Controle de uma cadeira de rodas motorizada através de eletromiografia em uma plataforma embarcada

Abstract

Este trabalho apresenta a criação de um método para adquirir sinais mioelétricos provenientes do movimento das pálpebras e utilizá-los no controle de uma cadeira de rodas motorizada. O sistema é composto de um eletromiógrafo com ganho e filtragem configuráveis digitalmente através de um microcontrolador e um algoritmo de detecção de piscadas voluntárias e utilização destas para a ativação de uma cadeira de rodas. Através do eletromiógrafo, são tratados analogicamente biosinais de ambas as pálpebras posicionando-se eletrodos próximos dos músculos Orbicularis Oculi Os sinais são filtrados através de um filtro de capacitores chaveados cuja frequência de corte pode ser configurada e amplificados com ganhos também configuráveis. Os sinais mioelétricos são então convertidos para dados digitais através de um conversor analógico digital de 13 bits e um algoritmo de detecção de piscadas é ativado. A partir de um protocolo pré-determinado, foi possível relacionar o movimento das pálpebras com comandos que são transmitidos à cadeira de rodas motorizada. Foi realizada uma validação de cada estágio da plataforma de hardware com sinais conhecidos e então realizados testes com sinais mioelétricos do músculo bíceps. A utilização dos biosinais relacionados ao movimento das pálpebras se mostrou satisfatória no que diz respeito ao controle da cadeira de rodas.

This paper presents the creation of a method to acquire myoelectric signals from the eyelids movement and use them to control a motorized wheelchair. The system consists of an electromyograph with digitally programmable gain and filtering via a microcontroller and a detection algorithm and use of voluntary blinks for enabling a wheelchair. Through the electromyograph, biosignals from both eyelids are treated analogically by positioning electrodes near muscle Orbicularis Oculi. The signals are filtered by a switched capacitor filter whose cutoff frequency can be set and amplified with gains also configurable. The myoelectric signals are then converted to digital data through a 13 bits analog to digital converter and a blink detection algorithm is activated. From a pre-determined protocol, it was possible to relate the eyelids movement with commands that are transmitted to the motorized wheelchair. The validation of each stage of the hardware platform was done with well known signals and then tests were performed with myoelectric signals from the biceps muscle. The use of biosignals related to movement of the eyelids was considered satisfactory with regard to the control of the wheelchair.