Florian Weigand M.Sc.

Representative

Working area(s)

Aktive Unterschenkelprothesen, Gangart- und Gangphasenschätzung mittels Machine-Learning Ansätzen

Contact

work +49 6151 16-25195
fax +49 6151 16-25172

Work S3|10 521
Landgraf-Georg-Str. 4
64283 Darmstadt

Die menschliche Fortbewegung ist das Resultat eines faszinierenden Zusammenspiels zwischen Körpermechanik, Antriebsdynamik und nervaler Kontrolle. Bei Verlust der unteren Extremität und dem Ersatz durch passive Prothesen kommt es zu Einschränkungen in Flexibilität, Bewegungsumfang und energetischem Unterstützungsgrad. Um diese Probleme zu reduzieren, wurden in den letzten Jahren aktive Prothesen entwickelt, welche das menschliche Gelenkverhalten nachbilden.

Aus regelungstechnischer Sicht entsteht dabei ein sich gegenseitig beeinflussendes System von Mensch und Maschine. Die Intentionen des Tragenden müssen korrekt interpretiert werden, um je nach aktueller Gangsituation die korrekte Unterstützung durch die aktive Prothese zu gewährleisten.

In aktuellen Forschungsarbeiten wird dafür häufig ein 3-stufiges Regelkonzept verwendet, wobei sich die höchste Stufe (High-Level-Control) um die Erkennung der Gangart und den Fortschritt innerhalb eines Schrittes (Gangphase) kümmert.

Für die Lösung dieses Problems gibt es verschiedenen Ansätze, wobei bisher entweder viele verschiedene Sensoren an Körper und/oder Prothese benötigt werden oder aber manuell nach geeigneten Messgrößen gesucht werden muss (Phasenportrait).

Meine Forschung beschäftigt sich daher mit den Möglichkeiten nur auf Basis einer einzelnen Inertial-Messeinheit (IMU), die kinematische Größen des Unterschenkels misst, die Gangart und Gangphase bei Nutzung der Prothese zu bestimmen und für die High-Level-Control zu nutzen.

Dafür werden Machine-Learning-Ansätze untersucht, um einen Datensatz nicht aufwändig manuell nach geeigneten Messgrößen zu durchsuchen, sondern durch die numerische Optimierung die geeignete Aufteilung zu bestimmen. In bisherigen Untersuchungen ergaben sich vielversprechende Ansätze für das Gehen in der Ebene und auf der Treppe.

Thema Typ Status
Vorverarbeitung von Messgrößen einer Inertial-Messeinheit zur Gangphasenschätzung für die Anwendung auf aktiven Unterschenkelprothesen Bachelorarbeit in Bearbeitung
Verwendung von Zeitinformation bei IMU basierter Gangphasenschätzung für ebenes Gehen und Treppe steigen Bachelorarbeit in Bearbeitung
Absolute Kniepositionsbestimmung auf Basis von Unterschenkelmessgrößen Proseminar in Bearbeitung
Entwicklung eines IMU-basierten Versuchsaufbaus zur Ganganalyse mit Bodenkontaktsensoren Masterarbeit in Bearbeitung
Merkmalgenerierung auf Basis von Zeitfenstern zur Gangartklassifikation Bachelorarbeit abgeschlossen
04/2020
Rekurrente Neuronale Netze für die Gangphasenschätzung Proseminar abgeschlossen
02/2020
Gangartklassifikation mittels Machine-Learning und IMU am Unterschenkel Projektseminar abgeschlossen
09/2019
Loading...
Loading data from TUbiblio…

Error on loading data

An error has occured when loading publications data from TUbiblio. Please try again later.

  • ({{ publication.date.toString().substring(0,4) }}):
    {{ publication.title }}. ({{ labels[publication.doc_status] }})
    In: {{ publication.series }}, {{ publication.volume }}, In: {{ publication.book_title }}, In: {{ publication.publication }}, {{ publication.journal_volume}} ({{ publication.number }}), ppp. {{ publication.pagerange }}, {{ publication.place_of_pub }}, {{ publication.publisher }}, {{ publication.institution }}, {{ publication.event_location }}, {{ publication.event_dates }}, ISSN {{ publication.issn }}, e-ISSN {{ publication.eissn }}, ISBN {{ publication.isbn }}, [{{ labels[publication.type]?labels[publication.type]:publication.type }}]
  • […]