Bối cảnh và vấn đề nghiên cứu

Khả năng vận động của bàn tay đóng vai trò cốt lõi trong các hoạt động sinh hoạt hàng ngày của con người như cầm nắm, ăn uống, lao động và giao tiếp. Tuy nhiên, nhiều bệnh nhân bị suy giảm hoặc mất hoàn toàn chức năng bàn tay do các nguyên nhân: chấn thương dây chằng, tai nạn, hội chứng ống cổ tay, đột quỵ hoặc các bệnh lý thần kinh cơ bẩm sinh và mắc phải. Những tổn thương này khiến cơ ngón tay bị yếu hoặc liệt, các ngón tay rơi vào trạng thái thả lỏng, mất trương lực cơ, không thể tự thực hiện động tác co bóp để cầm nắm đồ vật dù các khối cơ ở cẳng tay và cánh tay vẫn còn khả năng phát tín hiệu vận động.

Các giải pháp hỗ trợ vận động chi trên hiện nay được chia thành hai nhóm chính:

  • Phương pháp thụ động: Sử dụng nẹp hoặc găng tay cơ học tĩnh không có động cơ chấp hành (như SaeboGlove). Phương pháp này có giá thành thấp, độ thẩm mỹ cao nhưng độ linh hoạt bị hạn chế do không thể chủ động điều chỉnh lực bóp theo ý muốn của người dùng.
  • Phương pháp chủ động: Sử dụng cơ cấu chấp hành (động cơ, xy lanh khí nén, cơ nhân tạo) kết hợp cảm biến lực (load cell), cảm biến góc quay để kích hoạt trợ lực. Tuy nhiên, các cảm biến lực tiếp xúc truyền thống tạo ra độ trễ đáng kể từ thời điểm người bệnh phát lực đến khi động cơ phản hồi, gây cản trở cử động tự nhiên và có thể làm đau các khớp ngón tay bị tổn thương.

Để giải quyết nhược điểm về độ trễ, việc ứng dụng tín hiệu điện cơ bề mặt (Electromyography - EMG) trở thành hướng tiếp cận tối ưu. Tín hiệu EMG xuất hiện trên bề mặt da trước khi cơ co thực tế khoảng $150\text{ ms}$, cho phép hệ thống dự đoán trước ý định chuyển động của người dùng và kích hoạt trợ lực mà không tạo ra độ trễ vận động.

Đồ án tốt nghiệp xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể sau:

  1. Nghiên cứu, thiết kế và chế tạo bao tay trợ lực mềm phù hợp cho người bị liệt/yếu cơ bàn tay, khắc phục nhược điểm gây đau của vật liệu in 3D cứng bằng việc kết hợp vải kỹ thuật và các đốt dẫn hướng.
  2. Thiết kế và chế tạo bộ truyền động kéo dây độc lập sử dụng 3 động cơ DC servo có hồi tiếp encoder: động cơ 1 điều khiển ngón cái, động cơ 2 điều khiển ngón trỏ, và động cơ 3 điều khiển đồng thời 3 ngón còn lại (ngón giữa, ngón áp út, ngón út).
  3. Thiết kế mạch điều khiển trung tâm sử dụng vi điều khiển Arduino và mạch công suất cầu H L293D, áp dụng giải thuật PID điều khiển chính xác vị trí góc quay của động cơ DC servo với sai số không vượt quá $10^\circ$; hỗ trợ 2 chế độ hoạt động Manual (nút bấm cơ) và Auto (nhận lệnh từ máy tính).
  4. Xây dựng hệ thống thu thập dữ liệu EMG 5 kênh sử dụng 2 mạch chuyên dụng ADS1293 kết nối vi máy tính Raspberry Pi 3, đạt tốc độ lấy mẫu $1000\text{ mẫu/giây/kênh}$.
  5. Lập trình thuật toán lọc nhiễu dải thông Butterworth ($20 - 500\text{ Hz}$), trích xuất các đặc trưng miền thời gian và phân loại cử động co 5 ngón tay bằng mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) huấn luyện qua giải thuật Scaled Conjugate Gradient (SCG).
  6. Tích hợp toàn diện hệ thống, kiểm nghiệm khả năng cầm nắm các vật thể hình trụ có đường kính từ $5\text{ cm}$ đến $10\text{ cm}$, tải trọng nâng tối đa khoảng $1\text{ kg}$.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Thiết bị găng tay mềm trợ lực bóp và hệ thống thu thập, phân loại tín hiệu điện cơ bề mặt (sEMG) tương ứng với cử động của 5 ngón tay.
  • Phạm vi nghiên cứu: Thu thập, xử lý và phân loại tín hiệu EMG từ các bó cơ cẳng tay phải trên đối tượng người thử nghiệm; điều khiển cơ cấu chấp hành hỗ trợ trợ lực bóp cho bàn tay phải.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình sinh lý

