Система розпізнавання сили захоплення за допомогою ЕМГ сигналів та штучних нейронних мереж
Завантаження...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
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.
The paper considers a grip force prediction system based on surface EMG signals using a deep neural network. The proposed approach provides high accuracy in grip force classification and stable control of a prosthetic hand in real time.
The paper considers a grip force prediction system based on surface EMG signals using a deep neural network. The proposed approach provides high accuracy in grip force classification and stable control of a prosthetic hand in real time.
Опис
Ключові слова
електроміографія , сила захоплення , глибинна нейронна мережа , автокодер , класифікація , протез руки , сигнали ЕМГ , м’язова активність , сигмоїдна функція , зворотний зв’язок , electromyography , grip force , deep neural network , autoencoder , classification , prosthetic hand , EMG signals , muscle activity , sigmoid function , feedback
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Пастушенко А. О., Коваль Л. Г. Система розпізнавання сили захоплення за допомогою ЕМГ сигналів та штучних нейронних мереж // Збірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/24948.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (4)
- 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/.