1

EXOESQUELETOS CON CONTROL

MIOELCTRICO
Andres Fernndez
Facultad de Ciencias Aplicadas, Universidad Tcnica del Norte, Ibarra, 2016
Alex Sinchigalo
Facultad de Ciencias Aplicadas, Universidad Tcnica del Norte, Ibarra,2016

RESUMEN
N este artculo se tratara de cmo se controla un exoesqueleto completamente mediante la
utilizacin de un sistema de control mioelctrico que
consiste en una deteccin de movimientos generados
por el cuerpo humano e interpretados por este sistema
mediante la creacin de vectores que pueden ser comparados con patrones que se utilizan temporalmente
para as mejorar el tiempo de respuesta ante los
estmulos humanos y la mecnica del exoesqueleto,
la deteccin en tiempo real de estoy estmulos es un
factor muy importante, ya que de este depende para
que el sistema comienza a discriminar los patrones
incorrectos y adems que los actuadores del exoesqueleto realicen las acciones correspondientes ante los
estmulos correctos.

PALABRAS CLAVES
-Control Mioelctrico
-Exoesqueleto
-Seal EMG
-K-Means
-K-NN
I.

INTRODUCCIN

El control mioelctrico en exoesqueleto ha sido utilizado en los desarrollos comerciales y de investigacin

hace 20 aos, aproximadamente. Se distinguen dos
mtodos para captar las seales: no invasivo, si los
electrodos se ubican sobre la superficie de msculos activos en una parte del cuerpo del paciente, o invasivo,
si se ubican en el interior de los msculos [1]. A pesar
de las ventajas de las tcnicas invasivas, an no se ha
presentado un modelo que alcance el xito comercial.
La potencialidad de los mtodos no invasivos sigue
siendo de inters, aun en el control de prtesis de alto
nivel de destreza.
Los exoesquelestos activas comerciales contemplan
pocos grados de libertad. Otto Bock DMC Plus [4],

que es una de las soluciones comerciales ms representativas. En tales casos, el procesamiento de las
seales electromiogrficas (EMG) puede ser tan bsico
como una simple deteccin de nivel, y es suficiente con
la ubicacin de dos electrodos. Dado el poco confort
que se obtiene con los exoesquelestos comerciales, hay
un gran inters cientfico en aumentar el grado de
libertad, lo que impone mayores desafos al procesamiento de las seales EMG [4], porque no es prctico
usar un nuevo electrodo EMG aislado para detectar
cada nuevo grado de libertad. Para resolver este problema, han emergido dos caminos de investigacin:
usar tcnicas de reconocimiento de patrones [5] o usar
estimacin de fuerza basada en modelo [6]. El campo
del reconocimiento de patrones tiene un amplio recorrido histrico, especialmente por sus aplicaciones en
tcnicas de visin por computador, razn por la cual
es frecuente encontrar aportes al problema desde ese
enfoque. En este campo, cada sensor EMG origina un
canal de seales, las cuales, luego de un procesamiento
de adecuacin, permiten extraer caractersticas del
dominio del tiempo, de la frecuencia o de los dos.
Combinando diferentes tipos de caractersticas, y la
informacin de varios canales, se conforma un vector
de caractersticas a partir del cual puede identificarse
la intencin de movimiento usando alguna de las
numerosas tcnicas de clasificacin [7]. Por otro lado,
debido a que las seales EMG son muy susceptibles
de corrupcin por efecto de campos electromagnticos
cercanos, e incluso por cambios fisiolgicos del paciente, la mejora de la precisin de los algoritmos para
detectar la intencin de movimiento tambin ha sido
un tema de investigacin de inters hasta la fecha. En
este campo, los aportes en el control de exoesqueleto
avanzadas se pueden clasificar en tres grandes grupos:
1) aportes en cuanto al hardware de adquisicin y
procesamiento de seales [3], 2) aportes en cuanto a
combinaciones de caractersticas extradas de las seales EMG que proporcionen vectores de caractersticas
que sean discriminantes [8], [9], y 3) aportes acerca de