  • Điện thế hoạt động đơn vị vận động (Motor Unit Action Potential - MUAP): Hệ thần kinh điều khiển co cơ thông qua các nơ-ron vận động. Sự khử cực màng tế bào tạo ra dòng ion lan truyền dọc sợi cơ, hình thành điện thế sinh học bề mặt EMG với biên độ tín hiệu dao động từ $0 - 10\text{ mV}$ (thực tế khoảng $\pm 5\text{ mV}$) và dải tần số hoạt động chủ yếu tập trung từ $20\text{ Hz}$ đến $500\text{ Hz}$.
  • Mô hình xử lý và trích xuất đặc trưng miền thời gian: Tín hiệu EMG sau khi thu nhận và phân đoạn (windowing) được đưa qua các công thức toán học để trích xuất 5 đặc trưng cơ bản:
Đặc trưng miền thời gian Ký hiệu Công thức toán học Ý nghĩa vật lý
Mean Absolute Value MAV $\text{MAV} = \frac{1}{N}\sum_{i=1}^{N}|X_i|$ Thể hiện mức biên độ trung bình tuyệt đối của đoạn tín hiệu co cơ.
Zero Crossing ZC $\text{ZC} = \sum_{i=1}^{N-1} [\text{sgn}(x_i \cdot x_{i+1}) \cap |x_i - x_{i+1}| \ge a]$ Đếm số lần tín hiệu đổi dấu vượt qua trục 0, phản ánh thông tin tần số trong miền thời gian.
Slope Sign Change SSC $\text{SSC} = \sum_{i=1}^{N-1} [f((x_i - x_{i-1})\cdot(x_i - x_{i+1}))]$ Đếm số lần độ dốc của dạng sóng đổi chiều, có đặt ngưỡng lọc nhiễu.
Waveform Length WL $\text{WL} = \sum_{i=1}^{N-1} |x_{i+1} - x_i|$ Đo tổng chiều dài tích lũy của biên độ sóng trong một cửa sổ thời gian.
Root Mean Square RMS $\text{RMS} = \sqrt{\frac{1}{N}\sum_{i=1}^{N}x_i^2}$ Đại diện cho công suất và năng lượng co cơ của tín hiệu.
  • Mô hình phân loại bằng mạng nơ-ron nhân tạo (ANN): Sử dụng mạng Perceptron đa lớp (Multilayer Perceptron - MLP) gồm lớp đầu vào nhận vector đặc trưng trích xuất, các lớp ẩn (Hidden Layers) dùng hàm kích hoạt phi tuyến tính (Tansig, Logsig) và lớp đầu ra sử dụng hàm Softmax để chuẩn hóa xác suất nhận dạng cử động 5 ngón tay: $$\text{tansig}(n) = \frac{2}{1 + e^{-2n}} - 1, \quad \text{softmax}(n_i) = \frac{e^{n_i}}{\sum_j e^{n_j}}$$
  • Giải thuật huấn luyện Scaled Conjugate Gradient (SCG): Sử dụng phép tính xấp xỉ bậc hai của hàm sai số $E(w)$ và cơ chế điều chỉnh kích thước bước (step size scaling) để tăng tốc độ hội tụ, giảm thiểu thời gian tìm kiếm đường thẳng (line-search) so với giải thuật lan truyền ngược tiêu chuẩn (Standard Back-propagation).
  • Mô hình điều khiển vị trí PID cho động cơ: Áp dụng phương trình vi tích phân điều khiển vị trí góc quay: $$u(t) = K_P e(t) + K_I \int_0^t e(t)dt + K_D \frac{de(t)}{dt}$$

