Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente

Detalhes bibliográficos
Autor(a) principal: Nogueira, Daniel Fontenele
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UNIFOR
Texto Completo: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/110737
Resumo: Sistemas baseados em Neurofeedback tem grande atuação nos tratamentos psicológicos e de reabilitação, corrigindo distúrbios no funcionamento cerebral, estimulando e desenvolvendo as habilidades dos indivíduos que os utilizam. Para tornar esses sistemas mais rápidos e precisos, controladores digitais, tais como os do tipo PID, contribuem para melhores respostas aos estímulos usados ao longo dos tratamentos, sendo os parâmetros dos controladores de grande influência para o sucesso do método. Este trabalho busca automatizar os cálculos dos parâmetros e analisar suas respostas a uma entrada de degrau unitário para os quatro tipos de controladores digitais mais utilizados (proporcional, proporcional-derivativo, proporcional-integrativo e proporcional-integral-derivativo) para controle de uma interface cérebro máquina com Neurofeedback utilizando Potencial Evocado Visual de Regime Permanente (SSVEP). Os cálculos destes parâmetros foram realizados considerando o método da Curva de Reação das Regras de Ziegler-Nichols, determinando e analisando as funções de transferência destes sistemas. Desta forma, é possível decompor os dados da Razão Sinal-Ruído (SNR) obtidos a partir de uma touca para Eletroencefalograma que utiliza 34 canais em onze indivíduos sadios. Como resultado, este trabalho conclui que, para as amostras estudadas, o controlador do tipo PID e as otimizações dos parâmetros deste controlador contribuem fortemente para que o sistema SSVEP seja robusto, podendo propiciar resultados clínicos bastante satisfatórios. Palavras-chave: Neurofeedback. Neurociência computacional. Occipital. EEG. SNR. SSVEP. Controlador digital. Ziegler-Nichols.
id UFOR_b47b159d248bbbe91fce05aa72aca0f1
oai_identifier_str oai::110737
network_acronym_str UFOR
network_name_str Biblioteca Digital de Teses e Dissertações da UNIFOR
repository_id_str
spelling Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanenteNeurociência computacionalInterface homem-máquinaSistemas baseados em Neurofeedback tem grande atuação nos tratamentos psicológicos e de reabilitação, corrigindo distúrbios no funcionamento cerebral, estimulando e desenvolvendo as habilidades dos indivíduos que os utilizam. Para tornar esses sistemas mais rápidos e precisos, controladores digitais, tais como os do tipo PID, contribuem para melhores respostas aos estímulos usados ao longo dos tratamentos, sendo os parâmetros dos controladores de grande influência para o sucesso do método. Este trabalho busca automatizar os cálculos dos parâmetros e analisar suas respostas a uma entrada de degrau unitário para os quatro tipos de controladores digitais mais utilizados (proporcional, proporcional-derivativo, proporcional-integrativo e proporcional-integral-derivativo) para controle de uma interface cérebro máquina com Neurofeedback utilizando Potencial Evocado Visual de Regime Permanente (SSVEP). Os cálculos destes parâmetros foram realizados considerando o método da Curva de Reação das Regras de Ziegler-Nichols, determinando e analisando as funções de transferência destes sistemas. Desta forma, é possível decompor os dados da Razão Sinal-Ruído (SNR) obtidos a partir de uma touca para Eletroencefalograma que utiliza 34 canais em onze indivíduos sadios. Como resultado, este trabalho conclui que, para as amostras estudadas, o controlador do tipo PID e as otimizações dos parâmetros deste controlador contribuem fortemente para que o sistema SSVEP seja robusto, podendo propiciar resultados clínicos bastante satisfatórios. Palavras-chave: Neurofeedback. Neurociência computacional. Occipital. EEG. SNR. SSVEP. Controlador digital. Ziegler-Nichols.Neurofeedback based systems play a major role in psychological and rehabilitation treatments, correcting disturbances in brain functioning, stimulating and developing the abilities of the individuals who use them. To make these systems faster and more accurate, digital controllers, such as PIDs, contribute to better responses to the stimuli used throughout the treatments, and the parameters of the controllers have a great influence on the success of the method. This work seeks to automate parameter calculations and investigates their responses to a single step input for the four types of digital controllers most used (proportional, proportional-derivative, proportional-integrative and proportional-integral-derivative) to control a Brain Computer Interface with Neurofeedback using Steady State Visually Evoked Potential (SSVEP). The calculations of these parameters were performed considering the Ziegler-Nichols Rule Reaction Curve method, determining and analysing the transfer functions of these systems. Thus, it is possible to decompose the Signal-Noise Ratio (SNR) data