Modelado y Simulación del Robot Mitsubishi RV-2JA controlado mediante señales electromiográficas

  • Félix Vladimir Bonilla Venegas Universidad Tecnológica Equinoccial
  • Marcelo Javier Moya Universidad Tecnológica Equinoccial
  • Anatoly Litvin Don State Technical University
  • Evgeny Lukyanov Don State Technical University
  • Leonardo Emanuel Marín Pillajo Universidad Tecnológica Equinoccial
Palabras clave: Electromiografía de superficie, Hardware in the loop, Red neuronal artificial, Robot Mitsubishi RV-2JA, Myo

Resumen

El objetivo del presente trabajo es controlar el Robot Mitsubishi RV-2JA usando señales electromiográficas de superficie sEMG. Se seleccionó señales sEMG de la mano, las cuales fueron obtenidas mediante un brazalete Myo que adquiere las señales generadas por los musculos a través de sensores superficiales. La integración del sistema se realizó en la plataforma Simulink de Matlab para procesar, identificar, validar y controlar el robot por medio de las sEMG. Para estudiar las gesticulaciones de las manos se realizó el análisis a partir de la metodología de aproximación temporal que permitió la extracción de sus principales características. Se determinó que los parámetros integrado electromiográfico, media del valor absoluto, media cuadrática y varianza tienen correlación directa con el tipo de movimiento que realiza la mano. Para clasificar los tipos de movimiento como fist, spread fingers, wave right, wave left, elder y voor se utilizaron 6 redes neuronales, las cuales permiten activar 3 grados de libertad del robot. Para la integración y verificación del sistema en tiempo real se aplicó la simulación hardware in the loop (HIL) basada en PC, que permitió ejecutar el modelo de planta, la conexión con el sistema de control y comunicación adecuada para verificar que el sistema controla al robot.

Descargas

La descarga de datos todavía no está disponible.

Citas

Bach, P. F. (2009). Myoelectric signal features for upper limb prostheses. Institutt for teknisk kybernetikk,
Bonilla, V., Lukyanov, Y., Anatolevich, L., Anatoly, V., & Alekseevich, D. D. (2015). Identificación de parámetros cinemáticos del movimiento del codo utilizando tecnologías de redes neuronales artificiales. Boletín de la Universidad Técnica del Estado de Don, 15(1 (80)).
Cipriano, M. (2014). Antropología física.
Ferguson, S., & Dunlop, G. R. (2002). Grasp recognition from myoelectric signals. Paper presented at the Proceedings of the Australasian Conference on Robotics and Automation, Auckland, New Zealand.
Forsberg, K., Mooz, H., & Cotterman, H. (2005). Visualizing project management: models and frameworks for mastering complex systems: John Wiley & Sons.
Gauchía Babé, L. (2008). Modelado y simulación HIL (hardware-in-the-loop) de un sistema pila de combustible-batería.
Hoyo, A., Reyes, O., Rebolledo, A., & Espinoza, L. (2009). Simulación de robots con Matlab y Simulink en escenarios virtuales 3D. Paper presented at the I Congreso Iberoamericano de Enseñanza de la Ingeniería.
Isermann, R. (1996). Modeling and design methodology for mechatronic systems. IEEE/ASME Transactions on mechatronics, 1(1), 16-28.
Litvin, A., Lukyanov, E., Bonilla, F., & Deplov, D. (2014). EFFECT OF KINEMATIC PARAMETERS OF ELBOW MOTION ON BICEPS ELECTROMYOGRAPHIC SIGNAL. Vestnik of Don State Technical University(14), 8.
Morais, G. D., Neves, L. C., Masiero, A. A., & de Castro, M. C. F. (2016). Application of Myo Armband System to Control a Robot Interface. Paper presented at the BIOSIGNALS.
Ramos, M., Betancourt, Á., Vázquez, G., Hernández, E., & Juárez, L. (2011). Detección y Acondicionamiento de Señales Mioeléctricas.
Sánchez, N. M. C. (2016). Gesture classification based on electromyography.
Veer, K., & Sharma, T. (2016). A novel feature extraction for robust EMG pattern recognition. Journal of medical engineering & technology, 40(4), 149-154.
Publicado
2018-06-29
Cómo citar
Bonilla Venegas, F., Moya, M., Litvin, A., Lukyanov, E., & Marín Pillajo, L. (2018). Modelado y Simulación del Robot Mitsubishi RV-2JA controlado mediante señales electromiográficas. Enfoque UTE, 9(2), pp. 208 - 222. https://doi.org/https://doi.org/10.29019/enfoqueute.v9n2.326
Sección
Automatización y Control, Telecomunicaciones, Mecatrónica, Electromecánica, Automotriz, ...