Phương pháp nghiên cứu

  • Phương pháp nghiên cứu lý thuyết: Tổng hợp tài liệu chuyên ngành về cơ điện sinh học, giải phẫu bó cơ bàn tay, động học cơ cấu kéo dây cáp mềm, bộ lọc số Butterworth và thuật toán học máy giám sát (Supervised Learning).
  • Phương pháp thiết kế và mô phỏng: Thiết kế cơ khí 3D các chi tiết gá trên phần mềm CAD; thiết kế sơ đồ nguyên lý và mạch in PCB cho khối điều khiển và khối công suất; lập trình xử lý tín hiệu và mô phỏng huấn luyện mạng nơ-ron trên MATLAB và Visual Studio (C#).
  • Phương pháp thực nghiệm:
    • Thử nghiệm độ chính xác mạch đo tương tự ADS1293 bằng cách đối chiếu dạng sóng chuẩn (sine, vuông, răng cưa, xung nhịp tim điện học) từ máy phát xung với máy hiện sóng dao động ký (Oscilloscope).
    • Thu thập tín hiệu EMG thực tế trên 5 kênh cơ cẳng tay của người thử nghiệm thông qua giao diện phần mềm chuyên dụng.
    • Đo đạc lực cầm nắm chủ động (Active) và thụ động (Passive) qua cảm biến lực, đánh giá sai số góc quay của động cơ servo và độ chính xác phân loại của mạng nơ-ron.

Thiết kế và triển khai

Hệ thống được thiết kế hoàn chỉnh từ phần cứng cơ khí, hệ thống điện tử nhúng đến phần mềm xử lý tín hiệu và điều khiển chuyển động.

[Bó cơ cẳng tay] ---> [Điện cực dán sEMG (5 kênh)]
              [2 IC tiền khuếch đại ADS1293]
                 [Bộ thu thập Raspberry Pi 3]
         [Máy tính xử lý: Lọc Butterworth, MAV/ZC/WL/RMS, ANN (SCG)]
              [Khối vi điều khiển Arduino Nano/Uno]
            [Khối công suất Driver IC L293D] <--- [Nguồn 12V/5V]
           [3 Động cơ DC Servo có Encoder đọc x1]
       [Hệ thống kéo dây Cước 0.4mm trong Ống Teflon 4/2mm]
       [Găng tay trợ lực mềm Ingco + Lò xo hồi vị 5N trên 5 ngón tay]

