서지주요정보
3차원 보행 동역학 모델의 제안과 응용 = Three dimensional walking dynamic model and its applications
서명 / 저자 3차원 보행 동역학 모델의 제안과 응용 = Three dimensional walking dynamic model and its applications / 이명현.
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8036303

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

DME 20037

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

Dynamics of human walking has been studied for decades from revealing the fundamental mechanisms of human walking to applying those features to control robots which are designed to ‘walk’, or recently, applying them even to the machine learning. Although the human walking is an outcome of precise and complicated control which is done by numerous muscles, it has been shown that very simple dynamic models can predict the typical walking features such as the movement of the center of mass (CoM). Among those models, the one introduced spring mechanics between the CoM and the ground reaction force (GRF) could represent the walking dynamics. But the existing two dimensional (2D) spring loaded inverted pendulum (SLIP) model is limited to the sagittal plane so that it cannot estimate the mediolateral GRF which is an important force to study the rehabilitation for any patients suffer from normal injury, walking diseases such as stroke. Therefore, the walking model which broadened its domain to three dimensions is developed in this research. The model adopted the point foot excursion and the lateral foot placement control to successfully find limit cycle and to retain the reproducibility of the data. The proposed three dimensional (3D) SLIP model succeeded to quantitatively represent the CoM movement and the GRF, and could predict the gait parameters by modulating the model parameters. Meanwhile, the CoM movement and the GRFs of the stroke patients also appeared to have the spring dynamics relationship, so the 3D SLIP model suggested is used to explain the asymmetric feature of the stroke patients’ walking. People suffer from stroke tend to walk slowly, which makes their double support phase longer, and the single support phase appears to be shorter than normal because of an effort to reduce load on the paretic leg. This characteristic gives the asymmetry to the GRFs and CoM movement. Some parameters of the suggested SLIP model such as the leg stiffness or the single support phase length, are set to be asymmetric to represent asymmetric CoM movement and GRFs. Which the proposed model, the spring dynamics between the CoM movement and the GRFs is verified and it is confirmed that estimating the 3D walking dynamic data is possible with only single inertial sensor. This result made it possible to apply single sensor on the sacrum, which is known as a representative of CoM, for estimating various walking features such as 3D GRFs, center of pressure (CoP), and lower limb joint torques, with the help of the artificial neural network (ANN) model. The GRFs of stroke patients also could be estimated with the kinematic data obtained by a marker on sacrum. And this implies that the wearable sensors also can be used to quantitatively monitor the stroke patients’ walking. The estimation power of this model makes it possible to expand the usability of the data obtained by wearable systems, and this gives greater significance in overcoming the typical limitation of the simple wearable systems which is the trade-off between the simplicity and the usability. Therefore, we can conclude that the spring dynamics between the CoM movement and the GRFs is valid in three dimensions, and also in the abnormal walking cases such as asymmetric walking of patients. It was possible to estimate the walking dynamics data only with a single sensor in normal walking with the walking model. And the model proposed in this research also can be used to estimate the walking dynamics data of abnormal walking, and furthermore, it is expected to be used in the development of rehabilitation monitoring systems for the patients with walking disorder.

