Generación de modelos multivariantes no lineales de una plantilla de presión plantar a través de técnicas de Machine Learning

En el presente proyecto se propone generar modelos de calibración multivariables de plantillas de presión para ayudar al estudio y prevención de afectaciones en nueve áreas del pie con mayor presión plantar. Para ello es necesario entender la dinámica existente en los sensores de la plantilla y estudiar la correlación que existe entre la fuerza aplicada y el voltaje generado por cada uno de los sensores piezoresistivos. Luego se creará una nueva base de datos aplicando fuerzas controladas en cada área del pie usando máquinas de presión del laboratorio de Resistencia de los Materiales del Departamento de Ciencias de la Energía y Mecánica de la Universidad de las Fuerzas Armadas-ESPE. Con la información obtenida se generarán modelos multivariantes como Support Vector Regression. Se realizarán pruebas de validación de los modelos obtenidos para finalmente implementar un modelo por cada área de presión y monitorizar la fuerza de la plantilla en un programa ejecutado en una PC a través de una interfaz de comunicación. Esta plantilla de presión otorgará una herramienta más para el diagnóstico de posibles anomalías o afectaciones en las áreas con mayor presión plantar del pie, pretendiendo prevenir consecuencias más graves y costosas. Se obtienen modelos multivariantes de una plantilla de presión plantar calibrada lo más exacto posible, delimitada por las nueve áreas con mayor presión plantar.

• Autor principal: Pérez Soria, Cristian Gabriel (author)
• Format: bachelorThesis
• Idioma: spa
• Publicat: 2017
• Matèries: SISTEMA DE COMUNICACIONES; SENSORES; BASES DE DATOS; INTERFACES DE COMUNICACIÓN
• Accés en línia: http://repositorio.espe.edu.ec/handle/21000/13461