los mtodos de clasificacin desde mltiples enfoques,

como: redes neuronales artificiales (RNN) [10], lgica difusa (FL), anlisis discriminante lineal (LDA),
mquinas de soporte vectorial (SVM). Por tal razn,
muchas de las plataformas experimentales usadas para
validacin emplean computadores personales como
hardware de desarrollo. Para el caso particular del
control de exoesqueletos robticos, el reconocimiento
de la intencin de movimiento debe calcularse en un
sistema incrustado por las limitaciones de tamao
fsico, peso y necesidad de procesamiento en tiempo
real, por lo cual muchos de los aportes reportados
no son prcticos en tales sistemas. Luego, a pesar de
las numerosas contribuciones existentes sobre procesamiento de seales EMG para el control de exoqueletos
activas de varios grados de libertad, la situacin actual es que comercialmente no se han explotado las
potencialidades de esas contribuciones. La principal
razn para esta situacin es el compromiso entre el
desempeo y la aplicacin prctica de las soluciones.
Por ello, en el grupo de Investigacin en Automtica
Industrial de la Universidad del Cauca de Colombia,
se viene realizando un trabajo tendiente a contribuir a
la solucin del problema descrito, para lo cual se han
abordado dos frentes. El primero es la construccin
de un prototipo de exoesqueleto de nueve grados de
libertad con propsitos de investigacin, cuyo diseo
fue propuesto y sobre el cual se han desarrollado a
la fecha algunas estrategias de control cuyo punto de
partida es la deteccin de intencin de movimiento
desde seales EMG. El segundo frente propone y
desarrolla un sistema de reconocimiento de intencin
de movimiento no invasivo a partir de seales EMG. El
sistema propuesto tiene las siguientes capacidades: 1)
ser implementado en un sistema incrustado, 2) obtener
resultados de clasificacin en tiempo real para gobernar el prototipo de protesis de 9 grados de libertad
y 3) discriminar cuatro intenciones de movimiento
usando como mximo dos electrodos EMG. El algoritmo de clasificacin propuesto combina el mtodo
de agrupacin k-means con el mtodo de clasificacin
k-NN. La simplicidad del clasificador propuesto hace
que su eficiencia dependa en gran medida de la capacidad discriminante de los vectores de caractersticas
obtenidos, lo que implica que debe hacerse una identificacin individual para cada usuario, determinando
buenas ubicaciones de electrodos; esta es la principal
limitacin del clasificador. El sistema de identificacin
construido permite que el prototipo de exoesqueleto
pueda realizar en tiempo real cuatro posturas comunes
en la vida diaria. El sistema no ha sido probado en
pacientes con amputacines, este es un trabajo para

realizar en el futuro, pero los resultados obtenidos solo

dependen de poder encontrar msculos con actividad
mioelctrica en cada paciente y hacer un proceso individual de entrenamiento del clasificador. El sistema es
utilizado por cualquier sistema automtico que deba
ser gobernado por una persona y que realice hasta
cuatro operaciones diferentes.
II.
II-A.

ASPECTOS TERICOS

CONTROL MIOELCTRICO

El control mioelctrico es probablemente el esquema

de control ms popular. Se basa en el concepto de
que siempre que un msculo en el cuerpo se contrae
o se flexiona, se produce una pequea seal elctrica
(EMG) que es creada por la interaccin qumica en
el cuerpo. Esta seal es muy pequea (5 a 20 V) Un
micro-voltio es una millonsima parte de un voltio.
Para poner esto en perspectiva, una bombilla elctrica
tpica usa 110 a 120 voltios, de forma que esta seal
es un milln de veces ms pequea que la electricidad
requerida para alimentar una bombilla elctrica.[2].
El uso de sensores llamados electrodos que entran en
contacto con la superficie de la piel permite registrar la
seal EMG. Una vez registrada, esta seal se amplifica
y es procesada despus por un controlador que conmuta los motores encendindolos y apagndolos en la
mano, la mueca o el codo para producir movimiento
y funcionalidad.
ste tipo de prtesis tiene la ventaja de que slo
requieren que el usuario flexione sus msculos para
operarla, a diferencia de las prtesis accionadas por
el cuerpo que requieren el movimiento general del
cuerpo. Una prtesis controlada en forma mioelctrica
tambin elimina el arns de suspensin usando una de
las dos siguientes tcnicas de suspensin: bloqueo de
tejidos blandos-esqueleto o succin1. Tienen como desventaja que usan un sistema de batera que requiere
mantenimiento para su recarga, descarga, desecharla
y reemplazarla eventualmente. Debido al peso del
sistema de batera y de los motores elctricos, las
prtesis accionadas por electricidad tienden a ser ms
pesadas que otras opciones protsicas. Una prtesis
accionada por electricidad proporciona un mayor nivel
de tecnologa, pero a un mayor costo.
La deteccin de intencin de movimiento se logra
mediante dos procedimientos diferenciados: la extraccin de caractersticas desde las seales EMG y la clasificacin de la intencin de movimiento. Los algoritmos utilizados para estos procedimientos se describen
a continuacin.

