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

Сучасні методи декодування сигналів для керування роборукою

dc.contributor.authorКоваль, Л. Г.uk
dc.contributor.authorПастушенко, А. О.uk
dc.contributor.authorKoval, L. H.en
dc.contributor.authorPastushenko, A. O.en
dc.titleСучасні методи декодування сигналів для керування роборукоюuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКоваль Л. Г., Пастушенко А. О. Сучасні методи декодування сигналів для керування роборукою // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23404.uk
dc.relation.ispartofМатеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23404
dc.identifier.isbn978-617-8132-48-8
dc.identifier.udc621.8:615.83:004.4.
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/49679
dc.description.abstractУ роботі розглянуто сучасні методи декодування намірів руху, що використовуються для керування роботизованими пристроями, зокрема протезами та екзоскелетами, на основі електроміографічних (ЕМГ) сигналів. Описано основні підходи до розпізнавання рухових намірів, включаючи моделі опорно-рухового апарату, традиційні алгоритми машинного навчання та глибокі нейронні мережі.uk
dc.description.abstractThe paper reviews modern methods for decoding movement intentions used to control robotic devices, including prostheses and exoskeletons, based on electromyographic (EMG) signals. The main approaches to recognizing movement intentions are described, including musculoskeletal models, traditional machine learning algorithms, and deep neural networks.en
dc.subjectроботизовані рукавиuk
dc.subjectметоди керуванняuk
dc.subjectрозпізнавання намірівuk
dc.subjectкласифікація рухівuk
dc.subjectнейронні мережіuk
dc.subjectrobotic armsen
dc.subjectcontrol methodsen
dc.subjectintention recognitionen
dc.subjectmovement classificationen
dc.subjectneural networksen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesInkol, K.A.; Brown, C.; McNally, W.; Jansen, C.; McPhee, J. Muscle torque generators in multibody dynamic simulations of optimal sports performance. Multibody Syst. Dyn. 2020, 50, 435-452.en
dc.relation.referencesPan, L.; Crouch, D.L.; Huang, H. Comparing EMG-based human-machine interfaces for estimating continuous, coordinated movements. IEEE Trans. Neural Syst. Rehabil. Eng. 2019, 27, 2145-2154.en
dc.relation.referencesBi, L.; Guan, C. A review on EMG-based motor intention prediction of continuous human upper limb motion for human-robot collaboration. Biomed. Signal Process. Control 2019, 51, 113-127.en
dc.relation.referencesXiong, D.; Zhang, D.; Zhao, X.; Zhao, Y. Deep learning for EMG-based human-machine interaction: A review. IEEE/CAA J. Autom. Sin. 2021, 8, 512-533.en
dc.date.accessioned2025-10-10T07:52:50Z
dc.date.available2025-10-10T07:52:50Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
23404.pdf
Розмір:
420,9 KB
Формат:
Adobe Portable Document Format

Ліцензійна угода

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