Identificação de sistemas modelo Narx para a fadiga muscular emindivíduos sem deficiência durante contrações isométricas voluntárias

• Autor(a) principal: Amanda Fernandes Vilaça Martins
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/RAOA-BEKLW4
• topic: Torque; Contração muscular isométrica; Eletromiografia; EMG-Driven; Fadiga muscular; Torque; Engenharia elétrica; Eletromiografia; Contração muscular; Fadiga muscular

Este trabalho consiste no desenvolvimento de uma metodologia de identificação de sistemas, capaz de modelar a fadiga muscular durante movimentos isométricos voluntários de indivíduos sem deficiência física, através dos dados de sinais eletromiográficos de superfície (sEMG) e de torque, visto que a literatura já tem referências sobre a utilização desses parâmetros. Foi realizado um protocolo com o membro inferior dominante do voluntário para que a fadiga muscular fosse atingida. A medição do torque foi realizada pelo isocionético Biodex System 4 Proe a coleta da eletromiografia (EMG) foi realizada pelo EMG_800C com eletrodos Ag/AgCl de superfície, não invasivos e na configuração bipolar. O software Labview foi utilizado para a aquisição desses dados e o Matlab® para o processamento dos sinais e identificação do sistemaestudado. O objetivo foi encontrar um modelo que relacione essas duas medidas de fadiga muscular, utilizando para isso a eletromiografia como entrada e o torque como saída do sistema. Nessa análise, a metodologia proposta envolveu o modelo NARX (Nonlinear Auto-Regressive with eXogenous Inputs) juntamente com os algoritmos de taxa de redução de erro (ERR), critérios de Akaike (AIC) e de Bayes (BIC). Os resultados apresentados demonstram que o modelo propostopara cada voluntário pode ser utilizado devida a semelhança estatística encontrada, além disso, todos os modelos sugeridos obtiveram bons resultados quando comparados a outros trabalhos da literatura. O erro RMS médio para o modelo com 15 regressores foi de 5,24% ± 2,59%; já para 10 regressores foi de 6,89% ± 2,83% e; para o modelo geral, 5,54% ± 3,21. Isso permite concluir que a metodologia adotada neste trabalho obteve resultados satisfatórios para as condições estudadas.