DISEO E IMPLEMENTACIN DE UNSISTEMA EEG PORTABLE

Anteproyecto de Trabajo de Grado

LICET VANESSA MELLIZO MURILLOJAIME ALEXANDER OSORIO SARRIA

DirectorPhD. Carlos Felipe Rengifo Rodas

UNIVERSIDAD DEL CAUCA

FACULTAD DE INGENIERA ELECTRNICA YTELECOMUNICACIONES

INGENIERA EN ELECTRNICA YTELECOMUNICACIONES

POPAYN

2015

ndice

1. Planteamiento del problema 3

2. Estado del arte 5

2.1. Aportes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3. Objetivos 13

3.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.2. Objetivo Especficos . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4. Actividades 13

4.1. Fase 1: Proceso de bsqueda para elaborar el marco conceptual delproyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4.2. Fase 2: Obtencin del modelo matemtico del motor serie de corrientecontinua en espacio de estados . . . . . . . . . . . . . . . . . . . . . . 14

4.3. Fase 3: Estimacin de los parmetros del modelo en espacio de estadosdel motor de corriente continua con excitacin serie . . . . . . . . . . 14

4.4. Fase 4: Implementar el Sistema de control en un sistema elctrico . . 15

4.5. Fase 5: Elaboracin documento Final . . . . . . . . . . . . . . . . . . 15

5. Cronograma 15

6. Recursos, presupuesto y fuentes de financiacin 16

7. Condiciones de entrega 16

8. Bibliografa 17

2

1. Planteamiento del problema

Los electroencefalogramas (EEG) representan el potencial bioelctrico generado porlas clulas del nervio de la corteza cerebral [1], dichos potenciales se modulan apartir del estado mental, mediante informacin adquirida a travs de los sentidos;este proceso genera respuestas que pueden ser evidenciadas a nivel motor o cognitivo,e incluso estas mismas respuestas se modulan unas a otras [2].

Las seales obtenidas mediante EEG, normalmente se encuentran mezcladas conseales denominadas artefactos, las cuales provienen de fuentes indeseadas y depen-diendo de las caractersticas propias del artefacto, podran llegar a producir unainterpretacin inapropiada de los datos obtenidos en el EEG [3].

Existen artefactos de distintos tipos, los cuales pueden ser, por ejemplo, oculares;producidos por corrientes elctricas que se propagan desde el glbulo ocular por me-dio del cuero cabelludo, capturndose as seales conocidas como electrooculogrficas(EOG). Otro tipo de artefacto presente en la realizacin de EEGs son las sealeselectromiografas (EMG) provenientes de los msculos, las lneas basales errantesproducidas por mal contacto de los electrodos o por presencia de sudor y/o impu-rezas, la interferencia elctrica debido a errores en la conexin de los electrodos,cercana con generadores de ruido elctrico o contacto por parte del paciente conobjetos metlicos. [3] [4].

Vista la dificultad de medir seales EEG debido a la presencia de artefactos y lasnumerosas fuentes de las cuales estos pueden provenir, se decidi acotar el presen-te trabajo a la eliminacin de artefactos electrooculogrficos. En consecuencia lapregunta a la que se quiere dar respuesta es cmo validar experimentalmente laefectividad de un algoritmo de eliminacin de artefactos electrooculogrficos?

2. Estado del arte

En el campo mdico, la electroencefalografa (EEG) tiene como objetivo descubrire interpretar los fenmenos bioelctricos procedentes de la corteza cerebral y los

3

generados por estmulos externos con la finalidad de intentar entender cmo funcionael cerebro y reconocer sus diferentes patologas [1]. Para ello se realiza el anlisis delas seales electroencefalograficas en sus diferentes bandas de frecuencia [9] [10]. Lautilidad de los EEG como herramienta para la deteccin de patologas neurolgicaso de comportamiento se debe a que pueden emplearse para diagnosticar, analizar ytratar enfermedades tan variadas como Parkinson, desordenes del sueo, demencia,alzhimer, esquizofrenia, epilepsia, entre muchas otras [5].

La electroencefalografa desde su origen ha tenido muchas aplicaciones mdicas,pero recientemente se ha visto ampliamente estudiada con el fin de realizar desarro-llos enfocados en aplicaciones comerciales. Uno de los objetivos generales de estosdesarrollos tecnolgicos es la construccin de dispositivos cada vez ms pequeosy portables, [12] lo cual sugiere afrontar retos relacionados con la portabilidad, se-guridad del usuario, aislamiento elctrico, tamao, autonoma, consumo energtico,peso, comunicaciones, eliminacin de ruido elctrico en las fuentes de alimentaciny la eliminacin de artefactos por interferencias de alta frecuencia (interferenciaelectro-magntica; EMI por sus siglas en ingles) y de baja frecuencia (movimien-to, respiracin, etc.), por nombrar algunos. [13] Dichos retos, como es de suponer,vienen acompaados de los requerimientos tcnicos propios de la adquisicion de laseal, tales como la amplificacin, eliminacin de componentes DC, filtraje en lasbandas de frecuencia adecuadas, muestreo y digitalizacin de la seal, entre otras.Estas seales, que son altamente aleatorias, pueden contener informacin muy tilacerca del estado del cerebro; sin embargo es significativamente complejo obtener in-formacin apropiada directamente en el dominio del tiempo, ya que estas seales sonno-estacionarias y no lineales. Para permitir un analisis cuantitativo de estas sealesse requiere tecnicas avanzadas de procesamiento de seales, tales como el analisisespectral, transformada de fourier, wavelets, Short-Time Frequency Transformation,transformada Hilbert-Huang, coherencia espectral, descomposicion en fuentes y po-tenciales relacionados con eventos [9] [14] [10].