Thiết kế cơ khí và cơ cấu găng tay

  • Găng tay mềm: Thay vì sử dụng phương án in 3D nguyên khối bằng vật liệu dẻo TPU (phiên bản thử nghiệm đầu gây cấn đau, kém linh hoạt), nhóm chuyển sang sử dụng găng tay vải bảo hộ công nghiệp cao cấp của hãng INGCO làm khung nền, sau đó đính kèm 6 cụm chi tiết nhựa in 3D định vị:
STT Tên chi tiết nhựa in 3D Số lượng Chức năng kỹ thuật
1 Chi tiết cố định đầu ngón tay 5 Chốt chặn đầu dây cước kéo tại các đầu ngón tay.
2 Chi tiết chân ngón tay 1 Dẫn hướng dây kéo từ lòng bàn tay lên các ngón.
3 Khung gá giữ ống dẫn Teflon 1 Cố định ống dẫn chịu lực căng phản hồi của hệ thống truyền động.
4 Đốt dẫn hướng thứ nhất 5 Đặt tại đốt ngón gần, có rãnh luồn dây kéo và mấu móc lò xo duỗi.
5 Đốt dẫn hướng thứ hai 4 Đặt tại đốt ngón giữa, có ống trụ định vị lò xo (ngón cái không dùng).
6 Gá mu bàn tay 1 Điểm tựa cố định lò xo đàn hồi hỗ trợ quá trình duỗi mở ngón tay.
  • Dây kéo và ống dẫn: Sử dụng dây cước câu chịu lực không co giãn đường kính $0.4\text{ mm}$, tải trọng kéo đứt $6\text{ kg}$. Dây được luồn bên trong ống Teflon (đường kính ngoài $4\text{ mm}$, đường kính trong $2\text{ mm}$) có hệ số ma sát cực thấp, không bị móp méo khi chịu ứng suất uốn.
  • Cơ cấu đàn hồi hồi vị: Nhóm sử dụng các lò xo kéo đường kính $\Phi 6\text{ mm}$, sợi thép dày $0.7\text{ mm}$, lực đàn hồi định mức $5\text{ N}$ với hành trình kéo $3\text{ cm}$ (độ cứng $k \approx 1.67\text{ N/cm}$) mắc nối giữa các đốt ngón tay và mu bàn tay để tự động duỗi ngón khi động cơ nhả dây.
  • Hộp truyền động: Gồm 3 động cơ DC servo tích hợp hộp giảm tốc và đĩa rulo quấn cáp bằng nhựa, kết nối độc lập tới 3 nhóm dây ngón tay.

Thiết kế hệ thống điện - điện tử

  • Khối thu nhận tín hiệu sinh học: Sử dụng 2 chip tiền khuếch đại điện tâm đồ/điện cơ ADS1293 (Texas Instruments) kết nối với Raspberry Pi 3 qua giao tiếp SPI để truyền nhận dữ liệu 5 kênh vi sai với dải điện áp đầu vào tối đa $\pm 400\text{ mV}$, hệ số khuếch đại 3.5 lần đưa tín hiệu ra biên độ $\pm 1.4\text{ V}$.
  • Khối điều khiển chấp hành:
    • Vi điều khiển trung tâm: Arduino tiếp nhận tín hiệu điều khiển từ PC qua cổng nối tiếp hoặc nhận tín hiệu từ cụm nút bấm chế độ Manual.
    • Mạch công suất Driver: Sử dụng IC cầu H L293D cho phép điều khiển đảo chiều và điều chế độ rộng xung (PWM) cấp nguồn cho 3 động cơ DC servo.
    • Module nguồn: Hạ áp từ nguồn cấp $12\text{ V}$ xuống các mức điện áp ổn định $5\text{ V}$ và $3.3\text{ V}$ phục vụ vi điều khiển và cảm biến encoder.
    • Chế độ vận hành kép: Chế độ Auto (tự động kích hoạt theo phân loại EMG gửi từ máy tính) và chế độ Manual (cho phép điều khiển trực tiếp từng ngón bằng công tắc/nút bấm trên mạch cứng).

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này phân tích tính cấp thiết của đề tài trong việc ứng dụng công nghệ Cơ điện tử và Kỹ thuật Y sinh để hỗ trợ phục hồi chức năng vận động cho người bị liệt/yếu cơ bàn tay. Tác giả trình bày tổng quan về các phương pháp tiếp cận chủ động và thụ động trên thế giới, nhấn mạnh ưu điểm vượt trội không độ trễ của tín hiệu EMG ($150\text{ ms}$ trước vận động cơ học). Đồng thời, chương 1 xác định rõ mục tiêu chế tạo hệ thống găng tay 3 bậc tự do điều khiển riêng ngón cái, ngón trỏ và cụm 3 ngón còn lại, kiểm soát sai số góc quay dưới $10^\circ$, nhận dạng EMG đạt độ chính xác cao và giới hạn phạm vi nghiên cứu trên bàn tay phải.

Chương 2: Cơ sở lý thuyết

Nội dung chương 2 tập trung phân tích các giải pháp trợ lực bàn tay tiêu biểu trên thế giới:

  • Thiết bị găng tay cơ nhân tạo mềm của Viện Wyss (Đại học Harvard).
  • Khung xương ngoài lò xo trượt 3 lớp của Học viện Kỹ thuật Nagoya.
  • Găng tay mềm kéo dây Exo-Glove Poly của Đại học Quốc gia Seoul (SNU).
  • Cơ cấu kéo dây của Đại học Drexel và nẹp thụ động SaeboGlove.

