Por favor use este identificador para citas ou ligazóns a este item: http://elartu.tntu.edu.ua/handle/lib/52681
Título: Алгоритмічно-програмна система формування адаптивних керуючих сигналів протеза верхньої кінцівки на основі електроміографічних сигналів користувача
Outros títulos: Algorithmic and Software System for Forming Adaptive Control Signals for an Upper-Limb Prosthesis Based on the User’s Electromyographic Signals
Authors: Сметанська, Вікторія Вікторівна
Smetanska, Viktoriia
Affiliation: Тернопільський національний технічний університет імені Івана Пулюя
Bibliographic reference (2015): Сметанська В. В. Алгоритмічно-програмна система формування адаптивних керуючих сигналів протеза верхньої кінцівки на основі електроміографічних сигналів користувача : робота на здобуття кваліфікаційного ступеня бакалавра : спец. 163 - біомедична інженерія / наук. кер. Є. Б. Яворська . Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 117 с.
Data de edición: 22-Jun-2026
Date of entry: 25-Jun-2026
Editor: Тернопільський національний технічний університет імені Івана Пулюя
Country (code): UA
Place of the edition/event: Тернопіль
Supervisor: Яворська, Євгенія Богданівна
Yavorska, Evhenia
UDC: 004.942
616.7-089.844
57.087
Palabras chave: електроміографічний сигнал
ЕМГ-сигнал
протез верхньої кінцівки
біокерований протез
керуючий сигнал
адаптивне керування
математична модель
обробка сигналів біокерований протез, керуючий сигнал, адаптивне керування, математична модель, обробка сигналів, matlab
Matlab
electromyographic signal
EMG signal
upper-limb prosthesis
biocontrolled prosthesis
control signal
adaptive control
mathematical model
signal processing
Page range: 117
Resumo: У роботі проведено програмне моделювання ЕМГ-сигналів для задачі формування керуючих сигналів біокерованого протеза верхньої кінцівки. Розглянуто особливості електроміографічного сигналу, підходи до його обробки та можливість використання в системах керування протезами. Основну увагу приділено генеруванню змодельованого ЕМГ-сигналу, його попередній обробці, виділенню інформативної характеристики та формуванню адаптивного керуючого сигналу. Програмну модель реалізовано в середовищі MATLAB. Вона забезпечує візуалізацію ЕМГ-сигналу, результатів його обробки та сформованого керуючого сигналу. Отримані результати можуть бути використані як основа для подальшого вдосконалення програмних засобів керування біокерованими протезами верхньої кінцівки.
The qualification work presents software modeling of EMG signals for the task of forming control signals for a bio-controlled upper-limb prosthesis. The features of the electromyographic signal, approaches to its processing, and the possibility of its use in prosthesis control systems are considered. The main attention is paid to the generation of a simulated EMG signal, its preliminary processing, extraction of an informative characteristic, and formation of an adaptive control signal. The software model is implemented in the MATLAB environment. It provides visualization of the EMG signal, the results of its processing, and the formed control signal. The obtained results can be used as a basis for further improvement of software tools for controlling bio-controlled upper-limb prostheses.
Descrición: Кваліфікаційна робота виконана на кафедрі біотехнічних систем Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 23.06.2026 р. о 10.00 на засіданні ЕК № 25.
