به کار گیری تبدیل ویولت و روش ویکور در آنالیز سیگنال های الکترومیوگرافی سطحی
محل انتشار: دومین کنفرانس بین المللی مهندسی صنایع و مدیریت
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 872
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDUSTRIAL01_340
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
بررسی وضعیت ماهیچه ها زمان انجام فعالیت یکی از موارد استفاده از سیگنال های الکترومیوگرافی می باشد.تبدیل ویولت جهت بررسی سیگنال ها جایگاه ویژه ای دارد اما استفاده از تبدیل ویولت نیازمند انتخاب تابع ویولت مناسب می باشد که هیچ قانون ثابتی برای آن وجود ندارد. برخی محققان روش هایی جهت رتبه بندی وانتخاب تابع ویولت مناسب به کار برده اند اما این کار با روش ویکور هنوز صورت نگرفته است. هدف اصلی در این تحقیق رتبه بندی شش تابع ویولت پرکاربرد برای تعیین و اولویت بندی توانمندی آن ها در آشکار سازی خستگی است . برای این منظور سیگنال های EMG ماهیچه طویل سینه ای و خاصره ی گردنی 23 داوطلب که در یک ایستگاه شبیه سازی شده مونتاژ پیچ فعالیت می کردند در نه پاسچر متفاوت جمع آوری گردید و پس از اعمال تبدیل ویولت به کمک شش تابع ویولت مورد نظر و استخراج ویژگی از سیگنال ها با استفاده از روش RMS ، به کمک متد ویکور اولویت یندی توابع ویولت انجام شد.بدین صورت که برای هر سیگنال دو بازه ی زمانی ابتدایی و انتهایی استخراج گردید، تبدیل ویولت گسسته روی این دو بازه اعمال شد و برای بازه ی فرکانسی 16-32 هرتز RMS محاسبه گردید و شاخص CONTRAST که درایه های ماتریس تصمیم را تشکیل می داد به دست آمد. در نهایت به کمک روش آنتروپی شانون وزن هر شاخص که شش تابع ویولت مورد نظر هستند تعیین شده و بوسیله ی متد ویکور رتبه بندی توابع ویولت صورت گرفت. و تابع ویولت Rbio3.1 به عنوان مناسب ترین تابع برای آشکارسازی خستگی تعیین شد.
کلیدواژه ها:
نویسندگان
حامد سلمان زاده
استادیار، دانشگاه صنعتی خواجه نصیرالدین طوسی، گروه مهندسی صنایع، تهران، ایران
مریم درودی
کارشناسی ارشد، دانشگاه صنعتی خواجه نصیرالدین طوسی، گروه مهندسی صنایع، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :