Pesquisas científicas no campo da engenharia de reabilitação estão proporcionando cada vez mais mecanismos que visam ajudar pessoas portadoras de alguma deficiência física a executar tarefas simples do dia-a-dia. Com isso em mente, esse trabalho tem a finalidade de desenvolver um sistema que utiliza sinais musculares e redes neuro-fuzzy para a caracterização de determinados movimentos de um braço humano, com o objetivo de possibilitar futuramente a integração em sistemas de reabilitação. Ensaios preliminares demonstraram que para a caracterização de movimentos simples realizados por um braço humano, o uso exclusivo de técnicas simples de processamento de sinal é suficiente, como a utilização do valor rms. No entanto, para a caracterização de movimentos complexos é necessário um processamento mais robusto do sinal. Para isso foi desenvolvido um sistema experimental que adquire, através de um eletromiógrafo (EMG) de 8 canais, o sinal mioelétrico com eletrodos de superfície posicionados em lugares estratégicos do braço. O sinal é adquirido utilizando como estímulo um modelo virtual que demonstra ao usuário os movimentos do segmento mão-braço que devem ser executados de forma aleatória. Finalmente, com o uso de uma rede neuro-fuzzy, que possibilita a distinção tanto de movimentos simples como de movimentos compostos, se adaptando a diferentes usuários, os movimentos executados foram caracterizados em 12 movimentos distintos, previamente definidos, com uma taxa de acerto médio de 65%. / The scientific researches in the field of rehabilitation engineering are increasingly providing mechanisms to help people with a disability to perform simple tasks of day-to-day. With that in mind, this work aims to develop an experimental robotic prosthesis in order to implement, in the same, a control system that uses muscle signals and neuro-fuzzy networks for characterization of certain movements of a human arm, in order to enable further integration in rehabilitation systems. Preliminary tests showed that for the characterization of simple movements performed by a human arm, the exclusive use of simple techniques of signal processing is sufficient, as the use of the rms value. However, for the characterization of complex movements is required a more robust signal processing. For this was developed an experimental system that acquires through an electromyography (EMG) of 8 channels, the myoelectric signal with surface electrodes positioned in strategic places of the arm. The acquired signal uses, as a stimulus, a virtual model that demonstrates the hand-arm segment movements to be executed by the user at random. Finally, through a neuro-fuzzy network, which enables the distinction of both simple and compound movements, self-adapting to different users, the movements performed were characterized in 12 distinct movements, previously defined, with an average accuracy of 65%.

Pesquisas científicas no campo da engenharia de reabilitação estão proporcionando cada vez mais mecanismos que visam ajudar pessoas portadoras de alguma deficiência física a executar tarefas simples do dia-a-dia. Com isso em mente, esse trabalho tem a finalidade de desenvolver um sistema que utiliza sinais musculares e redes neuro-fuzzy para a caracterização de determinados movimentos de um braço humano, com o objetivo de possibilitar futuramente a integração em sistemas de reabilitação. Ensaios preliminares demonstraram que para a caracterização de movimentos simples realizados por um braço humano, o uso exclusivo de técnicas simples de processamento de sinal é suficiente, como a utilização do valor rms. No entanto, para a caracterização de movimentos complexos é necessário um processamento mais robusto do sinal. Para isso foi desenvolvido um sistema experimental que adquire, através de um eletromiógrafo (EMG) de 8 canais, o sinal mioelétrico com eletrodos de superfície posicionados em lugares estratégicos do braço. O sinal é adquirido utilizando como estímulo um modelo virtual que demonstra ao usuário os movimentos do segmento mão-braço que devem ser executados de forma aleatória. Finalmente, com o uso de uma rede neuro-fuzzy, que possibilita a distinção tanto de movimentos simples como de movimentos compostos, se adaptando a diferentes usuários, os movimentos executados foram caracterizados em 12 movimentos distintos, previamente definidos, com uma taxa de acerto médio de 65%. / The scientific researches in the field of rehabilitation engineering are increasingly providing mechanisms to help people with a disability to perform simple tasks of day-to-day. With that in mind, this work aims to develop an experimental robotic prosthesis in order to implement, in the same, a control system that uses muscle signals and neuro-fuzzy networks for characterization of certain movements of a human arm, in order to enable further integration in rehabilitation systems. Preliminary tests showed that for the characterization of simple movements performed by a human arm, the exclusive use of simple techniques of signal processing is sufficient, as the use of the rms value. However, for the characterization of complex movements is required a more robust signal processing. For this was developed an experimental system that acquires through an electromyography (EMG) of 8 channels, the myoelectric signal with surface electrodes positioned in strategic places of the arm. The acquired signal uses, as a stimulus, a virtual model that demonstrates the hand-arm segment movements to be executed by the user at random. Finally, through a neuro-fuzzy network, which enables the distinction of both simple and compound movements, self-adapting to different users, the movements performed were characterized in 12 distinct movements, previously defined, with an average accuracy of 65%.

Pesquisas científicas no campo da engenharia de reabilitação estão proporcionando cada vez mais mecanismos que visam ajudar pessoas portadoras de alguma deficiência física a executar tarefas simples do dia-a-dia. Com isso em mente, esse trabalho tem a finalidade de desenvolver um sistema que utiliza sinais musculares e redes neuro-fuzzy para a caracterização de determinados movimentos de um braço humano, com o objetivo de possibilitar futuramente a integração em sistemas de reabilitação. Ensaios preliminares demonstraram que para a caracterização de movimentos simples realizados por um braço humano, o uso exclusivo de técnicas simples de processamento de sinal é suficiente, como a utilização do valor rms. No entanto, para a caracterização de movimentos complexos é necessário um processamento mais robusto do sinal. Para isso foi desenvolvido um sistema experimental que adquire, através de um eletromiógrafo (EMG) de 8 canais, o sinal mioelétrico com eletrodos de superfície posicionados em lugares estratégicos do braço. O sinal é adquirido utilizando como estímulo um modelo virtual que demonstra ao usuário os movimentos do segmento mão-braço que devem ser executados de forma aleatória. Finalmente, com o uso de uma rede neuro-fuzzy, que possibilita a distinção tanto de movimentos simples como de movimentos compostos, se adaptando a diferentes usuários, os movimentos executados foram caracterizados em 12 movimentos distintos, previamente definidos, com uma taxa de acerto médio de 65%. / The scientific researches in the field of rehabilitation engineering are increasingly providing mechanisms to help people with a disability to perform simple tasks of day-to-day. With that in mind, this work aims to develop an experimental robotic prosthesis in order to implement, in the same, a control system that uses muscle signals and neuro-fuzzy networks for characterization of certain movements of a human arm, in order to enable further integration in rehabilitation systems. Preliminary tests showed that for the characterization of simple movements performed by a human arm, the exclusive use of simple techniques of signal processing is sufficient, as the use of the rms value. However, for the characterization of complex movements is required a more robust signal processing. For this was developed an experimental system that acquires through an electromyography (EMG) of 8 channels, the myoelectric signal with surface electrodes positioned in strategic places of the arm. The acquired signal uses, as a stimulus, a virtual model that demonstrates the hand-arm segment movements to be executed by the user at random. Finally, through a neuro-fuzzy network, which enables the distinction of both simple and compound movements, self-adapting to different users, the movements performed were characterized in 12 distinct movements, previously defined, with an average accuracy of 65%.