Content: ВСТУП.8 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 9 1.1 Особливості побудови та функціонування протезів верхньої кінцівки 9 1.2 Використання електроміографічних сигналів у системах керування протезами.12 1.3 Основні параметри ЕМГ-сигналу та методи його попередньої обробки....16 1.4 Сучасні методи формування керуючих сигналів для протезів верхньої кінцівки..20 1.5 Проблеми адаптації систем керування до індивідуальних особливостей користувача .25 1.6 Висновки до розділу 1..28 РОЗДІЛ 2. ПРОЕКТНА ЧАСТИНА ....30 2.1 Загальна структура проєктованої програмної системи 30 2.2 Математична модель електроміографічного сигналу .34 2.3 Алгоритм генерування змодельованого ЕМГ-сигналу .38 2.4 Алгоритм попередньої обробки електроміографічного сигналу..40 2.5 Алгоритм виділення інформативних характеристик та формування керуючої команди ...45 2.6 Структурна модель формування керуючого сигналу в середовищі Simulink....49 2.7 Програмна реалізація системи у середовищі MATLAB..54 2.8 Висновки до розділу 2.58 РОЗДІЛ 3. СПЕЦІАЛЬНА ЧАСТИНА.60 3.1 Обґрунтування вибору середовища MATLAB для реалізації програмної моделі.60 3.2 Розроблення графічного інтерфейсу користувача..62 3.3 Методика тестування роботи програмної моделі..66 3.4 Аналіз результатів формування керуючих сигналів ..71 3.5 Висновки до розділу 3..76 РОЗДІЛ 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ.78 4.1 Аналіз умов праці під час роботи з комп’ютеризованою системою формування керуючих сигналів 78 4.2 Ергономічні вимоги до робочого місця користувача комп’ютеризованої системи 81 4.3 Вимоги електробезпеки та пожежної безпеки під час роботи з комп’ютерним обладнанням..84 4.4 Висновки до розділу 4..86 ЗАГАЛЬНІ ВИСНОВКИ.88 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ..90 ДОДАТКИ ДОДАТОК А. Скрипт програмного забезпечення EMGgeAdaptiv ДОДАТОК Б. Скрипт програмного забезпечення EMGgeAdaptiv_RealCompare_v2 ДОДАТОК В. Скрипт програмного забезпечення geMUAP
URI: http://elartu.tntu.edu.ua/handle/lib/52681
Copyright owner: © Сметанська Вікторія Вікторівна, 2026
References (Ukraine): 1. Chen Z. et al. A Review of Myoelectric Control for Prosthetic Hand Manipulation. Biomimetics. 2023. DOI: 10.3390/biomimetics8030328.
2. Guo K., Lu J., Wu Y. et al. The Latest Research Progress on Bionic Artificial Hands: A Systematic Review. Micromachines. 2024. DOI: 10.3390/mi15070891.
3. Dozorska O., Yavorska E., Dozorskyi V., Nykytyuk V., Dediv L. The Method of Selection and Pre-processing of Electromyographic Signals for Biocontrolled Prosthetic of Hand. Proceedings of the 2020 IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT), 2020. P. 188–192. DOI: 10.1109/CSIT49958.2020.9321935.
4. Yadav D., Veer K. Recent trends and challenges of surface electromyography in prosthetic applications. Biomedical Engineering Letters. 2023. DOI: 10.1007/s13534-023-00281-z.
5. Приклад міоелектричного протеза верхньої кінцівки. Prothes : веб-сайт. URL: https://prothes.com.ua/wp-content/uploads/2026/01/https-tovortoped-com-uaassets-images-protez_all.jpeg (дата звернення: 19.06.2026).
6. Поверхнева ЕМГ. Healthgrades : веб-сайт. URL: https://resources.healthgrades.com/right-care/electromyogram-emg (дата звернення: 19.06.2026).
7. Khvostivskyi M., Kovalyk S. Integrated mathematical model of the control system for upper-limb bioprosthesis based on EMG and piezoelectric signals. Herald of Khmelnytskyi National University. Technical Sciences. 2025. No. 359. P. 31–37. DOI: 10.31891/2307-5732-2025-359-74.
8. Parajuli N. et al. Real-Time EMG Based Pattern Recognition Control for Hand Prostheses: A Review on Existing Methods, Challenges and Future Implementation. Sensors. 2019. DOI: 10.3390/s19204596.
9. Hermens H. J., Freriks B., Disselhorst-Klug C., Rau G. Development of recommendations for SEMG sensors and sensor placement procedures. Journal of Electromyography and Kinesiology. 2000. Vol. 10, No. 5. P. 361–374. DOI: 10.1016/S1050-6411(00)00027-4.
10. Chowdhury R. H., Reaz M. B. I., Ali M. A. B. M., Bakar A. A. A., Chellappan K., Chang T. G. Surface Electromyography Signal Processing and Classification Techniques. Sensors. 2013. Vol. 13, No. 9. P. 12431–12466. DOI: 10.3390/s130912431.
11. Farina D., Merletti R. A novel approach for precise simulation of the EMG signal detected by surface electrodes. IEEE Transactions on Biomedical Engineering. 2001. Vol. 48, No. 6. P. 637–646. DOI: 10.1109/10.923782.
12. De Luca C. J. The use of surface electromyography in biomechanics. Journal of Applied Biomechanics. 1997. Vol. 13, No. 2. P. 135–163. DOI: 10.1123/jab.13.2.135.
13. Farina D., Merletti R., Enoka R. M. The extraction of neural strategies from the surface EMG. Journal of Applied Physiology. 2004. Vol. 96, No. 4. P. 1486– 1495. DOI: 10.1152/japplphysiol.01070.2003.
14. Kovalyk S., Khvostivskyi M. Method and algorithm of windowed processing of EMG and piezoelectric signals for the formation of control actions in bioprostheses. Perspective Technologies and Devices. 2025. Vol. 27, No. 1. P. 6–12. DOI: 10.36910/6775-2313-5352-2025-27-1.
15. Farina D., Merletti R., Enoka R. M. The extraction of neural strategies from the surface EMG: 2004–2024. Journal of Applied Physiology. 2025. Vol. 138, No. 1. P. 121–135. DOI: 10.1152/japplphysiol.00453.2024.
16. Maksymenko K. et al. A myoelectric digital twin for fast and realistic modelling in deep learning. Nature Communications. 2023. Vol. 14. Article 1600. DOI: 10.1038/s41467-023-37238-w.
17. Geethanjali P. Myoelectric control of prosthetic hands: state-of-the-art review. Medical Devices: Evidence and Research. 2016. Vol. 9. P. 247–255. DOI: 10.2147/MDER.S91102.
18. Scheme E., Englehart K. Electromyogram pattern recognition for control of powered upper-limb prostheses: state of the art and challenges for clinical use. Journal of Rehabilitation Research and Development. 2011. Vol. 48, No. 6. P. 643– 659. DOI: 10.1682/JRRD.2010.09.0177.
19. Hahne J. M. et al. Simultaneous control of multiple functions of bionic hand prostheses. Science Robotics. 2018. Vol. 3, No. 19. DOI: 10.1126/scirobotics.aat3630.
20. Kok C. L. et al. Machine Learning-Based Feature Extraction and Classification of EMG Signals for Intuitive Prosthetic Control. Applied Sciences. 2024. Vol. 14, No. 13. Article 5784. DOI: 10.3390/app14135784.
21. Tchimino J. et al. Application of EMG feedback for hand prosthesis control. Scientific Reports. 2024. DOI: 10.1038/s41598-024-80828-x.
22. Pradhan A., He J., Jiang N. Multi-day dataset of forearm and wrist electromyogram for hand gesture recognition and biometrics. Scientific Data. 2022. Vol. 9. Article 733. DOI: 10.1038/s41597-022-01836-y.
23. GRABMyoFlow - Dataset extension v1.0.0. PhysioNet. URL: https://physionet.org/content/grabmyo-flow/1.0.0/ (дата звернення: 19.06.2026).
24. MATLAB Documentation. MathWorks. URL: https://www.mathworks.com/help/matlab/ (дата звернення: 19.06.2026).
25. Simulink Documentation. MathWorks. URL: https://www.mathworks.com/help/simulink/ (дата звернення: 19.06.2026).
26. Gesture Recognition and Biometrics ElectroMyogram (GRABMyo). PhysioNet. URL: https://physionet.org/content/grabmyo/ (дата звернення: 19.06.2026).
27. MATLAB App Building Documentation. MathWorks. URL: https://www.mathworks.com/help/matlab/creating_guis/ (дата звернення: 19.06.2026).
28. WFDB Toolbox for MATLAB and Octave. PhysioNet. URL: https://physionet.org/content/wfdb-matlab/ (дата звернення: 19.06.2026).
29. Закон України "Про охорону праці" від 14.10.1992 No. 2694-XII.
30. Наказ Міністерства соціальної політики України No. 207 від 14.02.2018 "Про затвердження Вимог щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями".
31. ДСН 3.3.6.042-99 "Санітарні норми мікроклімату виробничих приміщень".
32. ДБН В.2.5-28:2018 "Природне і штучне освітлення"
33. Наказ Міністерства внутрішніх справ України No. 1417 від 30.12.2014 "Про затвердження Правил пожежної безпеки в Україні".
34. ДСТУ EN 1005-1:2018 "Безпечність машин. Фізичні можливості людини. Частина 1. Терміни та визначення понять".
35. ДСТУ EN 614-1:2014 "Безпечність машин. Ергономічні принципи проєктування. Частина 1. Термінологія та загальні принципи".
36. ДСТУ EN 60204-1:2015 "Безпечність машин. Електрообладнання машин. Частина 1. Загальні вимоги".
37. Правила безпечної експлуатації електроустановок споживачів, затверджені наказом Держнаглядохоронпраці України від 09.01.1998 No. 4.
Content type: Bachelor Thesis
Aparece nas Coleccións163 — Біомедична інженерія (бакалаври)

Arquivos neste item
Arquivo Descrición TamañoFormato 
dyplom_Smetanska.pdfкваліфікаційна робота бакалавра3,92 MBAdobe PDFVer/abrir


Todos os documentos en Dspace estan protexidos por copyright, con todos os dereitos reservados

Ferramentas administrativas