Modelovanie a riadenie nelineárnych dynamických systémov v aplikácií na chôdzu človeka

Galajdová, Alena

Modelovanie a riadenie nelineárnych dynamických systémov v aplikácií na chôdzu človeka

DSpace Repository

Language: English čeština

Modelovanie a riadenie nelineárnych dynamických systémov v aplikácií na chôdzu človeka

dc.contributor.author	Galajdová, Alena
dc.date.accessioned	2021-11-04T12:01:23Z
dc.date.available	2021-11-04T12:01:23Z
dc.date.issued	2020-03-23
dc.identifier.isbn	978-80-7454-898-7	en
dc.identifier.uri	http://hdl.handle.net/10563/50090
dc.description.abstract	Pri modelovaní, simulácií a spracovaní fyziologických dát z bezdrôtových senzorových sietí sa využívajú okrem klasických prístupov na spracovanie dát aj metódy, ktoré odhaľujú zložitosť a komplexnosť fyziologických dát so zohľadnením funkcie centrálneho nervového systému. Využitie nelineárnej analýzy chôdze odhaľuje nelineárnu a chaotickú dynamiku signálov chôdze. Nelineárna analýza časových postupností dát má potenciál nájsť skryté zmeny signálov a trendy vo vývoji, ktoré nemožno nájsť použitím lineárnych metód. Ľudská chôdza má vlastnosti typické pre deterministické chaotické systémy. Z tohto dôvodu bol navrhnutý systém, ktorý generoval chaotické dáta, ktoré boli ďalej použité na riadenie motorov v rehabilitačnom mechatronickom zariadení – topánkach. Systém slúži na tréning chôdze seniorov, pričom počas tréningu sú generované náhodné chaotické výchylky z rovnovážneho stavu aplikované na chôdzu. Pre simulácie nelineárnych systémov je veľmi vhodné využitie nástrojov umelej inteligencie. Systém na predikciu elektromyografickej (EMG) aktivity svalov dolnej končatiny počas chôdze z kinematických údajov chôdze je výsledkom simulácií s využitím neurónovej siete. Navrhnutý model neurónovej siete preukázal schopnosť transformovať kinematický plán pohybu do aktivácie požadovaných svalov, a tiež že je možné modelovať predpokladanú funkčnú závislosť medzi kinematickými parametrami chôdze a obálkou amplitúdy EMG svalov dolnej končatiny.	en
dc.format.extent	32	en
dc.language.iso	cs	en
dc.publisher	Univerzita Tomáše Bati ve Zlíně	en
dc.rights	Profesorské teze jsou přístupné elektronicky pouze v rámci univerzity.	en
dc.subject	Bezdrôtové senzorové siete, nelineárna analýza, chaos, neurónové siete, mechatronické rehabilitačné zariadenie, parametre chôdze.	en
dc.subject	Wireless Sensor Networks, Nonlinear Analysis, Chaos, Neural Networks, Mechatronic Rehabilitation Device, Gait Parameters.	en
dc.title	Modelovanie a riadenie nelineárnych dynamických systémov v aplikácií na chôdzu človeka	en
dc.title.alternative	Modeling and control of nonlinear dynamic systems with application on human gait	en
dc.type	Book	en
dc.date.accepted	2020-02-18
dc.description.abstract-translated	In the modeling, simulation and processing of physiological data from wireless sensors networks, there are also other methods in addition to classical data processing approaches. These methods reveal the complexity of physiological data, taking into account the central nervous system function. The use of non-linear gait analysis reveals the non-linear and chaotic dynamics of gait signals. Nonlinear analysis of time series data has the potential to find hidden signal changes, trends in development that cannot be found using linear methods. Human gait has characteristics typical for deterministic chaotic systems. That is why, the system that generates chaotic data was designed and further was used for motors control in a rehabilitation mechatronic device - shoes. The system was used for training of seniors gait, while during training are generated random chaotic perturbations from the steady state applied to walking. For simulation of nonlinear systems it is very suitable to use artificial intelligence tools. A system for prediction of lower limb muscles electromyographic (EMG) activity during gait from kinematic gait data is the result of simulations using a neural network. The proposed neural network 4 model has demonstrated the ability to transform the kinematic motion plan into the activation of the desired muscles, and also it is possible to model the predicted functional relationship between the kinematic gait parameters and the EMG envelope of the lower limb muscles.	en
dc.thesis.degree-discipline	Řízení strojů a procesů	en
dc.date.submitted	2019-11-06