Từ việc so sánh ưu nhược điểm, tác giả lập luận lựa chọn phương án kéo cáp mềm luồn ống teflon kết hợp hồi vị lò xo. Tiếp đó, chương 2 trình bày lý thuyết sinh lý học thần kinh cơ (motor unit, khử cực màng tế bào, biên độ $0 - 10\text{ mV}$, tần số $20 - 500\text{ Hz}$); quy trình xử lý tín hiệu gồm 3 bước: ổn định tín hiệu (khuếch đại, chống nhiễu nguồn xoay chiều $50\text{ Hz}$), xử lý số (phân đoạn cửa sổ, lọc thông dải Butterworth $20 - 500\text{ Hz}$), và trích xuất 5 đặc trưng miền thời gian (MAV, ZC, SSC, WL, RMS). Cuối cùng, chương thuyết minh toán học mạng nơ-ron truyền thẳng đa lớp, các hàm kích hoạt (Purelin, Logsig, Tansig, Softmax) và giải thuật huấn luyện tối ưu Scaled Conjugate Gradient (SCG).

Chương 3: Thiết kế và chế tạo cơ cấu chấp hành

Chương 3 trình bày chi tiết toàn bộ quá trình tính toán, thiết kế và gia công cơ điện:

  • Thiết kế bao tay: Phân tích quá trình chuyển đổi từ phiên bản in 3D nhựa TPU nguyên khối (thất bại do gây đau người dùng) sang phiên bản kết hợp găng vải công nghiệp INGCO và 6 loại chi tiết gá in 3D. Lựa chọn dây kéo cước $0.4\text{ mm}$ chịu lực $6\text{ kg}$, ống dẫn teflon $4/2\text{ mm}$, lò xo kéo $5\text{ N}$ hành trình $3\text{ cm}$.
  • Thiết kế bộ truyền động: Mô hình hóa 3D cụm 3 động cơ DC servo lắp rulo cuộn cáp độc lập, bố trí gọn gàng trong hộp bảo vệ.
  • Thiết kế mạch điều khiển: Bản vẽ sơ đồ nguyên lý và layout mạch in (PCB mặt Top, mặt Bottom) cho các module nguồn, module driver IC cầu H L293D, module Manual và module Arduino.
  • Giải thuật điều khiển: Xây dựng sơ đồ khối điều khiển vị trí góc quay động cơ servo bằng giải thuật PID, đọc tín hiệu phản hồi encoder chế độ x1 và lưu đồ chuyển đổi trạng thái Auto/Manual.

Chương 4: Thí nghiệm EMG

Chương 4 mô tả quy trình thực nghiệm đo đạc và phân loại tín hiệu điện cơ:

  • Cấu hình phần cứng thu thập: Bố trí 2 IC ADS1293 kết nối vi mạch Raspberry Pi 3 qua bus SPI. Thiết lập vị trí 5 cặp điện cực Ag/AgCl dán dọc theo các bó cơ chịu trách nhiệm co 5 ngón tay trên cẳng tay phải (khoảng cách 2 tâm điện cực là $20\text{ mm}$, sử dụng cồn y tế vệ sinh da và gel dẫn điện) cùng 1 điện cực tham chiếu đặt tại vùng mỏm xương cổ tay/khuỷu tay.
  • Phần mềm thu thập: Thiết lập giao diện điều khiển trên Visual Studio, hiển thị tín hiệu dạng sóng thời gian thực và đồng bộ hóa thao tác co ngón của người thử nghiệm theo chỉ báo màu sắc.
  • Quy trình xử lý số liệu: Thực hiện phân đoạn tín hiệu loại bỏ trạng thái nghỉ, áp dụng bộ lọc số dải thông Butterworth loại bỏ triệt để nhiễu tần số thấp ($< 20\text{ Hz}$) và tần số cao ($> 500\text{ Hz}$), khử nhiễu tiếp xúc đột biến ngắn ($1 - 2\text{ ms}$), áp dụng phương pháp trích xuất đặc trưng và đưa dữ liệu vào cấu trúc mạng nơ-ron huấn luyện.

