Intelligent Control of Bionic Hand Based on Electromyography and Pattern Recognition. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF PhD dissertation_201906270_Ali Alramadhan_final_HF.pdf - Accepted Version Restricted to Repository staff only until 7 August 2026. Download (44MB)

Arabic Abstract

تُقدّم هذه الدراسة توليفة من التطورات الحديثة في استخدام إشارات تخطيط العضلات الكهربائية وتقنيات الذكاء الصناعي بالتعليم العميق لتصنيف أحد عشر حركة يدوية، مسلطةً الضوء على ستة إنجازات رئيسية. تشمل هذه الابتكارات خوارزمية جديدة لتصنيف حركات اليد، وخوارزمية لاختيار معالجة البيانات المثلى، وخوارزمية لمعالجة الإشارات الانتقالية بين حركات اليد، ورسم ايطار مندرج تحت الكمال في نموذج الذكاء الصناعي، بالإضافة إلى انشاء قاعدة بيانات، وإطار عمل للتنبؤ والتحكم باليد الصناعية متزامنة مع الوقت الفعلي. وقد لخّصت الدراسة نتائج الأداء، مبرزةً كيف حققت هذه الأساليب دقة استثنائية في التنبؤ مع تقليل زمن الاستجابة. وتؤكد هذه التوليفة على الإمكانات الثورية للأجهزة المعتمدة على إشارات تخطيط العضلات الكهربائية في تطوير الأطراف اليد الصناعية. وقد تم تحقيق أداء عملي في على أرض الواقع، حيث بلغت دقة التنبؤ 98% وزمن الاستجابة أقل من 0.3 ثانية.

English Abstract

This study synthesizes advancements in using electromyography (EMG) signals and deep learning to classify 11 hand movements, highlighting a breakthrough on six developments. These innovations include new Event-Based Labeling algorithm, new optimized feature selection (MeshSearch algorithm), new transient handling (Condition Voting algorithm), new hyperparameter optimization (Screening Automated Machine Learning framework), a new robust classifier with large database (datastore design), and real-time prediction and control framework. The work summarized the performance outcomes, emphasizing how these methods achieved exceptional accuracy and minimized response times. This synthesis underscores the potential of EMG-based gadgets to revolutionize bionic limbs. Practical performance was achieved in real-time deployment with prediction accuracy of 98% and response time less than 0.3 seconds

Item Type:	Thesis (PhD)
Subjects:	Computer Systems Engineering Electrical Mechanical
Department:	College of Engineering and Physics > Control and Instrumentation Engineering
Committee Advisor:	El Ferik, Sami
Committee Co-Advisor:	Saif, Abdulwahed
Committee Members:	Al Dhaifallah, Mujahed and Hawwa, Muhammad and Mysorewala, Muhammad
Depositing User:	ALI ALRAMADHAN (g201906270)
Date Deposited:	10 Aug 2025 06:08
Last Modified:	10 Aug 2025 06:08
URI:	http://eprints.kfupm.edu.sa/id/eprint/143649