پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > مهندسی برق و رباتیک > مقطع کارشناسی ارشد > سال 1397
پدیدآورندگان:
پوریا شریفی [پدیدآور اصلی]، هادی گرایلو[استاد راهنما]
چکیده: استفاده از پروتز مصنوعی برای فرد یا افرادی که دچار قطع عضو هستند یا به صورت مادرزادی با اختلال جسمی متولد شده اند می تواند بسیاری از فرصت های زندگی و شغلی را به آن ها باز گرداند. جزء اساسی بسیاری از پروتزهای مدرن، سیستم کنترل مایوالکتریک است که از سیگنال های الکترومایوگرام دریافت شده از عضلات فرد برای کنترل و حرکت پروتز استفاده می شود. اگرچه تحقیقات زیادی در این حوزه صورت گرفته که شامل تشخیص و یا بازسازی حرکات دست می شود، اما در حوزه تشخیص و شناسایی حرکات تکی و ترکیبی انگشتان به این مسئله توجه زیادی نشده است. هدف از تحقیق و گردآوری این پایان نامه ایجاد رویکردی بهینه برای طبقه بندی سیگنال های مایوالکتریک مجموعه ای از حرکات تکی و ترکیبی انگشتان دست است. قسمت عمده ی این پایان نامه به بررسی دقیق و تشخیص حرکات تکی و ترکیبی انگشتان دست با استفاده از سیگنال های EMG سطحی می پردازد، به طوری که می توان موقعیت های انگشت یک دست رباتیک را در پاسخ کنترل کرد. تعداد الکترودها در جمع آوری سیگنال و دقت طبقه بندی نقش به سزایی دارد به نحوی که استفاده از الکترود بیش تر معمولا موجب افزایش دقت طبقه بندی کلاس های حرکتی می شود ولی در طرف مقابل موجب افزایش هزینه و پیچیدگی محاسباتی خواهد شد. در این پایان نامه سعی شده است با حداقل تعداد الکترود به بالاترین دقت ممکن دست پیدا کنیم. بدین منظور، از پایگاه داده ای که از دو الکترود EMG واقع بر ساعد دست برای جمع آوری داده های EMG از ده شرکت کننده استفاده کرده است بهره برده ایم. مجموعه ای از ویژگی های مختلف در دو حوزه ی زمان و فرکانس به طریقی استخراج و پیش بینی می شود که حداکثر قابلیت تشخیص (تفکیک) بین حرکات انگشتان دست را دارا باشد. به منظور تحلیل در حوزه فرکانس از تبدیل استاکول (تبدیل S) استفاده شده است. بعد از مرحله استخراج ویژگی برای کم کردن هزینه ی محاسباتی و کاهش ابعاد از الگوریتم تجزیه و تحلیل مولفه های اصلی برای کاهش ویژگی ها استفاده نموده ایم طوری که دقت طبقه بندی کاهش چشم گیری پیدا نکند. در نهایت با استفاده از سه طبقه بند شبکه عصبی مصنوعی، ماشین بردار پشتیبان و نزدیک ترین K همسایه، داده ها طبقه بندی شده و کلاس های حرکتی مشخص می شوند. نتایج عملی و آزمون های آماری نشان می دهد که روش پیشنهادی با میانگین دقت 0.55±92.28% قابلیت طبقه بندی 10 حرکت مختلف تکی و ترکیبی انگشتان را دارد که در مقایسه با دیگران نتیجه ی مطلوبی داشته که اهمیت روش پیشنهادی ما را نشان می دهد.
کلید واژه ها (نمایه ها):
#سیگنال الکترومایوگرام #استخراج ویژگی #حوزه زمان-فرکانس #تبدیل استاکول #طبقه بندی
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده:
پایان نامه های مرتبط (بر اساس کلیدواژه ها)