Metodologia para estimação de intenção de movimento e controle em tempo real de prótese mioelétrica de mão: uma abordagem linear, preditiva e estocástica
Autor: | DUTRA, Bruno Gomes |
---|---|
Jazyk: | portugalština |
Rok vydání: | 2018 |
Předmět: |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL
SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS RETROALIMENTACAO Sinais mioelétricos Filtro de Kalman Fusão sensorial Identificação de sistemas Controle de variância mínima Robótica Biomecânica Reabilitação - Automação CONTROLE E AUTOMAÇÃO SISTEMAS DE ENERGIA ELÉTRICA |
Zdroj: | Repositório Institucional da UFPAUniversidade Federal do ParáUFPA. |
Druh dokumentu: | masterThesis |
Popis: | Submitted by Luciclea Silva (luci@ufpa.br) on 2018-06-28T15:41:26Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-06-28T15:41:47Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) Made available in DSpace on 2018-06-28T15:41:47Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) Previous issue date: 2018-03-28 FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas Os sinais musculares capturados a partir da eletromiografia (EMG) são bastante utilizados para detecção de contração muscular e intenção de movimento. Ao se utilizar tais sinais em tempo real, em controle de próteses, depara-se com um sinal amplificado e ruidoso. Com isso, precisa-se ter métodos recursivos, robustos a ruídos e algoritmos eficazes, para gerar comandos em tempo real para o atuador robótico. Nesta pesquisa, foram investigadas técnicas de identificação estocástica autoregressiva, filtro de Kalman, fusão sensorial e controle preditivo estocástico, aplicados para melhorar o processo de medição de sinais mioelétricos e dar robustez ao controle de próteses biomecatrônicas, buscando-se obter um processo aprimorado, menos sensível ao ruído e com redução de atrasos. Nesta dissertação o método proposto consiste em 4 estágios: (1) extração de características usando o método auto regressivo (AR), (2) fusão de dados com filtro de Kalman, (3) algoritmo de estimação de movimento e (4) controle preditivo de variância mínima generalizado aplicado em um servomecanismo. Os principais objetivos buscados foram: melhorar a relação sinal/ruído nos sinais mioelétricos (SMEs), obter uma interface homem-máquina de processamento em tempo real de baixo custo, evitar problemas de medição e minimizar o consumo de energia do sistema de controle. Foi desenvolvida uma planta didática, que é um sistema microcontrolado para aquisição, processamento de 4 canais de eletromiografia e controle de um servomecanismo acoplado em uma garra robótica. Foram realizados testes experimentais nesse processo biomecatrônico e pelos resultados obtidos pode-se confirmar que é possível estimar continuamente a intenção de movimento de abrir e fechar da mão e comprovam o bom desempenho de um controlador estocástico projetado para o controle da prótese mioelétrica. Muscle signals from electromyography (EMG) are widely used to detect muscle contraction and intention to motion. By using these signals in real time in prosthetic control, a low signal to noise ratio is commonly found. Thus, it is necessary to have recursive methods, robust to noise and efficient algorithms, to generate commands in real time for the robotic actuator. In this research, stochastic system indentification techniques, Kalman filter, sensor fusion and stochastic predictive control techniques were investigated and applied to improve the measurement and processing of electromyographic signals to increase robustness in the control of biomechatronic prostheses. Thus, it is an improved process, less sensitive to noise and with minimal delays and phase lags. In this methodology, a four-stage distribution method is used: (1) features extraction by using an autoregressive model (AR), (2) data fusion with the Kalman filter, (3) motion estimation algorithm, and (4) predictive control with the generalized minimum variance controller applied to a servomechanism. The main objectives were: to enhance the signal-to-noise ratio of EMG signals, to have a low-cost real-time processing man-machine interface, to avoid measurement problems and to minimize energy consumption of the control system. A didactic plant was developed, which is a 4 channel EMG data acquisition and processing system with a servomechanism and its control system coupled in a robotic jaw. Practical tests were conducted with the prototype and the results show that it is possible to continuously estimate the intention of opening and closing movement of the hand and can confirm the good performance of the stochastic controller designed for the control of the electric prosthesis. |
Databáze: | Networked Digital Library of Theses & Dissertations |
Externí odkaz: |