсорных технологиях // Компоненты и технологии. 2013. № 1 (138). С. 21-24.

69. Chi Y.M., Jung T.P., Cauwenberghs G. Dry-contact and noncontact biopotential electrodes: methodological review // IEEE reviews in biomedical engineering. - 2010. -V. 3. - P. 106-119. - DOI: 10.1109/RBME.2010.2084078.

70. Kralikova I., Babusiak B. and Labuda M., Textile Electrodes for Bioelectrical Signal Measurement // 2022 ELEKTRO (ELEKTRO). - 2022. - P. 1 5. -DOI: 10.1109/ELEKTRO53996.2022.9803363.

71. Оценка эффективности различных конструкций электродов и усилителей биосигналов в системах управления протезами / Д.Р. Сафин [и др.]. Известия высших учебных заведений. Поволжский регион. Технические науки. 2009. №2 (10). С. 88-101.

72. Merlo A., Bo M.C., Campanini I. Electrode Size and Placement for Surface EMG Bipolar Detection from the Brachioradialis Muscle: A Scoping Review // Sensors. - 2021. - V. 21: 7322. - DOI:10.3390/s21217322.

73. Raez. M, Hussain M., Mohd-Yasin F. Techniques of EMG signal analysis: Detection, processing, classification and applications // Biological procedures online. -2016. -№ 8. P. 11-35.

74. Кабанов А.А. Разработка схемы аналоговой фильтрации сигнала электромиографии // Омский научный вестник. 2018. № 5(161). С. 135-138.

75. Wang J., Tang L., Bronlund J. Surface EMG Signal Amplification and Filtering // International Journal of Computer Applications. - 2013. - № 82 (1). - P. 15-22.

76. Grove - EMG Detector - Техническая документация // АО «ЧИП и ДИП»: сайт. URL: https://static.chipdip.ru/lib/156/DOC004156297.pdf (дата обращения: 28.05.2022).

77. Grove - EMG Detector // Seeed Studio: сайт. URL: https://wiki.seeedstudio.com/Grove-EMG_Detector/ (дата обращения: 28.05.2022).

78. Myo v1.2 Модуль для регистрации ЭМГ сигналов - Инструкция по эксплуатации // ELEMYO: сайт. URL: https://drive.google.com/file/ d/1OsCOC6UhO3uZjDJSOgZqn9KPosG3rShK/view?usp=sharing (дата обращения: 14.05.2022).

79. Модуль MYO v1.2 // ELEMYO: сайт. URL: https://elemyo.com/producty/modul_myo_v1_2 (дата обращения: 14.05.2022).

80. Precision very Low Power CMOS dual operational amplifiers TS27L2C, I, M -Техническая документация // STMicroelectronics: сайт. URL: https://www.st.com/resource/en/datasheet/ts27l2.pdf (дата обращения: 18.05.2022).

81. Ultracompact, Precision 10.0 V/ 5.0 V/ 3.0 V Voltage References ADR01/ADR02/ADR03/ADR06 - Техническая документация // Analog Devices: сайт. URL: https://www.analog.com/media/en/technical-documentation/data-sheets/ADR01_02_03_06.pdf (дата обращения: 19.05.2022).

82. Датчик MH-BPS102 // ELEMYO: сайт. URL: https://elemyo.com/producty/ datchik_mhbps102 (дата обращения: 23.05.2022).

83. MH-BPS102 Датчик для регистрации ЭМГ, ЭКГ сигналов - Инструкция по эксплуатации // ELEMYO: сайт. URL: https://drive.google.com/file/d/ 17eKBfF7E8k1lOviZrxRwNmjIiXeeEyqo/view?usp=sharing (дата обращения: 23.05.2022).

84. G=0.2, Level Translation 16-Dit ADC Driver AD8275 - Техническая документация // Analog Devices: сайт. URL: https://www.analog.com/media/en/ technical-documentation/data-sheets/AD8275.pdf (дата обращения: 24.05.2022).

85. Single-Ended, Rail-to-Rail I/O, Low Gain PGA MCP6S21/2/6/8 - Техническая документация // Портал радиолюбителей radio-hobby.org: сайт. URL: http://radio-hobby.org/uploads/datasheet/87/mcp6/mcp6s21.pdf (дата обращения: 24.05.2022).

86. Single Lead, Heart Rate Monitor Front End AD8232 - Техническая документация // Analog Devices: сайт. URL: https://www.analog.com/media/en/ technical-documentation/data-sheets/ad8232.pdf (дата обращения: 26.05.2022).