Chương 5: Kết quả thực nghiệm

Chương 5 trình bày toàn bộ số liệu và đồ thị đo đạc thực tế:

  • Kiểm chuẩn mạch ADS1293: So sánh tín hiệu thu nhận từ ADS1293 với máy hiện sóng dao động ký trên các dạng sóng chuẩn: sóng vuông, sóng sine, sóng tam giác (ramp), sóng mô phỏng xung nhịp tim Cardiac ở các tần số $10\text{ Hz}$, $50\text{ Hz}$, $100\text{ Hz}$ với biên độ $20\text{ mV}$ và $50\text{ mV}$, cho thấy độ trùng khớp và ổn định cao.
  • Đồ thị trích xuất đặc trưng: Thể hiện phân bố giá trị MAV, ZC, SSC, WL, RMS tương ứng với từng cử động co ngón cái, ngón trỏ, ngón giữa, ngón áp út và ngón út.
  • Kết quả phân loại mạng ANN: Khảo sát hiệu năng giải thuật SCG khi thay đổi số lượng nơ-ron trong lớp ẩn, phân tích ma trận nhầm lẫn (Confusion Matrix) với độ chính xác nhận dạng đạt $90%$.
  • Thử nghiệm lực và khả năng cầm nắm: Đo lực kẹp phân bố trên đầu ngón tay và trên bề mặt vật thể, kiểm tra thành công khả năng nâng vật nặng $100\text{ g}$, $500\text{ g}$ và cầm nắm vật trụ đường kính $5 - 10\text{ cm}$.

Chương 6: Kết luận và kiến nghị

Tổng kết toàn bộ các kết quả đạt được về cơ khí, điện tử và phần mềm nhận dạng EMG; khẳng định tính khả thi của mô hình găng tay trợ lực mềm; đồng thời nêu các đề xuất cải tiến về cơ cấu kéo 2 chiều chủ động và tích hợp chip xử lý nhúng không dây trong tương lai.

Kết quả và đóng góp

Các kết quả định lượng cụ thể

  • Độ chính xác thu thập và xử lý tín hiệu: Hệ thống thu thập ổn định 5 kênh tín hiệu EMG bề mặt với tốc độ lấy mẫu đạt $1000\text{ mẫu/giây/kênh}$.
  • Hiệu năng nhận dạng cử động: Mạng nơ-ron nhân tạo huấn luyện bằng giải thuật Scaled Conjugate Gradient (SCG) phân loại chính xác $90%$ các cử động co của 5 ngón tay độc lập (thể hiện qua Confusion Matrix tại Chương 5).
  • Độ chính xác chấp hành cơ điện: Hệ thống điều khiển vị trí 3 động cơ DC servo bằng thuật toán PID duy trì sai số góc quay ổn định dưới $10^\circ$.
  • Khả năng cầm nắm thực nghiệm: Găng tay trợ lực hỗ trợ bàn tay cầm nắm chắc chắn các vật thể hình trụ tròn có đường kính từ $5\text{ cm}$ đến $10\text{ cm}$, tải trọng nâng vật thử nghiệm đạt từ $100\text{ g}$, $500\text{ g}$ đến tối đa khoảng $1\text{ kg}$.

