Team

• Supervision of the Lecture System Dynamics and Control Systems I

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.