Conception d'une prothèse bio-inspirée commandée par réseaux de neurones exploitant les signaux électromyographiques

Conception of a bio-inspired prosthesis controlled by neural networks based electromyographic signal processing

• Auteur / Autrice : Simon Kirchhofer
• Direction : Thierry Chateau
• Type : Thèse de doctorat
• Discipline(s) : Robotique
• Date : Soutenance le 14/12/2020
• Etablissement(s) : Université Clermont Auvergne‎ (2017-2020)
• Ecole(s) doctorale(s) : École doctorale des sciences pour l'ingénieur (Clermont-Ferrand)
• Partenaire(s) de recherche : Laboratoire : Institut Pascal (Aubière, Puy-de-Dôme)
• Jury : Examinateurs / Examinatrices : Nicolas Andreff, Belhassen Chedi Bouzgarrou, Jean-Jacques Lemaire
• Jury : Rapporteurs / Rapporteuses : Sylvie Treuillet, Damien Chablat

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Électromyographie

Mains artificielles

Mots clés libres

Prothèse du membre supérieur

Main robotique

Conception

Commande

Électromyographie

Machine learning

Réseau de neurones

Traitement du signal

Sous-actionnement

Rigidité variable

Upper limb prosthesis

Robotic hand

Conception

Control

Electromyographic signals

Signal processing

Machine learning

Artificial neural networks

Under-actuation

Variable stiffness

Résumé

Le développement de prothèses du membre supérieur est couramment divisé en deux parties : la conception mécatronique de la prothèse et l'interface homme-machine dédiée à la commande. L'objectif de cette thèse est de rapprocher ces deux domaines afin de mieux les assortir. Une première étape concerne l'acquisition et le traitement des signaux de commande. Ainsi, une base de données comprenant des signaux électromyographiques et des coordonnées articulaires mesurées par vision par ordinateur a été réalisée. Un réseau de neurones artificiels réalise ensuite la reconstruction de la position de la main par exploitation des séquences électromyographiques. Une architecture de main sous-actionnée bio-inspirée est alors proposée afin de reproduire la cinématique de la main en garantissant une répartition de l'effort de préhension. Cette nouvelle approche consiste à optimiser l'imitation des synergies de la main liées à la saisie, permettant ainsi une commande plus naturelle pour les utilisateurs de prothèses actives.

Research on upper-body prosthetic device is commonly divided in two categories: The prosthesis mechatronic conception and the human-machine interface dedicated to the control. This PhD thesis aims to bring together these two fields of research. The first step deals with control signals. Thus, a database containing electromyographic sequences and vision based joint coordinate measurements was created. Then, an artificial neural network achieves the motion estimation from electromyographic sequences. Accordingly, an under-actuated bio-inspired hand architecture is proposed to copy an organic hand motion while ensuring a grasping force distribution. This innovative approach allows to optimize the synergies imitation and proposes a control more intuitive for active prosthesis users.