87. Алгоритм предварительной обработки электромиографического сигнала для дальнейшего выявления эпизодов мышечного сокращения // 77-я Научно-

техническая конференция Санкт-Петербургского НТО РЭС им. А.С. Попова, посвященная Дню радио: сб. докладов. СПбГЭТУ «ЛЭТИ». Санкт-Петербург. 2022. 330 с. URL: https://conf-ntores.etu.ru/2022/ru/ (дата обращения: 26.05.2022).

88. Кабанов, А.А. Разработка схемы аналоговой фильтрации сигнала электромиографии // Омский научный вестник. 2018. № 5 (161). С. 135-138. D0I:10.25206/1813-8225-2018-161-135-138.

89. Carvalho C.R., Fernández J.M., del-Ama A.J., Oliveira Barroso F., Moreno J.C. Review of electromyography onset detection methods for real-time control of robotic exoskeletons // Journal of NeuroEngineering and Rehabilitation. 2023. V. 20. No 1. P. 141-156.

90. Noce E., Dellacasa Bellingegni A., Ciancio A.L., Sacchetti R., Davalli A., Guglielmelli E., Zollo L. EMG and ENG-envelope pattern recognition for prosthetic hand control // Journal of Neuroscience Methods. 2018. V. 311. P. 38-46.

91. Solnik S., Rider P., Steinweg K., DeVita P., Hortobagyi T. Teager-Kaiser energy operator signal conditioning improves EMG onset detection // European journal of applied physiology. 2010. V. 110. No 3. P. 489-498.

92. Yang D., Huang Q., Yang W., Liu H. EMG Onset Detection Based on Teager-Kaiser Energy Operator and Morphological Close Operation // International Conference on Intelligent Robotics and Applications (ICIRA). 2015. V. 8103. P. 257-268.

93. Ozgunen K., Umut C., Kurdak S. Determination of an Optimal Threshold Value for Muscle Activity Detection in EMG Analysis // Journal of sports science & medicine. 2010. V. 9. No 4. P. 620-628.

94. Qizhu S., Yining S., Xiangfeng D., Zuchang M. Onset determination of muscle contraction in surface electromyography signals analysis // IEEE International Conference on Information Acquisition. 2005. P. 3957-3962.

95. Perez A.C. Design strategies for detecting action potentials in actions based on movements. Madrid: Universidad Politecnica de Madrid, 2018.

96. Morantes G., Fernandez G., Altuve M. A Threshold-Based Approach for Muscle Contraction Detection From Surface EMG Signals // IX International Seminar on Medical Information Processing and Analysis. 2013. V. 8922.

97. Jubany J., Angulo-Barroso R. An algorithm for detecting EMG onset/offset in trunk muscles during a reaction-stabilization test // Journal of back and musculoskeletal rehabilitation. 2015. V. 29. No 2. P. 219-230.

98. De Marchis C., Schmid M., Conforto S. An optimized method for tremor detection and temporal tracking through repeated second order moment calculations on the surface EMG signal // Medical engineering & physics. 2012. V. 34. No 9. P. 12681277.

99. Uthvag S., Sai P.V., Kumar S.D., Muthusamy H., Chanu O.R., Raj V.K. REALTIME EMG ACQUISITION AND FEATURE EXTRACTION FOR REHABILITATION AND PROSTHESIS // Biomedical Engineering: Applications, Basis and Communications. 2019. V. 31. No 5. P. 1950037.

100. Zhang X., Wang X., Wang B., Sugi T., Nakamura M. Automatic adaptive onset detection using an electromyogram with individual difference for control of a meal assistance robot // Journal of medical engineering & technology. 2009. V. 33. No 4. P. 322-327.

101. Унанян Н.Д. Методы и алгоритмы обработки электромиографического сигнала для управления механическими системами: диссертация на соискание ученой степени канд. техн. наук. Москва. 2022. 116 с.

102. Unanyan N.N., Belov A.A. Design of upper limb prosthesis using real-time motion detection method based on EMG signal processing // Biomedical Signal Processing and Control. 2021. V 70. P 1-11.

103. Naseer N., Ali F., Ahmed S., Iftikhar S., Khan R., Gilani S.H. EMG Based Control of Individual Fingers of Robotic Hand // International Conference on Sustainable Information Engineering and Technology (SIET). 2018. P. 6-9.

104. Naseer N., Ali F., Ahmed S., Iftikhar S., Khan R., Gilani S.H. EMG Based Control of Individual Fingers of Robotic Hand // International Conference on Sustainable Information Engineering and Technology (SIET). 2018. P. 6-9.

105. Zhang Z., Yu X., Qian J. Classification of Finger Movements for Prosthesis Control with Surface Electromyography // Sensors and Materials. 2020. V. 32. No 4. P. 1523-1532.

