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%.

This master thesis present a method for building topological maps for mobile robot navigation using neural network and neural fuzzy network. The master thesis concentrates on classification method. Neural fuzzy network is compared with two neural networks. It was also designed control algorithm exploration environment for autonomous mobile robot. This will rereduce the time to build the map. I developed simulation program in Matlab, which simulate move mobile robot in unknown environment.