بکارگیری الگوریتم NSGA-II جهت استخراج ویژگی سیگنال های EMG عضلات بازو برای کنترل حرکت بلادرنگ ساعد سایبرنتیکی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICRSIE01_140

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

همواره به منظور توانبخشی و ساخت اندام مصنوعی سعی پژوهشگران بر این بوده که زمان پردازش کاهش داده شود تا برای استفاده های زمان حقیقی مناسب باشد، اگرچه در این زمینه تا حدودی موفق بوده اند ولی در اکثر تحقیقات قبلی، مسئله آشکارسازی نوع حرکت پیش از مشاهده آن مورد توجه نبوده است .هدف کلی این مقاله، بکارگیری الگوریتم ژنتیک چندهدفه NSGA-II جهت ارائه راهکاری مناسب برای تشخیص بلادرنگ نوع حرکت مورد اراده فرد در عضلات بازو مبتنی بر پردازش سیگنال های الکترو مایوگرام سطحی برای کنترل یک ساعد سایبرنتیکی با استفاده از ویژگی های بهینه زمان- فرکانسی است. در این روش از ماشین بردار پشتیان به عنوان طبقه بندی کننده جهت آشکارسازی زمان حقیقی نوع حرکت استفاده شده و در نهایت برای سنجش عملکرد کار اعتبارسنجی لازم اعمال شده است. نتایج حاصل از پردازش 100 نمونه داده ثبت شده از عضلات بازو سوژه سالم نشان میدهد که میتوان ادعا کرد با استفاده از روش پیشنهادی، عملکرد بهتری نسبت به روش هایی که تاکنون ارائه شده خواهیم داشت.

نویسندگان

سید علی زنده باد

کارشناس ارشد، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی تبریز، ایران

سیامک حقی پور

استادیار، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی تبریز، ایران

حمیدرضا کبروی

استادیار، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد، ایران

سید امیر زنده باد

دانشجوی دکتری، گروه مهندسی، دانشگاه آزاد اسلامی تهران مرکز، 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 :
  • R. N. Khushaba, S. Kodagoda, M. Takruri, and G. Dissanayake, ...
  • دست سیبرنتیکی و حرکت تحت کنترل در هنگام اراده‌ی افراد معلول [مقاله کنفرانسی]
  • مروج‌، م.، 1393، توسعه راهکاری مناسب به منظور کنترل حرکت ...
  • رحیمی، .، 1393، پیشگویی زمان حقیقی نوع حرکت مچ دست ...
  • هاشمی گلپایگانی، .، زردشتی کرمانی، م.، احمدی، ک.، رمیکائیلی، و، ...
  • S. Nahavandi and A. Kouzani, "Artificial hand-from a robotic perspective, ...
  • S. Tanenbaum, "The Boston Elbow (Health technology case study 2 ...
  • A. Phinyomark, P. P hukpattaranont, and C. Limsakul, "Feature reduction ...
  • D. Graupe and W. K. Cline, "Functional separation of EMG ...
  • C. J. De Luca, L. D. Gilmore, M. Kuznetsov, and ...
  • K. Englehart, B. Hudgins, P. A. Parker, and M. Stevenson, ...
  • G. N. Saridis and T P. Gootee, "EMG pattern analysis ...
  • Internationa Conference n researches in Science and Engineering 28 July ...
  • M .Vuskoviv, A. Pozos, and R. Pozos, "Classification of grasp ...
  • coefficients and maximum likelihood method in EMG pattern recognition [movements ...
  • ]11[Y.-S. Yuag, F. Lam, F. H. Chan, Y.-T. Zhang, and ...
  • ]12[M. Fontana, S. Fabio, S. Marcheschi, and M. Bergamasco, "Haptic ...
  • ]10[R. H. Chowdhury, M. B. Reaz, M. A. B. M. ...
  • ]15[J.-S. Han, W.-K. Song, J.-S. Kim, W.-C. Bang, H. Lee, ...
  • ]17[M. Khan, T. C. Wei, S. Parasuraman, and I. Elamvazhuthi, ...
  • ]18[A. Subasi, "Classification of EMG signals using PSO optimized SVM ...
  • ]19[C. J. Burges, "A tutorial _ support vector machines for ...
  • ]13[W.-J. Kang, J.-R. Shiu, C.-K. Cheng, J.-S. Lai, H.-W. Tsao, ...
  • نمایش کامل مراجع