106. Abbaspour S., Linden M., Gholamhosseini H., Naber A., Ortiz-Catalan M. Evaluation of surface EMG-based recognition algorithms for decoding hand movements // Medical & Biological Engineering & Computing. 2019. V. 58. No 8. P. 83-100.

107. Phinyomark A., Khushaba R., Scheme E. Feature Extraction and Selection for Myoelectric Control Based on Wearable EMG Sensors // Sensors. 2018. V. 18. No 5. P. 1615-1631.

108. Bhagwat S., Mukherji P. Electromyogram (EMG) based fingers movement recognition using sparse filtering of wavelet packet coefficients // Sadhana. 2020. V. 45. No 1. P. 1-11.

109. Mahmood N., Al Muifraje M., Saeed T., Kaittan, A. Upper Prosthetic Design based on EMG: A Systematic Review // IOP Conference Series: Materials Science and Engineering. 2020. V. 978. No 1. P. 012025.

110. Phinyomark A., Phukpattaranont P., Limsakul C. Feature Reduction and Selection for EMG Signal Classification // Expert Systems with Applications. 2012. V. 39. No 8. P. 7420-7431.

111. Pozzi M., Achill G.M., Valigi M.C., Malvezzi M. Modeling and Simulation of Robotic Grasping in Simulink Through Simscape Multibody. Front Robot AI, 2022. Vol. 9. DOI: 10.3389/frobt.2022.873558.

112. Claret J-A., Suarez R. Efficient and practical determination of grasping configurations for anthropomorphic hands // IFAC Proceedings Volumes (IFAC-PapersOnline), 2011. Vol. 18. DOI: 10.3182/20110828-6-IT-1002.00711.

113. Nehaa E., Suhaib M., Asthana S., Mukherjeec S. Grasp analysis of a four-fingered robotic hand based on matlab simmechanics // Journal of Computational and Applied Research in Mechanical Engineering, 2019. Vol. 9 (2). P. 169-182. DOI: 10.22061/jcarme.2019.3427.1390.

114. Malvezzi M., Gionata S. SynGrasp: A Matlab Toolbox for Underactuated and Compliant Hands. IEEE Robotics & Automation Magazine, 2015. Vol. 22. DOI: 10.1109/MRA.2015.2408772.

115. Zodey S., Pradhan S. K. Matlab Toolbox for Kinematic Analysis and Simulation of Dexterous Robotic Grippers. Procedia Engineering, 2014. Vol. 97. P. 1886-1895. DOI: 10.1016/j.proeng.2014.12.342.

116. Calle-Siguencia J., Pinto-Leon R. A., Encalada-Seminario G. A. Design and kinematic analysis of a biphalange articulated finger mechanism for a biomechatronic hand prosthesis. 2018 IEEE International Autumn Meeting on Power, Electronics and Computing, Ixtapa, Mexico, 2018. P. 1-7. DOI: 10.1109/ROPEC.2018.8661357.

117. Hahne J., Wilke M., Koppe M., Farina D. Simultaneous control of multiple functions of bionic hand prostheses: Performance and robustness in end users. Science Robotics, 2018. Vol. 3. DOI: 10.1126/scirobotics.aat3630.

118. Piazza C., Simon A., Turner K., Miller L., Catalano M., Bicchi A., Hargrove L. Exploring augmented grasping capabilities in a multi-synergistic soft bionic hand. Journal of NeuroEngineering and Rehabilitation, 2020. Vol. 17. DOI: 10.1186/s12984-020-00741-y.

119. Sundaram S., Kellnhofer P., Li Y., Zhu J., Torralba A., Matusik W. Learning the signatures of the human grasp using a scalable tactile glove. Nature, 2019. Vol. 569. P. 698-702. DOI: 10.1038/s41586-019-1234-z.

120. Li Z., Hou Z., Mao Y., Shang Y., Kuta L. The Development of a Two-finger Dexterous Bionic Hand with Three Grasping Patterns-NWAFU Hand. Journal of Bionic Engineering, 2020. Vol. 17. DOI: 10.1007/s42235-020-0068-6.

121. Bez"yazychnyi V.F., Eliseichev E.A., Gusev O.V., Yudin A.V., Mikhailov V.V. Finger Trajectory of an Anthropomorphic Hand Prosthesis. Russian Engineering Research, 2023, vol. 43, no. 5, pp. 552-560. DOI: 10.3103/S1068798X2305043X.

122. Муйземнек А.Ю. Теория механизмов и машин: учеб. пособие. Пенза: Изд-во ПГУ, 2019. 160 с.

