Detección de fatiga mediante señales mioeléctricas

Leonardo Miguel Rueda Trejo

Buscar

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