<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Керування роботом-маніпулятором за допомогою сигналів поверхневої електроміографії та згорткової нейронної мережі

Скорочена інформація про документ
dc.contributor.authorКоваль, Л. Г.uk
dc.contributor.authorПастушенко, А. О.uk
dc.contributor.authorPastushenko, A. O.en
dc.contributor.authorKoval, L. G.en
dc.titleКерування роботом-маніпулятором за допомогою сигналів поверхневої електроміографії та згорткової нейронної мережіuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКоваль Л. Г., Пастушенко А. О. Керування роботом-маніпулятором за допомогою сигналів поверхневої електроміографії та згорткової нейронної мережі // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25479.uk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25479
dc.identifier.isbn978-617-8163-57-0
dc.identifier.udc621.8:621.9
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/47884
dc.description.abstractУ роботі розглянуто систему для збору ЕМГ-сигналів, що передаються через послідовний інтерфейс до комп’ютера, де вони обробляються за допомогою нейронної мережі для розпізнавання жестів, що управляють роботизованим маніпулятором. Дані з платформи NinaPro використовуються для навчання моделі, а також застосовуються методи нормалізації для покращення якості обробки сигналів.uk
dc.description.abstractThe paper considers a system for collecting EMG signals transmitted via a serial interface to a computer, where they are processed using a neural network for recognizing gestures that control a robotic manipulator. Data from the NinaPro platform is used to train the model, and normalization methods are also applied to improve the quality of signal processing.en
dc.subjectЕМГuk
dc.subjectбраслетuk
dc.subjectнейромережіuk
dc.subjectманіпуляторuk
dc.subjectжестиuk
dc.subjectbraceleten
dc.subjectneural networksen
dc.subjectmanipulatoren
dc.subjectgesturesen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesGuo, B., Ma, Y., Yang, J., Wang, Z., & Zhang, X. (2020). Lw-CNN-Based Myoelectric Signal Recognition and Real-Time Control of Robotic Arm for Upper-Limb Rehabilitation. Computational Intelligence and Neuroscience, 2020, 8846021. https://doi.org/10.1155/2020/8846021.en
dc.relation.referencesWan, Y., Han, Z., Zhong, J., & Chen, G. (2018). Pattern recognition and bionic manipulator driving by surface electromyography signals using convolutional neural network. Advances in Mechanical Engineering, 10(10), 111. https://doi.org/10.1177/1729881418802138.en
dc.relation.referencesBao, T., Zaidi, S. A. R., Xie, S., Yang, P., & Zhang, Z. (2019). A CNN-LSTM Hybrid Framework for Wrist Kinematics Estimation Using Surface Electromyography. arXiv preprint arXiv:1912.00799. https://arxiv.org/abs/1912.00799.en
dc.relation.referencesReal-time Bionic Arm Control Via CNN-based EMG Recognition. (n.d.). Hackster.io. https://www.hackster.io/emgarm/real-time-bionic-arm-control-via-cnn-based-emg-recognition-b013d3.en
dc.relation.referencesMeng, Q., Yue, Y., Li, S., & Yu, H. (2022). Electromyogram-based motion compensation control for the upper limb rehabilitation robot in active training. Mechanical Sciences, 13(2), 675685. https://doi.org/10.5194/ms-13-675-2022.en
dc.date.accessioned2025-08-13T09:36:27Z
dc.date.available2025-08-13T09:36:27Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
25479.pdf
Розмір:
422,46 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2025)