123. Anthropomorphic Hand Optimization based on a Latent Space Analysis. Degree thesis. Klostenburg. - 2011. - 149 p.

124. Дюбкова, Т.П., Альшевская С.В. Частота курения табака среди студенческой молодежи и мотивации продолжения курения в период обучения в

вузе // Вопросы организации и информатизации здравоохранения. 2009. № 2 (59). С. 50-56.

125. Шакирова Е.Ф. О методах оценки частоты использования легкового автомобиля // Проблемы эксплуатации и обслуживания транспортно-технологических машин: Материалы международной научно-технической конференции. 2008. С. 213-216.

126. Кучма В.Р., Рапопорт И.К., Соколова С.Б. Распространенность и оценка использования электронных устройств в учебной и досуговой деятельности школьников 7-8 классов // Сеченовский вестник. 2015. № 3(21). С. 43-50.

127. Дюдикова Е.И., Брумштейн Ю.М., Танющева Н.Ю. Анализ и управление рисками использования информационных технологий при работе с наличными, безналичными и электронными деньгами // Прикаспийский журнал: управление и высокие технологии. 2016. № 1(33). С. 161-175.

128. Kshirsagar A., Fortuna R., Xie Z., Hoffman G. Dataset of Bimanual Human-to-Human Object Handovers // Data in Brief. - 2023. - Vol. 48. -DOI: 109277. 10.1016/j.dib.2023.109277.

129. Naeem U., Bigham J. Recognising activities of daily life through the usage of everyday objects around the home // 3rd International Conference on Pervasive Computing Technologies for Healthcare. - 2009. -DOI: 10.4108/ICST.PERVASIVEHEALTH2009.6059

130. Philipose M., Fishkin K.P., Perkowitz M., Patterson D., Hhnel D., Fox D., Kautz H. // Inferring ADLs from interactions with objects. IEEE Pervasive Comput. Mag. - 2004. - Vol. 3. - P. 1-7.

131. Naeem U., Bigham J., Wang J. Recognising Activities of Daily Life Using Hierarchical Plans // EuroSSC 2007. - 20017. - P. 175-189. DOI: 10.1007/978 3 540 75696-5_11.

132. Carfi A., Foglino F., Bruno B., Mastrogiovanni F. A multi-sensor dataset of human-human handover // Data in Brief. - 2018. - Vol. 22. -DOI: 10.1016/j.dib.2018.11.110.

133. Синельников Р.Д., Синельников Я.Р., Синельников А.Я. Атлас анатомии человека. В 4 т. Т. 1. Учение о костях, соединениях костей и мышцах: учебное пособие. М.: Новая волна. 2018. 488 с.

134. Ермак Е.М. Ультразвуковая диагностика патологии опорно-двигательного аппарата. Руководство для врачей. М.: ООО «Фирма СТРОМ». 2015. 592 с.

135. Оценка эффективности различных конструкций электродов и усилителей биосигнала в системах управления / Д.Р. Сафин, И.С. [и др.]. Известия высших учебных заведений. Поволжский регион. Технические науки. 2009. №2 (10). С. 88-101.

136. Осипов, А.Н., Бондарик, В.М., Кузнецов, Д.Ф. Влияние межэлектродного расстояния на энергетические характеристики электромиограмм // Международная научно-техническая конференция, приуроченная к 50-летию МРТИ-БГУИР: материалы конференции: в 2 частях, Минск, 18-19 марта 2014 г. Минск: Белорусский государственный университет информатики и радиоэлектроники, 2014. С. 115-116.

137. ГОСТ 25995-83. Электроды для съема биоэлектрических потенциалов. Общие технические требования и методы испытаний // Электронный фонд правовых и нормативно-технических документов. URL: docs.cntd.ru/document/1200022570 (дата обращения: 19.09.2021).

138. Jarque Bou, N. J. (2019). Kinematic and muscular characterisation of the hand during activities of daily living. Universitat Jaume I. https://doi.Org/http://dx.doi.org/10.6035/14107.2019.192255.

139. BHAGWAT, S., MUKHERJI, P. Electromyogram (EMG) based fingers movement recognition using sparse filtering of wavelet packet coefficients. Sadhana 45, 3 (2020). https://doi.org/10.1007/s12046-019-1231-9.

140. Atzori M, Gijsberts A, Castellini C, Caputo B, Hager A-GM, Simone E, Giatsidis G, Bassetto F, Müller H. Clinical parameter effect on the capability to control myoelectric robotic prosthetic hands // Journal of Rehabilitation Research and Development. 2016. Т. 53. № 3. С.345-358. DOI: 53.10.1682/JRRD.2014.09.0218.