II-B.

SEALES EMG

La seal EMG es una medida de la actividad

elctrica en el msculo. El sistema nervioso central
controla dicha actividad elctrica, la cual es producto
de la contraccin muscular. Su magnitud tpica est
entre 0 mV y 6 mV, y normalmente est contaminada
por varias fuentes de ruido, como la interferencia
electromagntica de 60 Hz de las lneas de alimentacin elctrica, los niveles DC introducidos por los
amplificadores operacionales, la interferencia electromagntica de artefactos elctricos que se inducen en
los cables que conectan el electrodo al amplificador, la
interfaz entre la superficie de deteccin del electrodo
y la piel; estos factores pueden tener efecto sobre el
resultado de la extraccin de caractersticas de la seal
[11].

II-C.

K-MEANS

K -means es un mtodo de agrupamiento, que

tiene como objetivo la particin de un conjunto de n
observaciones en k grupos en el que cada observacin
pertenece al grupo ms cercano a la media. Es un
mtodo utilizado en minera de datos.
La agrupacin del conjunto de datos puede ilustrarse en una particin del espacio de datos en celdas de
Voronoi.
El problema es computacionalmente difcil (NPhard). Sin embargo, hay eficientes heursticas que
se emplean comnmente y convergen rpidamente
a un ptimo local. Estos suelen ser similares a los
algoritmos expectation-maximization de mezclas de
distribuciones gausianas por medio de un enfoque
de refinamiento iterativo empleado por ambos algoritmos. Adems, los dos algoritmos usan los centros
que los grupos utilizan para modelar los datos, sin
embargo k-means tiende a encontrar grupos de extensin espacial comparable, mientras que el mecanismo
expectation-maximization permite que los grupos que
tengan formas diferentes. Algoritmo estndar[editar]
El algoritmo ms comn utiliza una tcnica de refinamiento iterativo. Debido a su ubicuidad a menudo
se llama el algoritmo k-means, tambin se le conoce
como algoritmo de Lloyd, sobre todo en la comunidad
informtica.
Dado un conjunto inicial de k centroides
m1(1),. . . ,mk(1) (ver ms abajo), el algoritmo
contina alternando entre dos pasos:7
Paso de asignacin: Asigna cada observacin al
grupo con la media ms cercana (es decir, la particin
de las observaciones de acuerdo con el diagrama de

Voronoi generado por los centroides). Paso de actualizacin: Calcular los nuevos centroides como el
centroide de las observaciones en el grupo

III. APLICACIN DEL CONTROL

MIOELCTRICO EN PRTESIS
Si bien el diseo del prototipo de prtesis de mano
usado para verificar el resultado del sistema propuesto
no es objeto de este artculo, es preciso explicar que el
diseo del prototipo de prtesis obedece a la premisa
de devolver a los potenciales usuarios algunas facilidades para asir objetos que no proveen las prtesis
comerciales, sin aumentar el nmero de electrodos que
se usan para su control. El prototipo est constituido
por tres dedos: pulgar, ndice y medio. Su tamao
es aproximadamente el de una mano adulta y pesa
alrededor de 0,30 kg. Cada uno de los tres dedos posee
dos articulaciones, es decir, los dedos se accionan por
seis motores DC, cinco de los cuales son empleados
para la flexoextensin independiente de los dedos y
uno para posicin del dedo pulgar. Se utilizan sensores de posicin en las articulaciones y sensores de
fuerza en la yema de los dedos para el control de
seguimiento de trayectorias y de fuerza. La estrategia
de control del prototipo consiste en el seguimiento
de trayectorias articulares para lograr cuatro posturas
deseadas en una fase que en la literatura se denomina
preshaping; despus de detectar el contacto entre los
dedos y el objeto que se va a asir, el controlador
conmuta a una fase de control de fuerza, denominada
grasping. Se seleccionaron cuatro posturas que se usan
cotidianamente: mano en reposo, mano abierta, pinza
gruesa y agarre de poder. La articulacin del sistema
EMG descrito en este artculo con el control del
prototipo se realiza en la fase de preshaping, en la cual,
una vez identificada una nueva etiqueta de intencin
de movimiento, el control selecciona el conjunto de
trayectorias articulares de la mano apropiado para el
logro de esa postura. De este modo, el control de los
seis grados de libertad del prototipo se hace en funcin
de la postura que desea realizar el usuario, y no directamente de la informacin de cada canal EMG, con
lo que pocos canales EMG permiten controlar mltiples grados de libertad. Consta de un hardware para
adquisicin y procesamiento de informacin y de un
software para deteccin de intencin de movimiento.
El sistema se compone de tres subsistemas: 1) sistema
de acondicionamiento de las seales EMG, el cual
adquiere, amplifica y filtra las seales que captan los

