Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Carlos Andrés Pérez Ramírez es_ES
dc.creator Leonardo Miguel Rueda Trejo es_ES
dc.date 2022-12-01
dc.date.accessioned 2023-06-09T15:30:45Z
dc.date.available 2023-06-09T15:30:45Z
dc.date.issued 2022-12-01
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/8597
dc.description El 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.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.publisher Ingeniería es_ES
dc.relation.requires No es_ES
dc.rights Acceso Abierto es_ES
dc.subject Ingeniería y Tecnología es_ES
dc.subject Ciencias Tecnológicas es_ES
dc.subject Otras Especialidades Tecnológicas es_ES
dc.title Detección de fatiga mediante señales mioeléctricas es_ES
dc.type Tesis de licenciatura es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador RUTL960820HQTDRN01 es_ES
dc.contributor.identificador PERC890923HASRMR09 es_ES
dc.contributor.role Director es_ES
dc.degree.name Ingeniería Biomédica es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Licenciatura es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI007550.pdf
Tamaño: 1.569Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem