Clasificación de señales electromiográficas durante el movimiento de las extremidades inferiores bajo la influencia de una carga, utilizando redes neuronales artificiales
En el presente proyecto técnico de tesis, se muestra el diseño de un sistema para la adquisición y clasificación de señales electromiográficas (EMGs) durante el movimiento de las extremidades inferiores bajo la influencia de una carga utilizando redes neuronales artificiales. Se aplicó la metodologí...
Saved in:
| Main Author: | |
|---|---|
| Format: | bachelorThesis |
| Published: |
2022
|
| Subjects: | |
| Online Access: | http://repositorio.ute.edu.ec/handle/123456789/23279 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | Summary: | En el presente proyecto técnico de tesis, se muestra el diseño de un sistema para la adquisición y clasificación de señales electromiográficas (EMGs) durante el movimiento de las extremidades inferiores bajo la influencia de una carga utilizando redes neuronales artificiales. Se aplicó la metodología de modelos en V de sistemas mecatrónicos para el desarrollo del proyecto comenzando por la definición de los requerimientos del sistema con los parámetros o restricciones de operación para su funcionamiento, luego se desarrolló el diseño conceptual, el mismo que dio una idea general de los elementos físicos inmersos en el proyecto, a continuación el diseño especifico donde se describió de manera más clara los subsistemas del sistema final entre ellos está el de tipo electrónico para la lectura y adquisición de la señal, luego el sistema de procesamiento digital con métodos estadísticos de caracterización y por último el sistema de control y clasificación de las señales EMGs. Por consiguiente, se elaboró la integración de todos ellos para luego aplicar el proceso de validación y verificación del funcionamiento comparando la salida de la red neuronal con el ángulo de posición de la pierna derecha determinando el tipo de red con el más alto grado de acierto y efectividad la cual fue tanto para el entrenamiento con un peso de 10 kilos que sin el peso, la red neuronal de 2 entradas y 20 neuronas en la capa oculta. Para finalizar se logró un sistema capaz de clasificar las señales EMGs generadas por los diferentes tipos de movimientos sometidos a una carga y sin ella. |
|---|