Çok fonksiyonlu protezler için yapay sinir ağları kullanılarak miyoelektrik kontrol
Başlık çevirisi mevcut değil.
- Tez No: 34754
- Danışmanlar: PROF. DR. HALİT PASTACI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1994
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
ÖZET özellikle dirsek üstünden kolunu kaybedenler için kullanılan çok fonksiyonlu protezlerin kontrolü, bir çift yüzey elektrodundan alınan miyoelektrik işaretler kullanılarak yapılabilir. Kontrol stratejisi, herbiıi için aynı olan ve tekrarlanabilen kas kasılına, karakterleri setinin meydana getirdiği miyoelektrik işaretlerden kolaylıkla çıkarılan karakteristik parametrelerle olur. Bu parametreler kullanılarak farklı kas kasılma karaktarlerini sınıflara ayırmak mümkündür. Kas kasılmadı sınıflarının herbiri protez cihazının özel fonksiyonunu tetiklemek için kullanılır. Yapay sinîr ağı uygulaması miyoelektrik işaret analizlerini yerine getirmek için uygulanır. Bu araştırmanın amacı, çok açılı serbestiyete sahip kolun kontrolünü sağlayan daha çok güvenilir metodlan incelemektir. Miyoelektrik işaretleri sınıflandırmak için üç katman içeren bir çok katmanlı perceptron özbağlammlı ( AR: Auto Regressive ) model parametreleri ve işaret gücü özellikler olarak kullanılır. Bu özellikler kullanılarak, perception altı ayn kol fonksiyonları arasındaki farkı ayırdetmek için eğitilir. Perceptron sınıflandıncısı tarafından kullanılan iki-boyutlu karar sınırlan tesbit edilir. Bu adaptif nitelik, perceptronlann gelecekteki miyoelektrik işaret analizleri için faydalı bir araç sağlayabilir. Bu çalışmada, farklı hareketler ( dirsek açma, dirsek kapama, bilek bükme, bilek döndürme, kavrama ve dinlenme ) gözönflne alınmıştır ve bu fonksiyonlar 3000 iterasyon için % 96.11ik basarı oranında ayırriedilmiştir.
Özet (Çeviri)
SUMMARY The Control of multi functions prostheses can be accomplished using a myoelectric signal taken from a single pair of surface elektrodes. This has been demonstrated specifically in the case of prostheses for use by above elbow amputees. The control strategy in such situations is to have the user /subject generate a set of repeatable muscle contraction patterns, each having similar characteristic parameters that can be easily extracted from the myoelectric signal. By using these parameters, it is possible to segregate different muscle contraction patterns into classes. Each class of muscle contraction is used to trigger a particular function in the prosthetic device. A Neural Network implementation is applied to myoelectric signal analysis tasks. The motivation behind this research is to explore more reliable methods of deriving control for multidegree of freedom arm prostheses. A Multi Layer Perceptrons (MLP) implementation involves using a three-layer perceptron for classifying myoelectric signals. Auto regressive (AR) model parameters and the signal power are used as features. Using these features, the perceptron is trained to distinguish between six separate arm functions. The two-dimensional decision boundaries used by the perceptron classifier are deliated. This adaptive quality suggests that perceptrons may provide a useful tool for future MES analysis. In this study, different movements (elbow extension, elbow flexion, wrist supination, wrist pronation, grasp and relextion) are considered and these functions are discriminated with total success rate of 96. 1% for 3000 iterations.
Benzer Tezler
- İnsan elinin pozisyon ve kuvvetlerinin kestirimi amacıyla emg sinyallerinin sınıflandırılması
Emg signal classification to predict the position and force patterns of human hand
RAHİME YILMAZ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA ENSARİ
DOÇ. DR. YUNUS ZİYA ARSLAN
- Short term load forecasting by using artificial neural networks
Yapay sinir ağları kullanılarak kısa dönemli yük tahmini
ALI GHADIRIASL NOBARI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Neural networks applications in parameter setting of tube hydroforming and metal cutting processes
Tüp şekillendirme ve metal işleme proseslerinde parametre belirleme için sinir ağı uygulamaları
SEZGİ ÖZEN
Doktora
İngilizce
2011
Endüstri ve Endüstri MühendisliğiDokuz Eylül ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. G. MİRAÇ BAYHAN
- Yapay sinir ağları ile proteinlerin ikincil yapılarının kestirimi
Protein secondary structure prediction with neural network
ERTAN ATAR
Yüksek Lisans
Türkçe
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LALE ÖZYILMAZ
PROF. DR. OKAN ERSOY
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM