به کار گیری تبدیل ویولت و روش ویکور در آنالیز سیگنال های الکترومیوگرافی سطحی
- سال انتشار: 1395
- محل انتشار: دومین کنفرانس بین المللی مهندسی صنایع و مدیریت
- کد COI اختصاصی: INDUSTRIAL01_340
- زبان مقاله: فارسی
- تعداد مشاهده: 958
نویسندگان
استادیار، دانشگاه صنعتی خواجه نصیرالدین طوسی، گروه مهندسی صنایع، تهران، ایران
کارشناسی ارشد، دانشگاه صنعتی خواجه نصیرالدین طوسی، گروه مهندسی صنایع، تهران، ایران
چکیده
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
الکترومیوگرافی، ویولت، EMG, RMS، ویکورمقالات مرتبط جدید
- کالیبراسیون مبتنی بر مقایسه قطعه با قطعه مرجع به جای ابزار مرجع (Master-Part)
- نقش واسطه ای IT و مدیریت یکپارچه زیست محیطی در ارتباط بین IT و عملکرد زیست محیطی– یک مطالعه موردی
- Application of Machine Learning and Deep Learning in Pancreatic Cancer Diagnosis: A Review
- Adoption of Artificial Intelligence in Small and Medium Manufacturing Enterprises: An HBR Perspective and a Human – Machine Collaboration Framework
- کاربرد شبکه های بیزین در مدیریت نگهداری و تعمیرات پیش بینانه: مطالعه ای موردی بر خطوط تولید شرکت سیمان تهران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.