Đóng góp kỹ thuật của đề tài

  1. Cải tiến kết cấu cơ khí mềm: Đã giải quyết triệt để vấn đề gây đau và cấn tay của mẫu găng tay in 3D nhựa TPU nguyên khối bằng cách kết hợp găng vải kỹ thuật tiêu chuẩn INGCO với hệ thống các đốt nhựa định vị in 3D nhỏ gọn, tạo sự êm ái và thoải mái cho người bệnh.
  2. Tối ưu hóa cơ chế truyền động kéo cáp: Ứng dụng thành công hệ truyền động kéo dây cước $0.4\text{ mm}$ chịu lực $6\text{ kg}$ trong ống dẫn teflon kết hợp cơ cấu hồi vị lò xo $5\text{ N}$, cho phép đặt cụm động cơ chấp hành nặng cách xa bàn tay (gắn tại hông hoặc cẳng tay), giảm tải trọng đè nặng lên các khớp ngón tay bị yếu.
  3. Phát triển chuỗi thu thập và xử lý EMG hoàn chỉnh: Tích hợp thành công phần cứng chuyên dụng 2 chip ADS1293 với Raspberry Pi 3 và quy trình lọc số Butterworth, trích xuất đặc trưng thời gian và phân loại ANN SCG đạt độ chính xác cao.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Cơ chế duỗi ngón tay thụ động: Hệ thống mới chỉ thực hiện kéo co ngón chủ động bằng động cơ, quá trình duỗi ngón hoàn toàn phụ thuộc vào lực đàn hồi của lò xo. Đối với những bệnh nhân bị hội chứng co cứng cơ ngón tay (không thể tự mở tay), lò xo thụ động có thể không đủ lực để duỗi thẳng hoàn toàn các khớp ngón.
  • Tính di động của hệ thống: Quá trình phân loại tín hiệu EMG và gửi lệnh điều khiển ở chế độ Auto vẫn cần kết nối với máy tính để xử lý các thuật toán học máy, chưa được đóng gói hoàn toàn thành một vi xử lý nhúng độc lập nhỏ gọn đeo trên người.
  • Phạm vi thử nghiệm đối tượng: Dữ liệu thực nghiệm mới được thu thập trên người thử nghiệm đối chứng mô phỏng liệt cơ, chưa mở rộng thu thập trên tệp đa dạng các bệnh nhân tổn thương dây thần kinh hoặc co cứng cơ thực tế tại các bệnh viện phục hồi chức năng.

Hạn chế và hướng nghiên cứu tiếp theo

  • Nghiên cứu cơ cấu truyền động kéo cáp hai chiều khép kín (sử dụng 2 động cơ hoặc rulo kép đảo chiều) để hỗ trợ chủ động cả 2 quá trình: co ngón và duỗi ngón tay.
  • Nhúng toàn bộ mạng nơ-ron phân loại EMG trực tiếp lên vi điều khiển xử lý tín hiệu số (DSP) hoặc vi máy tính Raspberry Pi thu nhỏ để loại bỏ máy tính trung gian, tích hợp pin Li-ion tạo thành bộ thiết bị di động đeo gọn trên hông.
  • Mở rộng số lượng kênh đo và phát triển giải thuật phân loại các cử động phức tạp hơn như xoay ngón cái, bấm ngón cái với từng ngón đơn lẻ, cầm nắm vật có hình dạng bất quy tắc.

Giá trị tham khảo

Đồ án là tài liệu tham khảo kỹ thuật hữu ích cho:

  • Sinh viên và học viên ngành Kỹ thuật Cơ điện tử, Robot, Kỹ thuật Y sinh: Tham khảo chi tiết phương pháp thiết kế thiết bị hỗ trợ vận động mềm (Soft Exoskeleton), quy trình thiết kế cơ cấu kéo dây cáp luồn ống teflon và mạch điều khiển động cơ DC servo có phản hồi encoder.
  • Người nghiên cứu về xử lý tín hiệu sinh học và Machine Learning: Cung cấp tài liệu thực chứng về phương thức giao tiếp phần cứng với chip điện sinh học ADS1293, quy trình thiết kế bộ lọc số Butterworth, phương pháp trích xuất 5 đặc trưng miền thời gian (MAV, ZC, SSC, WL, RMS) và cấu hình mạng nơ-ron huấn luyện qua thuật toán SCG.

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn tín hiệu điện cơ (EMG) thay vì các cảm biến lực tiếp xúc truyền thống để điều khiển găng tay trợ lực?