dos electrodos; 2) sistema de procesamiento en lnea

de las seales EMG, el cual proporciona, por un lado,
tres caractersticas del dominio del tiempo extradas
de las seales EMG y, por el otro, una etiqueta que
identifica una de las cuatro posturas que se pueden
realizar con el prototipo de prtesis; y 3) sistema
de procesamiento fuera de lnea, utilizado solo en la
fase de entrenamiento del clasificador, el cual permite
ajustar y programar los parmetros del clasificador
para el sistema de procesamiento en lnea.[1].
IV.

CONCLUSIN

La viabilidad que se obtiene para manejar un exoesqueleto mediante un sistema mioelctrico y la factibilidad que se tiene al trabajar con seales electromiogrficas (EMG) son muy aceptables en cuanto tiempo de
respuesta. El mtodo que se ocupa para discriminar
lecturas que no son correctas es muy efectivo, la
discriminacin mediante la utilizacin de patrones almacenados temporalmente hace que la interpretacin
de las seales se haga con ms velocidad y eficiencia.
REFERENCIAS

[4] K. Ernest, S. Erik y E. Kevin, Combined surface and intramuscular EMG for improved real-time
myoelectric control performance, Biomedical Sigmal
Processing Control, vol. 10, pp. 102-107, mar. 2014.
[5] K. Englehart y B. Hudgins, A robust, real-time
control scheme for multifunction myoelectric control,
IEEE Transactions Biomedical Engineering, vol. 50,
pp.848-854, jul. 2003.
[6] E. N. Kamavuako et al., Estimation of grasping
force from features of intramuscular EMG signals
with mirrored bilateral training, Annals Biomedical
Engineering, vol. 40, pp. 648-656, mar. 2012.
[7] R. Clement, K. Bugler y C. Oliver, Bionic
prosthetic hands: A review of present technology and
future aspirations, The Surgeon, vol. 9, no. 6, pp.
336-340, 2011.
[8] A. Phinyomark, C. Limsakul y P. Phukpattaranot, A novel feature extraction for robust EMG
pattern recognition, Journal Computing, vol. 1, no.
1, pp. 71-80, dic. 2009.
[9] A. Phinyomark et al., EMG feature evaluation
for improving myoelectric pattern recognition robustness, Expert Systems Applications, vol. 40, no. 12,
pp. 4832-4840, sep. 2013.

[1] Daniel P. Ferris y Cara L. Lewis. Robotic Lower

Limb Exoskeletons Using Proportional Myoelectric
Control,".IEEE, (2009).
[10] E. Shroffe y P. Manimegalai, Hand gesture
[2] Revista UNAM . [En lnea]. Disponible en:
http://www.revista.unam.mx/vol.6/num1/art01/art01- recognition based on EMG signal using ANN, International Journal Computer Application, vol. 2, no. 3,
2d.htm
[3] C. Cipriani et al., The effects of weight and pp. 31-39, abr. 2013.
[11] R. Merletti y P. Parker. Electromyography:
inertia of the prosthesis on the Sensitivity of EMG
pattern recognition in relax state, Journal Prosthe- physiology, engineering and noninvasive applications.
Wiley Online Library, 2005.
tics Orthotics, vol. 24, no. 2, pp. 86-92, 2012.