Real-time pattern recognition for prosthetic hand
El control de prótesis mioeléctricas es todavía un problema sin resolver, actualmente, la mayoría de las prótesis comerciales usan estrategias de control directas, proporcionales o por máquina de estados para este propósito. Sin embargo, a medida que el diseño mecánico avanza, prótesis más habilidos...
- Autores:
-
Benítez López, Mario Alejandro
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/44103
- Acceso en línea:
- http://hdl.handle.net/1992/44103
- Palabra clave:
- Prótesis mioeléctrica
Microcontroladores
Sistemas de reconocimiento de configuraciones
Manos artificiales
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| Summary: | El control de prótesis mioeléctricas es todavía un problema sin resolver, actualmente, la mayoría de las prótesis comerciales usan estrategias de control directas, proporcionales o por máquina de estados para este propósito. Sin embargo, a medida que el diseño mecánico avanza, prótesis más habilidosas con más grados de libertad (GDL) son creadas, por lo cual se requiere un control más preciso e intuitivo por parte del usuario. El estado del arte se ha enfocado en el uso de reconocimiento de patrones como estrategia de control con resultados prometedores. Estudios han mostrado la capacidad de este de obtener resultados similares a estrategias clásicas de control. Muchos de estos trabajos buscan aquel algoritmo que mejor siga la intención del usuario. No obstante, la implementación de estos algoritmos en tiempo real dentro de una prótesis sigue siendo un desafío. Este proyecto afronta este problema al implementar y probar en tiempo real una red neuronal artificial (RNA). La RNA fue entrenada para clasificar 3 movimientos diferentes: mano abierta, agarre de precisión y agarre de fuerza con el objetivo de controlar una prótesis trans-radial de 2 GDL con señales electromiográficas obtenidas de dos canales. Se llevaron a cabo pruebas estáticas y dinámicas para evaluar el desempeño de la red bajo estas condiciones, la precisión de la red fue de 95 y 81% respectivamente. Este trabajo muestra el potencial de los algoritmos de reconocimiento de patrones para ser implementados en microcontroladores que se ajusten a las limitaciones de tamaño de una prótesis mioeléctrica. Adicionalmente, se desarrolló un prototipo de una prótesis de mano que es capaz de replicar las acciones clasificadas. |
|---|