КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Перспективи розвитку машинобудування та транспорту-2025

Розмір шрифта: 
СИСТЕМА РОЗПІЗНАВАННЯ СИЛИ ЗАХОПЛЕННЯ ЗА ДОПОМОГОЮ ЕМГ СИГНАЛІВ ТА ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ
Антон Олександрович Пастушенко, Леонід Григорович Коваль

Остання редакція: 2025-05-16

Анотація


У роботі розглянуто систему прогнозування сили захоплення на основі поверхневих ЕМГ-сигналів з використанням глибинної нейронної мережі. Запропонований підхід забезпечує високу точність класифікації сили стискання та стабільне керування протезною рукою в режимі реального часу.


Ключові слова


електроміографія; сила захоплення; глибинна нейронна мережа; автокодер; класифікація; протез руки; сигнали ЕМГ; м’язова активність; сигмоїдна функція; зворотний зв’язок

Посилання


Shahid, T., Iqbal, K., Rehman, M., Riaz, N. (2023). Estimation and Early Prediction of Grip Force Based on sEMG Signals and Deep Recurrent Neural Networks. arXiv preprint arXiv:2302.09555. https://arxiv.org/abs/2302.09555.

Fontana, F., Elsig, L., Schmidhauser, J., et al. (2024). Simultaneous Control of Human Hand Joint Positions and Grip Force via HD-EMG and Deep Learning. arXiv preprint arXiv:2410.23986. https://arxiv.org/abs/2410.23986.

Yao, Y., Yu, L., Liu, C., et al. (2022). Continuous Grip Force Estimation from Surface Electromyography Using Generalized Regression Neural Network. Biomedical Signal Processing and Control, 76, 103697. https://pubmed.ncbi.nlm.nih.gov/36120747/.

Tung, V. P., Trinh, T. T., Do, T. T., & Phung, B. T. (2021). Hand Posture and Force Estimation Using Surface Electromyography and an Artificial Neural Network. Journal of Healthcare Engineering, 2021, 5593547. https://pubmed.ncbi.nlm.nih.gov/34006135/.

Повний текст: PDF