Please use this identifier to cite or link to this item: http://repositorio.ute.edu.ec/handle/123456789/21095
Title: Clasificación de señales electromiográficas durante el movimiento de flexión y extensión del brazo bajo la acción de una carga, mediante la utilización de la transformada Wavelet
Author(s): Garzón Quinteros, Daniel Alejandro
Thesis Director: Bonilla, Vladimir
Type: bachelorThesis
Keywords: REDES NEURONALES;ROBOT;MECATRONICA;INGENIERO EN MECATRONICA;EXOESQUELETO;SEÑALES ELECTROMIOGRAFICAS
Issue Date: 2020
Publisher: CIENCIAS DE LA INGENIERÍA E INDUSTRIAS FACULTAD:INGENIERÍA MECATRÓNICA
Abstract: En el presente trabajo de titulación se plantea la clasificación de señales EMGs del músculo bíceps, mediante la utilización de la transformada Wavelet y el uso de redes neuronales para el control de un exoesqueleto para la amplificación de fuerza en un entorno laboral. En el proyecto participaron 10 personas de entre 20 y 30 años sin patologías en las extremidades superiores, realizaron movimientos de cintura mientras se flexionaba y extendía la articulación del codo con una carga de 6.5 Kg. Para la adquisición y amplificación de señales EMGs se diseñó un circuito en base al amplificador de instrumentación INA118, de tal manera que las señales adquiridas se amplificaron 600 veces. Para el tratamiento de las señales se realizó su descomposición a un sexto nivel mediante la transformada Wavelet, con la función madre Bior 3.5. El filtro diseñado en base a la transformada wavelet permitió eliminar el ruido e interferencia producido por la señal ECG y los músculos cercanos al bíceps. Para el análisis de las señales se utilizaron métodos estadísticos y espectrales, los parámetros obtenidos en el análisis se utilizaron como entradas para la red neuronal que realiza la clasificación del movimiento en 4 intervalos. Para la creación de los conjuntos de entrenamiento de los vectores objetivos se utilizó el sensor MPU6050 que permite obtener la posición a la que se encuentra el brazo durante la flexión y extensión. Para el reconocimiento de las fases del movimiento, se diseñó una red neuronal de tipo Backpropagation y como resultado se obtuvo la estimación del ángulo de desplazamiento, lo cual se comparó con la lectura del giroscopio implementado. En la etapa de prueba, la RNA (Red Neuronal Artificial) produjo un error del 13.63% con respecto a los valores del sensor de posición, con un retardo de tiempo de 0.445 s, que es menor al retardo recomendado para el análisis de señales EMGs en tiempo real.
Table of contents: Introducción. Metodología. Resultados y discusión. Conclusiones y Recomendaciones. Bibliografía. Anexos.
URI: http://repositorio.ute.edu.ec/handle/123456789/21095
Appears in Collections:TESIS - UIO

Files in This Item:
File SizeFormat 
72970_1.pdf1.64 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.