141. Дасаева О. О. Паттерны, телесные практики и техники как стадии раскрытия телесности человека // Исторические, философские, политические и юридические науки, культурология и искусствоведение. Вопросы теории и практики. №3 (65). 2016. C. 43-46. URL: www.gramota.net/materials/3/2016/3-2/11.html (дата обращения: 19.09.2021).

142. Kristoffersen M.B., Franzke A.W., Bongers R.M., Wand M., Murgia A., van der Sluis C.K. User training for machine learning controlled upper limb prostheses: a serious game approach // Journal of NeuroEngineering and Rehabilitation. - 2021. -Vol. 18. - No. 32. - DOI: 10.1186/s12984-021-00831-5.

143. Get Started with Simscape Multibody. Model and simulate multibody mechanical systems // MathWorks: сайт. URL: https://www.mathworks.com/help/sm/ getting-started-with-simmechanics.html (дата обращения: 10.09.2024).

144. Model Import. Import a multibody model into the Simscape Multibody environment // MathWorks: сайт. URL: https://www.mathworks.com/help/sm/cad-import.html (дата обращения: 10.09.2024).

145. Оценка эффективности методики обучения пользованию биопротезом верхней конечности с системой управления на основе искусственной нейронной сети / А.В. Юдин, Е.А. Елисеичев, П.С. Воробьев, М.В. Панкратов, И.С. Блинов // Биомедицинская радиоэлектроника. 2025. Т. 28. № 6. С. 5-15.

Минтруд России Федеральное государственное бюджетное учреждение

«ФЕДЕРАЛЬНЫЙ НАУЧНО-ОБРАЗОВАТЕЛЬНЫЙ ЦЕНТР МЕДИКО-СОЦИАЛЬНОЙ ЭКСПЕРТИЗЫ И РЕАБИЛИТАЦИИ ИМ. Г.А. АЛЬБРЕХТА» МИНИСТЕРСТВА ТРУДА И СОЦИАЛЬНОЙ ЗАЩИТЫ РОССИЙСКОЙ ФЕДЕРА1 [W И

(ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России)

ул. Нсстужспская, д. 50, Санкт-Петербург, 195067 Тел. [phone]; факс: [phone] http://\v\vw.ccnlcr-albrchl.ru E-mail: [e-mail] ОКНО 53279025; ОГРН 1037816002311 И HI 1/КПП 7806104840/780601001

ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России

200000868 Исх № 2469 ОТ 28.11.2025

АКТ ВНЕДРЕНИЯ научных результатов диссертационной работы «Аппаратно-программный комплекс для восстановления двигательных функций ампутированного предплечья» Елисеичева Евгения Александровича

Настоящий Акт составлен о том, что результаты диссертационной работы Елисеичева Евгения Александровича - методика определения мест установки ЭМГ-датчиков, включающая в себя оценку состояния культи предплечья, определение взаимного расположения мышц, оценку их структуры и объема, определение зоны установки ЭМГ-датчиков поверхностного типа используются в производственной, научной и образовательной деятельности ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России.

Применение данной методики в производственной деятельности при выполнении высокотехнологичного протезирования верхних конечностей позволило существенно сократить время подготовки культи к протезированию и увеличить точность определения зоны установки ЭМГ-датчиков поверхностного типа.

Генеральный директор

Г.Н. Пономаренко

.......

200000868

00 А[ Клиника Нервно-Мышечных Болезней «НМБ»

- диагностика - лечение - реабилитация ул. Болотниковская д 5 корпус 2. Метро нахимовский проспект. [phone] www.clinic-nmb.ru([e-mail])

Лицензия № ЛО-77-01-020520 от 06 октября 2020 года

Акт

о внедрении результатов диссертационной работы Елисеичева Евгения Александрович на тему «Аппаратно-программный комплекс для восстановления утраченных двигательных функций ампутированного предплечья»

Настоящий Акт составлен о том, что разработанная автором методика оценки точности распознавания хватов на ампутированном предплечье (ниже 1 /з локтевого сгиба) с помощью искусственной нейронной сети (ИНС) классификации движений используется в научно-практической деятельности Общества с ограниченной ответственностью «Медик Арт».

Применение данной методики, с использованием 8-канальной ЭМГ-системы, специализированного программного обеспечения «МюТезЬ> и аппарата ИНС (Ма1:1аЬ-программа) позволяет составить индивидуальный «портрет» мышечной активности пациента после ампутации, проанализировать паттерны движений, что значительно снижает длительность процесса последующего высокотехнологичного протезирования культи предплечья.

Генеральный директор ООО «МедикАрт» Главный врач клиники