Procesamiento de señales EMG en un sistema embebido para el control neuronal de un brazo robótico

Alejandro  Cantillo Maldonado; Oscar  Gualdron Guerrero; Jesús  Ortiz Sandoval

doi:10.24054/rcta.v2i32.118

Authors

Alejandro Cantillo Maldonado Universidad de Pamplona
Oscar Gualdron Guerrero Universidad de Pamplona
Jesús Ortiz Sandoval Universidad Técnica Federico Santa María

DOI:

https://doi.org/10.24054/rcta.v2i32.118

Keywords:

Brazo robótico, Código Phyton, Electromiografía, red neuronal artificial

Abstract

El objetivo de este trabajo es adquirir las señales EMG del brazo humano, para entrenar una red neuronal que pueda clasificar diferentes movimientos, de al menos 3 grados de libertad para controlar un brazo robótico. Para esto, se diseñó la adquisición y el acondicionamiento del sistema de señales EMG. Los músculos responsables del movimiento de la mano, el antebrazo y el brazo se identificaron para ubicar los electrodos en el músculo indicado. Se empieza con una posición de referencia para el movimiento de la mano, el antebrazo y el brazo. Las señales del sistema de adquisición y acondicionamiento se enviaron a la tarjeta de desarrollo ADC, donde se implementó un algoritmo que analizó la grabación de señales EMG para generar los datos con los que se entrenó la red neuronal. Luego, la red neuronal se implementó en el sistema integrado (BEAGLEBONE Black Rev. C) y se combinó con el brazo robótico.

Downloads

Download data is not yet available.

References

Cárdenas, J. A., & Prieto-Ortíz, F. A. (2015). Diseño de un algoritmo de corrección automática de posición para el proceso de perforado PCB, empleando técnicas de visión artificial. Revista de Investigación, Desarrollo e Innovación, 5 (2), 107-118. doi: 10.19053/20278306.3720

Cera-Martínez, D., Ortiz-Sandoval, J. E., & Gualdrón-Guerrero, O. E. (2018). Sintonización de un controlador de temperatura a través de un autómata programable. Revista de Investigación, Desarrollo e Innovación, 9 (1).

Challenger-Pérez, I., Díaz-Ricardo, Y., & Becerra-García, R. A. (2014). El lenguaje de programación Python. Ciencias Holguín, 20 (2). Recuperado de: http://www.ciencias.holguin.cu/index.php/cienciasholguin/article/view/826

Durán-Acevedo, C., & Jaimes-Mogollón, A. (2013). Optimización y clasificación de señales EMG a través de métodos de reconocimiento de patrones. ITECKNE, 10 (1), 67-76. doi: http://dx.doi.org/10.15332/iteckne.v10i1.181

Enciso, L., Zelaya, E., & Quezada-sarmiento, P. A. (2018). Análisis y simulación de herramientas gramaticales : L-System y Vlab para determinar el nivel de crecimiento de una planta. Espacios, 39 (23), 28. Recuperado de: http://www.revistaespacios.com/a18v39n23/18392328.html

García-Pinzón, J. A., Mendoza, L. E., & Flórez, E. G. (2015). Control de brazo electrónico usando señales electromiográficas. Facultad de Ingeniería, 24 (39), 71–83.

Gualdrón-Guerrero, O. E., Durán-Acevedo, C. M., Ortiz-Sandoval, J. E., & Araque-Gallardo, J. A. (2014). Implementación de un modelo neuronal en un dispositivo hardware (FPGA) para la clasificación de compuestos químicos en un sistema multisensorial (nariz electrónica). Revista Colombiana de Tecnologías de Avanzada, 2 (24), 127-133. doi: https://doi.org/10.24054/16927257.v24.n24.2014.2347

Herrera-Baquero, L. P., & Prieto-Ortiz, F. A. (2018). Metodología para la inspección de la herramienta en el taladrado de piezas. Revista de Investigación, Desarrollo e Innovación, 9 (1).

López-Castellanos, J. M. (2017). Implementación y evaluación de un esquema de control mioeléctrico ON/OFF utilizando hardware de bajo coste (Tesis de Maestría). Alicante, España: Universidad de Alicante. Recuperado de: http://hdl.handle.net/10045/6835

Marino-Vera, H., Mendoza, L., & Gualdrón-Guerrero, O. (2017). Medición automática de variables antropométricas para la evaluación de la respiración usando visión artificial. Revista de Investigación, Desarrollo e Innovación, 8 (1), 161-169. doi: https://doi.org/10.19053/20278306.v8.n1.2017.7407

Martínez, G. M., Jáquez, S. A., Rivera, J., & Sandoval, R. (2008). Diseño propio y Construcción de un Brazo Robótico de 5 GDL. RIEE&C: Revista de Ingeniería Eléctrica, Electrónica y Computación, 4 (1), 1-7.

Niño-Vega, J. A., Martínez-Díaz, L. Y., & Fernández-Morales, F. H. (2016). Mano robótica como alternativa para la enseñanza de conceptos de programación en Arduino. Revista Colombiana de Tecnologías de Avanzada, 2 (28), 132-139. doi: https://doi.org/10.24054/16927257.v28.n28.2016.2476

Ortiz-Sandoval, J. E., Marín-Herrera, A., & Gualdrón-Guerrero, O. E. (2016). Implementation of a banking system security in embedded systems using artificial intelligence. Advances In Natural And Applied Sciences, 10 (17), 95-102.

Ponce-Cruz, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería. México: Alfaomega.

Ramírez-Corzo, J., & Mendoza, L. (2016). Desarrollo de un sistema de comunicación silenciosa dual basado en habla subvocal y Raspberry Pi. Facultad de Ingeniería, 25 (43), 111-121. doi: https://doi.org/10.19053/01211129.v25.n43.2016.5304

Sánchez-Dams, R. D. (2013). Estado del arte del desarrollo de sistemas embebidos desde una perspectiva integrada entre el hardware y software. Revista Colombiana de Tecnologías de Avanzada, 2 (22), 98-105. doi: https://doi.org/10.24054/16927257.v22.n22.2013.416

Sandoval-Ruiz, C. (2014). Adaptive Control in VHDL Applied to a Solar Oven, Revista Colombiana de Tecnologías de Avanzada, 2 (20), 80-85. doi: https://doi.org/10.24054/16927257.v23.n23.2014.2323

Texas Instruments (2016). ARM Cortex-M4F based MCU TM4C1294 Connected LaunchPad. Recuperado de: http://www.ti.com/tool/ek-tm4c1294xl. [Citado el 30 de Octubre de 2015].

Vera-Dávila, A., Delgado-Ariza, J., & Sepúlveda-Mora, S. (2018). Validación del modelo matemático de un panel solar empleando la herramienta Simulink de Matlab. Revista de Investigación, Desarrollo e Innovación, 8 (2), 343-356. doi: https://doi.org/10.19053/20278306.v8.n2.2018.7972