obtained from an electroencephalogram cap using 34 channels in eleven healthy individuals. As a result, this study concludes that, for the studied samples, the PID controller and the parameter optimisations of this controller contribute strongly to the SSVEP system being robust and can provide quite satisfactory clinical results Keywords: Neurofeedback. Computational Neuroscience. Occipital. EEG. SNR. SSVEP. Digital controller. Ziegler-Nichols.Albuquerque, Victor Hugo Costa deSoares, Ernesto SaiasAlbuquerque, Victor Hugo Costa deSoares, Ernesto SaiasAlexandria, Auzuir Ripardo deFelix, John Hebert da SilvaUniversidade de Fortaleza. Programa de Pós-Graduação em Informática AplicadaNogueira, Daniel Fontenele2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/110737https://uol.unifor.br/auth-sophia/exibicao/17497Disponibilidade forma física: Existe obra impressa de código : 101706porreponame:Biblioteca Digital de Teses e Dissertações da UNIFORinstname:Universidade de Fortaleza (UNIFOR)instacron:UNIFORinfo:eu-repo/semantics/openAccess1899-12-30T00:00:00Zoai::110737Biblioteca Digital de Teses e Dissertaçõeshttps://www.unifor.br/bdtdONGhttp://dspace.unifor.br/oai/requestbib@unifor.br||bib@unifor.bropendoar:1899-12-30T00:00Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)false
dc.title.none.fl_str_mv Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
title Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
spellingShingle Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
Nogueira, Daniel Fontenele
Neurociência computacional
Interface homem-máquina
title_short Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
title_full Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
title_fullStr Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
title_full_unstemmed Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
title_sort Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente
author Nogueira, Daniel Fontenele
author_facet Nogueira, Daniel Fontenele
author_role author
dc.contributor.none.fl_str_mv Albuquerque, Victor Hugo Costa de
Soares, Ernesto Saias
Albuquerque, Victor Hugo Costa de
Soares, Ernesto Saias
Alexandria, Auzuir Ripardo de
Felix, John Hebert da Silva
Universidade de Fortaleza. Programa de Pós-Graduação em Informática Aplicada
dc.contributor.author.fl_str_mv Nogueira, Daniel Fontenele
dc.subject.por.fl_str_mv Neurociência computacional
Interface homem-máquina
topic Neurociência computacional
Interface homem-máquina
description Sistemas baseados em Neurofeedback tem grande atuação nos tratamentos psicológicos e de reabilitação, corrigindo distúrbios no funcionamento cerebral, estimulando e desenvolvendo as habilidades dos indivíduos que os utilizam. Para tornar esses sistemas mais rápidos e precisos, controladores digitais, tais como os do tipo PID, contribuem para melhores respostas aos estímulos usados ao longo dos tratamentos, sendo os parâmetros dos controladores de grande influência para o sucesso do método. Este trabalho busca automatizar os cálculos dos parâmetros e analisar suas respostas a uma entrada de degrau unitário para os quatro tipos de controladores digitais mais utilizados (proporcional, proporcional-derivativo, proporcional-integrativo e proporcional-integral-derivativo) para controle de uma interface cérebro máquina com Neurofeedback utilizando Potencial Evocado Visual de Regime Permanente (SSVEP). Os cálculos destes parâmetros foram realizados considerando o método da Curva de Reação das Regras de Ziegler-Nichols, determinando e analisando as funções de transferência destes sistemas. Desta forma, é possível decompor os dados da Razão Sinal-Ruído (SNR) obtidos a partir de uma touca para Eletroencefalograma que utiliza 34 canais em onze indivíduos sadios. Como resultado, este trabalho conclui que, para as amostras estudadas, o controlador do tipo PID e as otimizações dos parâmetros deste controlador contribuem fortemente para que o sistema SSVEP seja robusto, podendo propiciar resultados clínicos bastante satisfatórios. Palavras-chave: Neurofeedback. Neurociência computacional. Occipital. EEG. SNR. SSVEP. Controlador digital. Ziegler-Nichols.
publishDate 2017
dc.date.none.fl_str_mv 2017
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/110737
url https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/110737
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://uol.unifor.br/auth-sophia/exibicao/17497
Disponibilidade forma física: Existe obra impressa de código : 101706
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR
instname:Universidade de Fortaleza (UNIFOR)
instacron:UNIFOR
instname_str Universidade de Fortaleza (UNIFOR)
instacron_str UNIFOR
institution UNIFOR
reponame_str Biblioteca Digital de Teses e Dissertações da UNIFOR
collection Biblioteca Digital de Teses e Dissertações da UNIFOR
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)
repository.mail.fl_str_mv bib@unifor.br||bib@unifor.br
_version_ 1800408702449090560

Registros relacionados