[pt] Esta dissertação propõe um sistema de controle de uma mão robótica
utilizando sinais eletromiográficos de superfície (sEMG). Os sinais sEMG
são coletados de três diferentes grupos musculares do antebraço superior:
músculo palmar longo, músculo extensor dos dedos, e músculo extensor
radial longo do carpo. O objetivo dessa pesquisa é o desenvolvimento
de um protótipo de uma prótese robótica para pessoas que apresentam
amputação da mão, controlado por uma interface eletromiográfica baseada
em inteligência computacional. Este trabalho abrange os seguintes tópicos:
posicionamento dos eletrodos para capturar os sinais sEMG, projeto de
um sistema de eletromiografia como interface muscular, método de pré processamento
de sinais, uso de técnicas de inteligência computacional
para a interpretação dos sinais sEMG, projeto da mão robótica, e método
de controle utilizado para controlar as posições dos dedos e o controle
da força da mão. Nesta dissertação é utilizada a transformada wavelet
como método de extração de características nos sinais eletromiográficos,
e uma rede neural multicamada como método de classificação de padrões.
O modelo proposto apresentou resultados satisfatórios, conseguindo 90,5 por cento
de classificação correta dos padrões para o reconhecimento de 6 posturas
diferentes da mão, 94,3 por cento para 5 posturas, e 96,25 por cento para 4 posturas. / [en] This thesis proposes the control of a robotic hand system using surface
electromyographic signals (sEMG). The sEMG signals are collected
from three different muscle groups of the upper forearm: palmaris longus
muscle, extensor digitorum communis muscle, and extensor carpi radialis
longus muscle. The objective of this research is to develop a prototype
of a robotic prosthesis for people with hand amputation, controlled by
an electromyographic interface based on computational intelligence. This
thesis covers the following topics: positioning of electrodes to capture the
sEMG signals, design of an electromyography muscle interface, preprocessing
method, use of techniques of computational intelligence for the interpretation
of the sEMG signals, design of the robotic hand, and method
used to control the positions of the fingers and of the hand grip force.
Here, the wavelet transform is used as a feature extraction method in electromyographic
signals, and a multi-layer neural network as a pattern classification
method. The proposed model obtained satisfactory results, recognizing
90.5 per cent of the positions for 6 different hand patterns, 94.3 per cent for 5, and
96.25 per cent for 4 positions.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:29330 |
| Date | 07 March 2017 |
| Creators | CARLOS GERARDO PAUCAR MALQUI |
| Contributors | MARCO ANTONIO MEGGIOLARO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0016 seconds