Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/8597
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorCarlos Andrés Pérez Ramírezes_ES
dc.creatorLeonardo Miguel Rueda Trejoes_ES
dc.date2022-12-01-
dc.date.accessioned2023-06-09T15:30:45Z-
dc.date.available2023-06-09T15:30:45Z-
dc.date.issued2022-12-01-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/8597-
dc.descriptionEl estado fisiológico que presentan las personas es fundamental al momento de realizar sus labores. Cuando se presenta un estado fisiológico optimo se tendrá un buen desempeño durante la realización del trabajo. En cambio, cuando existen alteraciones en el estafo fisiológico el desempeño que una persona tendrá en ciertas actividades se verá mermado, incluso llegando a tener accidentes graves. Así pues, algunos de los estados fisiológicos presentes durante la realización de las labores suelen ser el estrés y la fatiga. Ambos se van incrementando durante largas jornadas de trabajo, además de disminuir significativamente con periodos de descanso a lo largo de la jornada. De esta manera, el detectar oportunamente el estado de fatiga en una persona que realiza actividades de riesgo, como lo es la conducción, permitirá disminuir los accidentes, además de favorecer la salud de los trabajadores. En el presente trabajo se propone una metodología para detectar el estrés y la fatiga mediante señales EMG. Para esto, se obtiene una base de datos para desarrollar el procesamiento que se le dará a la señal. Este procesamiento consiste, primero, en aplicar el algoritmo EMD, para después aplicar diferentes algoritmos para obtener los fractales de cada IMF obtenida. Al calcular cada IMF se le aplicará la herramienta estadística ANOVA, de forma que se identifiquen aquellas características que más diferencien los diferentes estados de estrés. Al final se utilizarán los fractales óptimos para la identificación de los estados de estrés, utilizando como clasificador una red neuronal probabilística. Al concluir se obtuvieron resultados favorables, teniendo un 92% de efectividad.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherIngenieríaes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIngeniería y Tecnologíaes_ES
dc.subjectCiencias Tecnológicases_ES
dc.subjectOtras Especialidades Tecnológicases_ES
dc.titleDetección de fatiga mediante señales mioeléctricases_ES
dc.typeTesis de licenciaturaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorRUTL960820HQTDRN01es_ES
dc.contributor.identificadorPERC890923HASRMR09es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameIngeniería Biomédicaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelLicenciaturaes_ES
Aparece en: Ingeniería Biomédica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI007550.pdf1.61 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.