인체 보행의 역학적 특성에 관한 연구는 수십년 간 진행되어 오면서 인체 보행 기전에 대한 근본적 규명부터 보행 로봇 제어로의 보행 역학 특성 활용 등 여러 방면에서 진행되었으며 최근에는 기계 학습을 이용하여 보행 역학 분석 및 응용에 적용하는 연구도 진행되었다. 비록 인체의 보행은 다중 감각 피드백에 의한 수많은 근육들의 복잡한 제어의 결과물이지만 아주 간단한 형태의 역학적 모델로도 질량 중심의 운동이라는 보행 특성을 정의하고 예측할 수 있음이 나타났으며, 특히 질량 중심 운동과 지면반력 사이에 탄성 역학 관계를 가지는 모델을 통해 보행 역학의 재현이 가능해졌다. 하지만 기존의 탄성 보행 모델은 2차원 시상면에 한정되어 있다. 보행 역학 분석에 있어 좌우 방향은 일반인의 부상 및 보행 질환자, 특히 뇌졸중 환자의 재활 연구에 있어 중요한 요소이다. 따라서 본 연구에서는 3차원 보행 동역학 특성을 재현하고 예측하는 보행 모델을 개발하고자 하였다. 본 연구에서는 3차원 모델에서 요구되는 안정성과 데이터 재현성을 확보하기 위하여 사람의 보행 중 발의 압력 중심 이동과 발 착지 방법을 반영한 발 위치 제어를 적용한 탄성각 보행 모델을 개발하였다. 3차원 탄성각 보행 모델은 질량 중심의 운동과 지면반력을 정량적으로 재현하였으며 모델 변수 조절을 통하여 보행 변수를 예측할 수 있었다. 한편, 뇌졸중 환자의 보행 시 질량 중심의 운동과 힘의 탄성 관계가 확인되어 개발된 탄성각 보행 모델을 기반으로 뇌졸중 환자의 비대칭 보행 특성을 모사하는 3차원 비대칭 보행 모델을 개발하였다. 뇌졸중 환자의 보행은 느린 속도로 인하여 양발지지구간이 증가하고 환측 다리의 하중을 줄이기 위하여 한발지지구간이 감소한다. 이러한 특성으로 인하여 지면반력과 질량중심의 운동에서 비대칭성이 나타난다. 뇌졸중 환자의 비대칭 특성을 재현하기 위하여 탄성각 모델의 다리 강성과 한발 지지구간 길이 비율 변수를 비대칭하게 설정하여 뇌졸중 환자의 지면반력 및 질량중심 운동의 비대칭성을 재현할 수 있었다. 적절한 비대칭 모델 변수를 선정함으로써 일반 보행과 동일한 탄성역학 모델을 이용하여 뇌졸중 환자의 비대칭 보행을 재현할 수 있었다. 인체 보행 시 질량 중심의 운동과 힘의 탄성역학 관계를 이용하여 단일 관성센서만으로 3차원 보행 역학 데이터를 추정하였다. 질량 중심의 운동과 힘의 선형 관계를 3차원 탄성각 모델로부터 근사하여 확인하였다. 보행 조건 및 피험자의 조건에 따라 달라지는 질량 중심의 운동과 힘의 관계를 추정하기 위하여 인공 신경망 모델을 이용하여 엉치뼈의 궤적으로부터 3차원 지면반력과 압력 중심, 하지 다관절 토크 등의 보행 데이터를 추정하였다. 그리고 뇌졸중 환자의 착용형 모니터링 시스템으로의 적용가능성을 확인하기 위하여 엉치뼈의 마커데이터로부터 뇌졸중 환자의 지면반력을 추정하였다. 학습에 이용되지 않은 데이터의 추정이 가능하다는 점은 착용형 시스템으로 얻을 수 있는 데이터의 유용성을 증대시킬 수 있음을 의미하며, 이는 간편함과 유용성 간의 상충이라는 착용형 시스템 고유의 한계를 극복할 수 있다는 점에서 큰 의의를 갖는다. 이러한 결과들을 종합해볼 때, 인체 보행 시 3차원 질량 중심 운동과 지면반력의 탄성 역학적 관계가 성립하는 것을 알 수 있으며 이는 환자의 비대칭적 보행 등과 같은 특이 보행의 경우에도 마찬가지임을 확인할 수 있었다. 따라서 단일 센서로 일반적 보행에서의 3차원 보행 역학 데이터 추정이 가능했던 것과 같이 질량 중심의 운동과 힘이 탄성 관계로 표현 가능한 뇌졸중 환자의 보행에도 이러한 추정방법을 적용하여 보행 재활 모니터링 시스템 개발에 응용할 수 있을 것으로 기대된다.

서지기타정보

서지기타정보
청구기호 {DME 20037
형태사항 vi, 128 p. : 삽도 ; 30 cm
언어 한국어
일반주기 저자명의 영문표기 : Myunghyun Lee
지도교수의 한글표기 : 김정
지도교수의 영문표기 : Jung Kim
부록 수록
학위논문 학위논문(박사) - 한국과학기술원 : 기계공학과,
서지주기 참고문헌 : p. 120-124
주제 3차원 보행역학
3차원 보행 모델
탄성각 보행 모델
보행 모니터링
비대칭 보행
뇌졸중
기계 학습
3D walking dynamics
3D SLIP model
Walking monitoring system
Asymmetric walking
Stroke
Machine learning
QR CODE qr code