Arbeiter können zur Prävention muskuloskelettaler Erkrankungen durch industrielle Exoskelette im Berufsalltag unterstützt werden. Dabei können aus dem Oberflächenelektromyogramm (OEMG) gewonnene Informationen verwendet werden, um die Ansteuerung des Exoskeletts zu verbessern. Ziel der vorliegenden Arbeit ist es, die Machbarkeit einer OEMG-basierten Erkennung der Bewegungsintention sowie einer Schätzung der muskulären Ermüdung unter den Randbedingungen einer technischen Anwendung im industriellen Arbeitsumfeld zu untersuchen.
Aus den Erkenntnissen zu den betrachteten physiologischen Abläufen kann zunächst ein grundlegendes Prozessverständnis erarbeitet werden. Es werden OEMG-Daten der Schulter- und Armmuskulatur sowie die Kinematik von 66 Probanden (32 m., 34 w., 50 (20-37 J.), 16 (45-60 J.), 17 Linkshänder) bei Bewegungen entsprechend der Randbedingungen des technischen Anwendungskontextes aufgezeichnet und mittels eigens entwickelter Methodik (teil-)automatisch für die weitere Verwendung aufbereitet.
Mittels Hüllkurven werden OEMG-Muster für unterschiedliche Bewegungsrichtungen identifiziert. Die OEMG-Verläufe bei statischen sowie zyklisch-dynamischer ermüdender Tätigkeiten werden systematisch gekennzeichnet und mit dem physiologischen Prozessverständnis der muskulären Ermüdung abgeglichen. Zusätzlich wird das OEMG auf intra- sowie interindividuelle Variabilität untersucht. Bei diesen Untersuchungen zeigt sich eine ausreichende Reproduzierbarkeit und Systematik zur automatisierten Signalverarbeitung.
Aus den wissenschaftlich bekannten Methoden werden geeignete für die OEMG-Onset-Detection ausgewählt, auf die erhobenen Daten angewandt und bewertet. Als Referenz für den Bewegungsbeginn werden dabei kinematische Daten verwendet. Die beste Methode (TKEO+CFAR) erreicht dabei 91 % Sensitivität, 93 % Präzision und Zeitdifferenzen von 215±50 ms zum Bewegungsbeginn. In gleicher Weise werden Methoden zur Schätzung der muskulären Ermüdung aus dem OEMG implementiert und hinsichtlich ihrer Leistungsfähigkeit und Störanfälligkeit verglichen. Dabei zeigen unterschiedliche Signalparameter zur Erfassung der Frequenzveränderungen im OEMG-Spektrum eine hohe Übereinstimmung mit subjektiven Ermüdungsangaben (R2=0,9 statisch, R2=0,72 dynamisch). Ein Konzept zur Einbindung der OEMG-basierten Informationen in das Ansteuerungskonzept eines aktiven Exoskeletts wird dargestellt.
Industrial exoskeletons can support workers to prevent musculoskeletal diseases. Surface electromyography (sEMG) based information can be user to improve the exoskeleton’s control system. The aim of this work is to investigate the feasibility of applying sEMG-based detection of movement intention as well as estimation of muscular fatigue in the context of a technical application in an industrial environment.
First, a process model of the physiological processes investigated by sEMG is derived based on literature knowledge. Then, sEMG data of multiple shoulder and arm muscles as well as movement kinematics are measured from 66 test persons (32 male, 34 female, 50 of age 20-37, 16 of age 45-60, in total 17 left-handed) conducting movements in application-like situations. Methods for (partly) automated processing and preparation of the dataset are developed.
Linear envelope allows derivation of sEMG patterns for different movement directions. sEMG curves are presented for static and cyclic-dynamic fatiguing tasks and compared with the physiological process knowledge of muscular fatigue. Additionally, sEMG intra- and inter-subject variability is investigated. These analyses prove a level of reproducibility and systema tics sufficient for automated signal processing.
From known literature, fitting methods for sEMG onset detection are chosen, applied to the data, and evaluated. Kinematic movement onset is used as ground truth. The best method (TKEO+CFAR) achieves 91 % sensitivity, 93 % precision and a time difference of 215±50 ms to the start of the movement. In similar manner, methods for sEMG based estimation of muscular fatigue are implemented and compared regarding their estimation performance and robustness. Multiple features based on the frequency changes in sEMG spectrum exhibit a high correlation with progress of muscular fatigue as well as subjective fatigue scores (R2=0,9 static, R2=0,72 dynamic). Finally, a concept for integration of this sEMG based information into an exoskeleton control system is proposed.
Use and reproduction:
All rights reserved