Статті

DOI: https://doi.org/10.31713/vt2202512

Анотація

У статті проведено аналіз сучасних методів керування біонічними протезами верхніх кінцівок на основі EMG-сигналів. Розглянуто недоліки традиційних статичних класифікаторів (SVM, k-NN, CNN), що не враховують часову змінність м’язової активності, мають обмежену персоналізацію та чутливі до втоми м’язів і зміщення електродів.Запропоновано архітектуру адаптивної системи з використанням рекурентних мереж LSTM, здатних зберігати контекст скорочень, прогнозувати рухи ще до повної активації м’язів та зменшувати потребу в повторному калібруванні. Система включає сенсорний блок збору сигналів, модуль фільтрації, AI-компоненту з LSTM-ядром і виконавчий блок для керування протезом. На базі Arduino UNO створено програмний прототип, який демонструє ідентифікацію рухів навіть за частковими сигналами та підтримує інкрементальне навчання. Архітектура є масштабованою та апаратно-незалежною, що дозволяє застосовувати її до різних типів протезів, забезпечуючи природність керування, високуточність і надійність.

Біографії авторів