Sistema de identificación de intención de movimiento para el control mioeléctrico de una prótesis de mano robótica

• Autores: César Augusto Quinayás-Burgos, Carlos Alberto Gaviria López
• Localización: Ingeniería y universidad, ISSN 0123-2126, Vol. 19, Nº. 1, 2015, págs. 27-50
• Idioma: español
• Títulos paralelos:
  • Movement Intention Detection System for Myoelectric Control of a Prosthetic Robotic Hand
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo presenta un sistema embebido que detecta en tiempo real la intención de movimiento para el control de un prototipo de prótesis de mano robótica. El trabajo muestra que usando características temporales de cálculo simple es posible obtener un agrupamiento de vectores lo suficientemente discriminante como para que se puedan usar clasificadores de patrones muy simples. Así, en este trabajo se propone un clasificador basado en la mínima distancia al centroide de los grupos que caracterizan los movimientos que se van a identificar, modificando el conocido algoritmo k vecinos más próximos para sacar mayor provecho de la fase de entrenamiento del clasificador en la fase de clasificación y obtener respuesta en tiempo real. Se presentan resultados de clasificación de intención de movimiento, obtenidos usando el porcentaje de éxito como medida de efectividad, al realizar pruebas sobre tres sujetos con músculos sanos. Los resultados experimentales muestran que el sistema puede ser efectivo para el control de ejecución de cuatro primitivas motoras de un prototipo de prótesis de mano robótica.

  • English

    This paper presents an embedded system that detects in real time the movement intention to control a prosthetic hand. This work shows that using temporal characteristics of simple calculation can provide subsets of feature vectors discernible enough as to use simple pattern classifiers. Thus, this paper proposes a classifier, which is based on the minimum distance from the centroid of the groups characterizing the movements to identify, by modifying the known algorithm K-nearest neighbors. Movement intention classification results obtained from the developed system are shown: using the percentage of success as an effectiveness measurement, by conducting tests over three persons with healthy muscles. The experimental results show that this system can be used effectively for the control of execution of four motor primitives on a prosthetic robotic hand.