| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 2 / 2
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
VREDNOTENJE RAČUNALNIŠKO-PODPRTIH POSTOPKOV ZA ROBUSTNO IN NEINVAZIVNO MERJENJE MIŠIČNE UTRUJENOSTI
Jernej Plankelj, 2014, diplomsko delo

Opis: Površinski elektromiogram (EMG) omogoča neinvazivno in skoraj nemoteče merjenje mišične utrujenosti. S tem odpira nove možnosti v implementaciji sodobnih vmesnikov mišice-stroj in njihovi uporabi v zabavni industriji, medicini dela, urjenju športnikov ter rehabilitaciji. V diplomskem delu smo primerjali različne postopke računalniško podprtega vrednotenja mišične utrujenosti iz signalov EMG. V ta namen smo preučili zvezo med srednjo usmerjeno vrednostjo zajetih signalov EMG, izmerjeno mišično silo in aktivacijskim signalom mišice, ocenjenim na podlagi dekompozicije signalov EMG na prispevke posameznih motoričnih enot. Preučili smo tako vpliv dolžine okna za izračun srednje usmerjene vrednosti kot tudi vpliv števila kanalov signalov EMG. Slednje smo s poljem 64 elektrod posneli med izometrično skrčitvijo mišice abductor pollicis brevis pri osmih zdravih preiskovancih. Rezultati kažejo, da uporaba predolgega okna in le enega kanala ne omogoča natančne analize mišične utrujenosti.
Ključne besede: vmesniki mišice-stroj, mišična utrujenost, elektromiogram, amplituda, mišična sila, aktivacijski signal mišice, srednje usmerjena vrednost
Objavljeno: 06.11.2015; Ogledov: 421; Prenosov: 107
.pdf Celotno besedilo (2,47 MB)

2.
Upravljanje kvadrokopterja z vmesnikom mišice-stroj
Matej Kramberger, 2018, magistrsko delo

Opis: V delu smo zasnovali sistem za upravljanje kvadrokopterja v realnem času z uporabo vmesnika mišice-stroj. V programskem jeziku C# smo za operacijski sistem Windows izdelali aplikacijo, v kateri smo uporabili različne klasifikacijske algoritme iz odprtokodne knjižice Accord.NET. Klasifikacijo smo izvajali na računalniku s procesorjem Intel Core i7 2,8GHz ter 24 GB pomnilnika. Signale EMG smo zajeli s komercialno dostopno zapestnico Myo, ki omogoča zajem površinskih signalov EMG s podlahti. Uspešnost klasifikacije smo preizkusili na modelu kvadrokopterja Eachine E010, ki ga smo krmilili preko vmesnika nRF24L01 in mikrokontrolerja Atmel ATmega32u4 na razvojni plošči Arduino Micro. Klasificirane gibe smo uporabili za krmiljenje treh prostorskih stopenj kvadrokopterja. Giba ekstenzija in fleksija smo uporabili za nadzor naklona, pronacijo in supinacijo za nadzor nagiba ter ulnarno in radialno deviacijo za nadzor odklona. Za nadzor moči motorjev smo uporabili podatke inercijske merilne enote. Najboljše rezultate klasifikacije sta dajala algoritma SVM in k-NN, ki sta klasificirala s 95% pravilnostjo.
Ključne besede: elektromiogrami, kvadrokopter, vmesniki mišice-stroj, Arduino, zapestnica Myo
Objavljeno: 05.04.2018; Ogledov: 416; Prenosov: 69
.pdf Celotno besedilo (6,00 MB)

Iskanje izvedeno v 0.05 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici