Metodologia para estimação de intenção de movimento e controle em tempo real de prótese mioelétrica de mão: uma abordagem linear, preditiva e estocástica

Os sinais musculares capturados a partir da eletromiografia (EMG) são bastante utilizados para detecção de contração muscular e intenção de movimento. Ao se utilizar tais sinais em tempo real, em controle de próteses, depara-se com um sinal amplificado e ruidoso. Com isso, precisa-se ter métodos recursivos, robustos a ruídos e algoritmos eficazes, para gerar comandos em tempo real para o atuador robótico. Nesta pesquisa, foram investigadas técnicas de identificação estocástica autoregressiva, filtro de Kalman, fusão sensorial e controle preditivo estocástico, aplicados para melhorar o processo de medição de sinais mioelétricos e dar robustez ao controle de próteses biomecatrônicas, buscando-se obter um processo aprimorado, menos sensível ao ruído e com redução de atrasos. Nesta dissertação o método proposto consiste em 4 estágios: (1) extração de características usando o método auto regressivo (AR), (2) fusão de dados com filtro de Kalman, (3) algoritmo de estimação de movimento e (4) controle preditivo de variância mínima generalizado aplicado em um servomecanismo. Os principais objetivos buscados foram: melhorar a relação sinal/ruído nos sinais mioelétricos (SMEs), obter uma interface homem-máquina de processamento em tempo real de baixo custo, evitar problemas de medição e minimizar o consumo de energia do sistema de controle. Foi desenvolvida uma planta didática, que é um sistema microcontrolado para aquisição, processamento de 4 canais de eletromiografia e controle de um servomecanismo acoplado em uma garra robótica. Foram realizados testes experimentais nesse processo biomecatrônico e pelos resultados obtidos pode-se confirmar que é possível estimar continuamente a intenção de movimento de abrir e fechar da mão e comprovam o bom desempenho de um controlador estocástico projetado para o controle da prótese mioelétrica.