Tín hiệu điện cơ bề mặt (EMG) xuất hiện trên các bó cơ trước khi hành vi co cơ cơ học thực tế diễn ra khoảng $150\text{ ms}$. Do đó, việc sử dụng EMG giúp hệ thống phát hiện sớm ý định vận động của người bệnh và kích hoạt động cơ trợ lực kịp thời, loại bỏ hoàn toàn độ trễ tiếp xúc vốn là nguyên nhân gây cản trở cử động và gây đau khớp ở các loại cảm biến lực (load cell) thông thường.

2. Vì sao nhóm tác giả loại bỏ thiết kế găng tay in 3D bằng nhựa dẻo TPU ban đầu?

Phiên bản đầu tiên được in 3D nguyên khối bằng vật liệu dẻo TPU có độ cứng cơ học nhất định, khi đeo ôm sát vào tay gây cấn, bí bách và gây đau cho người sử dụng trong thời gian dài, đồng thời rất khó gia công tích hợp thêm các cụm dẫn hướng dây kéo. Nhóm đã chuyển sang sử dụng găng tay vải công nghiệp INGCO kết hợp gắn các cụm chi tiết nhựa in 3D định vị rời, giúp tăng độ êm ái và linh hoạt.

3. Hệ thống phân chia các ngón tay để điều khiển chuyển động như thế nào?

Bộ truyền động sử dụng 3 động cơ DC servo độc lập:

  • Động cơ 1: Điều khiển riêng ngón tay cái.
  • Động cơ 2: Điều khiển riêng ngón tay trỏ.
  • Động cơ 3: Điều khiển chung cho cụm 3 ngón còn lại (ngón giữa, ngón áp út và ngón út).

4. Các đặc trưng miền thời gian nào được trích xuất từ tín hiệu EMG để đưa vào mạng nơ-ron?

Nhóm tác giả trích xuất 5 đặc trưng miền thời gian tiêu chuẩn từ tín hiệu EMG sau khi lọc dải thông Butterworth ($20 - 500\text{ Hz}$), bao gồm: Giá trị tuyệt đối trung bình (Mean Absolute Value - MAV), Số lần đổi dấu qua trục 0 (Zero Crossing - ZC), Số lần đổi dấu độ dốc (Slope Sign Change - SSC), Chiều dài dạng sóng (Waveform Length - WL) và Giá trị hiệu dụng (Root Mean Square - RMS).

5. Độ chính xác nhận dạng cử động của mạng nơ-ron và khả năng cầm nắm thực tế của thiết bị đạt mức nào?

Mạng nơ-ron nhân tạo sử dụng giải thuật huấn luyện Scaled Conjugate Gradient (SCG) đạt độ chính xác phân loại cử động co 5 ngón tay là $90%$. Về cơ khí, găng tay trợ lực có khả năng cầm nắm chắc chắn các vật thể hình trụ tròn đường kính từ $5\text{ cm}$ đến $10\text{ cm}$ với khối lượng vật nâng thử nghiệm đạt từ $100\text{ g}$, $500\text{ g}$ đến khoảng $1\text{ kg}$.

Kết luận

Đồ án tốt nghiệp đã nghiên cứu, thiết kế và chế tạo thành công hệ thống găng tay mềm trợ lực bóp bàn tay 3 bậc tự do ứng dụng tín hiệu điện cơ bề mặt (EMG) cho người bị yếu hoặc liệt cơ tay. Bằng việc kết hợp phần cứng thu nhận 5 kênh EMG tốc độ $1000\text{ mẫu/giây/kênh}$, giải thuật lọc dải thông Butterworth và mạng nơ-ron nhân tạo SCG, hệ thống đạt độ chính xác nhận dạng cử động $90%$ và kiểm soát góc quay động cơ servo với sai số dưới $10^\circ$. Thiết bị chứng minh tính khả thi cao trong thực nghiệm khi hỗ trợ người dùng cầm nắm ổn định các vật thể hình trụ đường kính $5 - 10\text{ cm}$ có khối lượng lên tới $1\text{ kg}$, mở ra hướng phát triển hoàn thiện các thiết bị phục hồi chức năng di động trong tương lai.