Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN
N este artculo se tratara de cmo se controla un exoesqueleto completamente mediante la
utilizacin de un sistema de control mioelctrico que
consiste en una deteccin de movimientos generados
por el cuerpo humano e interpretados por este sistema
mediante la creacin de vectores que pueden ser comparados con patrones que se utilizan temporalmente
para as mejorar el tiempo de respuesta ante los
estmulos humanos y la mecnica del exoesqueleto,
la deteccin en tiempo real de estoy estmulos es un
factor muy importante, ya que de este depende para
que el sistema comienza a discriminar los patrones
incorrectos y adems que los actuadores del exoesqueleto realicen las acciones correspondientes ante los
estmulos correctos.
PALABRAS CLAVES
-Control Mioelctrico
-Exoesqueleto
-Seal EMG
-K-Means
-K-NN
I.
INTRODUCCIN
que es una de las soluciones comerciales ms representativas. En tales casos, el procesamiento de las
seales electromiogrficas (EMG) puede ser tan bsico
como una simple deteccin de nivel, y es suficiente con
la ubicacin de dos electrodos. Dado el poco confort
que se obtiene con los exoesquelestos comerciales, hay
un gran inters cientfico en aumentar el grado de
libertad, lo que impone mayores desafos al procesamiento de las seales EMG [4], porque no es prctico
usar un nuevo electrodo EMG aislado para detectar
cada nuevo grado de libertad. Para resolver este problema, han emergido dos caminos de investigacin:
usar tcnicas de reconocimiento de patrones [5] o usar
estimacin de fuerza basada en modelo [6]. El campo
del reconocimiento de patrones tiene un amplio recorrido histrico, especialmente por sus aplicaciones en
tcnicas de visin por computador, razn por la cual
es frecuente encontrar aportes al problema desde ese
enfoque. En este campo, cada sensor EMG origina un
canal de seales, las cuales, luego de un procesamiento
de adecuacin, permiten extraer caractersticas del
dominio del tiempo, de la frecuencia o de los dos.
Combinando diferentes tipos de caractersticas, y la
informacin de varios canales, se conforma un vector
de caractersticas a partir del cual puede identificarse
la intencin de movimiento usando alguna de las
numerosas tcnicas de clasificacin [7]. Por otro lado,
debido a que las seales EMG son muy susceptibles
de corrupcin por efecto de campos electromagnticos
cercanos, e incluso por cambios fisiolgicos del paciente, la mejora de la precisin de los algoritmos para
detectar la intencin de movimiento tambin ha sido
un tema de investigacin de inters hasta la fecha. En
este campo, los aportes en el control de exoesqueleto
avanzadas se pueden clasificar en tres grandes grupos:
1) aportes en cuanto al hardware de adquisicin y
procesamiento de seales [3], 2) aportes en cuanto a
combinaciones de caractersticas extradas de las seales EMG que proporcionen vectores de caractersticas
que sean discriminantes [8], [9], y 3) aportes acerca de
ASPECTOS TERICOS
CONTROL MIOELCTRICO
II-B.
SEALES EMG
II-C.
K-MEANS
Voronoi generado por los centroides). Paso de actualizacin: Calcular los nuevos centroides como el
centroide de las observaciones en el grupo
CONCLUSIN
La viabilidad que se obtiene para manejar un exoesqueleto mediante un sistema mioelctrico y la factibilidad que se tiene al trabajar con seales electromiogrficas (EMG) son muy aceptables en cuanto tiempo de
respuesta. El mtodo que se ocupa para discriminar
lecturas que no son correctas es muy efectivo, la
discriminacin mediante la utilizacin de patrones almacenados temporalmente hace que la interpretacin
de las seales se haga con ms velocidad y eficiencia.
REFERENCIAS
[4] K. Ernest, S. Erik y E. Kevin, Combined surface and intramuscular EMG for improved real-time
myoelectric control performance, Biomedical Sigmal
Processing Control, vol. 10, pp. 102-107, mar. 2014.
[5] K. Englehart y B. Hudgins, A robust, real-time
control scheme for multifunction myoelectric control,
IEEE Transactions Biomedical Engineering, vol. 50,
pp.848-854, jul. 2003.
[6] E. N. Kamavuako et al., Estimation of grasping
force from features of intramuscular EMG signals
with mirrored bilateral training, Annals Biomedical
Engineering, vol. 40, pp. 648-656, mar. 2012.
[7] R. Clement, K. Bugler y C. Oliver, Bionic
prosthetic hands: A review of present technology and
future aspirations, The Surgeon, vol. 9, no. 6, pp.
336-340, 2011.
[8] A. Phinyomark, C. Limsakul y P. Phukpattaranot, A novel feature extraction for robust EMG
pattern recognition, Journal Computing, vol. 1, no.
1, pp. 71-80, dic. 2009.
[9] A. Phinyomark et al., EMG feature evaluation
for improving myoelectric pattern recognition robustness, Expert Systems Applications, vol. 40, no. 12,
pp. 4832-4840, sep. 2013.