Otimização dos parametros de um controlador pid para uma interface cérebro-máquina com neurofeedback baseado em potencial evocado visual de regime permanente [Digital]
Dissertação
Português
681.3:616.8
Fortaleza, 2017.
Sistemas baseados em Neurofeedback tem grande atuação nos tratamentos psicológicos e de reabilitação, corrigindo distúrbios no funcionamento cerebral, estimulando e desenvolvendo as habilidades dos indivíduos que os utilizam. Para tornar esses sistemas mais rápidos e precisos, controladores...
Ver mais
Sistemas baseados em Neurofeedback tem grande atuação nos tratamentos psicológicos e de reabilitação, corrigindo distúrbios no funcionamento cerebral, estimulando e desenvolvendo as habilidades dos indivíduos que os utilizam. Para tornar esses sistemas mais rápidos e precisos, controladores digitais, tais como os do tipo PID, contribuem para melhores respostas aos estímulos usados ao longo dos tratamentos, sendo os parâmetros dos controladores de grande influência para o sucesso do método. Este trabalho busca automatizar os cálculos dos parâmetros e analisar suas respostas a uma entrada de degrau unitário para os quatro tipos de controladores digitais mais utilizados (proporcional, proporcional-derivativo, proporcional-integrativo e proporcional-integral-derivativo) para controle de uma interface cérebro máquina com Neurofeedback utilizando Potencial Evocado Visual de Regime Permanente (SSVEP). Os cálculos destes parâmetros foram realizados considerando o método da Curva de Reação das Regras de Ziegler-Nichols, determinando e analisando as funções de transferência destes sistemas. Desta forma, é possível decompor os dados da Razão Sinal-Ruído (SNR) obtidos a partir de uma touca para Eletroencefalograma que utiliza 34 canais em onze indivíduos sadios. Como resultado, este trabalho conclui que, para as amostras estudadas, o controlador do tipo PID e as otimizações dos parâmetros deste controlador contribuem fortemente para que o sistema SSVEP seja robusto, podendo propiciar resultados clínicos bastante satisfatórios.
Palavras-chave: Neurofeedback. Neurociência computacional. Occipital. EEG. SNR. SSVEP. Controlador digital. Ziegler-Nichols.
Ver menos
Palavras-chave: Neurofeedback. Neurociência computacional. Occipital. EEG. SNR. SSVEP. Controlador digital. Ziegler-Nichols.
Ver menos
Neurofeedback based systems play a major role in psychological and rehabilitation treatments, correcting disturbances in brain functioning, stimulating and developing the abilities of the individuals who use them. To make these systems faster and more accurate, digital controllers, such as PIDs,...
Ver mais
Neurofeedback based systems play a major role in psychological and rehabilitation treatments, correcting disturbances in brain functioning, stimulating and developing the abilities of the individuals who use them. To make these systems faster and more accurate, digital controllers, such as PIDs, contribute to better responses to the stimuli used throughout the treatments, and the parameters of the controllers have a great influence on the success of the method. This work seeks to automate parameter calculations and investigates their responses to a single step input for the four types of digital controllers most used (proportional, proportional-derivative, proportional-integrative and proportional-integral-derivative) to control a Brain Computer Interface with Neurofeedback using Steady State Visually Evoked Potential (SSVEP). The calculations of these parameters were performed considering the Ziegler-Nichols Rule Reaction Curve method, determining and analysing the transfer functions of these systems. Thus, it is possible to decompose the Signal-Noise Ratio (SNR) data obtained from an electroencephalogram cap using 34 channels in eleven healthy individuals. As a result, this study concludes that, for the studied samples, the PID controller and the parameter optimisations of this controller contribute strongly to the SSVEP system being robust and can provide quite satisfactory clinical results
Keywords: Neurofeedback. Computational Neuroscience. Occipital. EEG. SNR. SSVEP. Digital controller. Ziegler-Nichols. Ver menos
Keywords: Neurofeedback. Computational Neuroscience. Occipital. EEG. SNR. SSVEP. Digital controller. Ziegler-Nichols. Ver menos
Disponibilidade forma física: Existe obra impressa de código : 101706
Albuquerque, Victor Hugo Costa de
Orientador
Soares, Ernesto Saias
Coorientador
Albuquerque, Victor Hugo Costa de
Banca examinadora
Soares, Ernesto Saias
Banca examinadora
Alexandria, Auzuir Ripardo de
Banca examinadora
Felix, John Hebert da Silva
Banca examinadora
Universidade de Fortaleza. Programa de Pós-Graduação em Informática Aplicada
Dissertação (mestrado)