Tambin es importante tener en cuenta que los EEG realizados con electrodos noinvasivos no reflejarn en el registro nicamente seales producidas por la actividadcerebral, sino tambin seales denominadas artefactos [3] [9] [14] [26] que puedenser de origen fisiolgico y no fisiolgico. Entre los artefactos fisiolgicos, el EOG es

4

el ms importante debido a que el movimiento y el parpadeo son muy frecuentesy la potencia con la que se percibe estas seales, debido a la cercana con los elec-trodos dispuestos para EEG, puede en algunos casos, llegar a ser ms alta que lapercibida a partir de los potenciales cerebrales, o su presencia en el registro podrallegar a producir una interpretacin errnea y por tanto llevar a anlisis equivoca-dos [29] [30] [12].

En los registros de neuroimagen funcional, especialmente en los EEG existen conta-minaciones de la seal deseada, los cuales son denominados artefactos, estos puedenser de distintos tipos, por ejemplo, oculares; producidos por corrientes elctricas quese propagan desde el glbulo ocular por medio del cuero cabelludo, capturndose asseales conocidas como electrooculogrficas (EOG) y los artefactos por movimien-tos de ojos (EMA, por sus siglas en ingles). Otro tipo de artefacto presente en larealizacin de EEGs son las seales electromiogrficas (EMG), provenientes de losmsculos. Los artefactos cardiacos electricos, tales como los EKG y los mecanicos,tales como el pulso y los balistocardiogramas (BCG), Los artefactos por electrodos,como el electrodo pop, (debido al funcionamiento de la piel y el electrodo comoun capacitor que realiza su descarga periodicamente). El contacto pobre (entre elelectrodo y la piel), el movimiento de los electrodos, la transpiracin, la creacionde puentes salinos, los artefactos por movimiento, por respiracion [35], por temblor,por miogenia (arterias y arteriolas regulando la presion sanguinea) y los artefactosexternos al dispositivo, como la interferencia elctrica (por cercana con generado-res de ruido elctrico o contacto por parte del paciente con objetos metlicos), sonejemplos de artefactos [4] [36] [9] [4] [3] [11] [26].

La mayora de las tcnicas mencionadas fueron puestas a prueba en [29], donde serealiz una captura de seales EOG y EEG a 40 sujetos sanos. Las seales EEGfueron capturadas usando el sistema internacional 10-20 [33] [32] y asegurando queel paciente no realizase movimientos oculares aparentes. Las seales EOG, tanto ver-ticales (VEOG, por sus siglas en ingls) como horizontales (HEOG, por sus siglas eningls), se capturaron permitiendo al sujeto realizar movimientos oculares normales.Las seales se muestrearon a 100 Hz durante 3 minutos. Posteriormente las sealesEOG se filtran con un pasa bajo con frecuencia de corte a 7.5 Hz y se mezclaronla seal EOG filtrada y la seal EEG original. Al ser estas seales provenientes de

5

diferentes sujetos, es posible asegurar independencia y no correlacin entre las dosseales. Posteriormente se aplican diferentes tcnicas de remocin de artefactos porEOG, donde finalmente pueden concluir que las tcnicas AMUSE y SOBI son losalgoritmos ms recomendables en estudios basados en EEG para la remocin deartefactos, tanto si se cuenta con las seales EOG, como si solo se cuenta con lasseales EEG [29].

Definitivamente una de las mayores tendencias en el anlisis de ondas cerebralesson las grabaciones EEG de larga duracin, las cuales, por razones inherentes a lanaturaleza de este tipo de estudios, son mucho ms propensas a la presentacinde artefactos. Adems es lgico pensar que al emplear este tipo de tecnologas secapture una gran cantidad de informacin que debe ser analizada. Por tal razn,es de gran inters la automatizacin de los procesos de registro y de deteccin dedatos [37]. Realizar un EEG mientras el sujeto de estudio se encuentra en movi-miento constituye un gran desafo, ya que la seal se ver contaminada actividadfisiolgica extracerebral o por el mismo movimiento. Para afrontar esta situacin seutilizan estrategias de movimiento nulo, como la ?observacin de la accin? (AO,por sus siglas en ingles) y la ?imaginacin del movimiento? (MI, por sus siglas eningls) [38] [39]. Otra estrategia que tambin es utilizada, se denominada ?static ap-proach?, donde el paciente est prcticamente esttico y solo realiza movimientos enlos miembros que harn parte del estudio, Otra forma de hacerlo es permitindole alpaciente realizar los movimientos de manera normal, pero esto requiere la aplicacinde tecnicas avanzadas para la eliminacin artefactos.

Con el objetivo de efectuar la eliminacion de artefactos se han desarrollado dife-rentes tcnicas, una de ellas, cuyo proposito es analizar la manera en que afecta elmovimiento a la adquisicin de seales EEG, hace uso de acelermetros posicionadosen la cabeza de los pacientes. Mediante este proceso se ha demostrado la existenciade artefactos que afectan a las seales EEG de hasta 15 Hz y se ha verificado quela seal se ver afectada en mayor o menor medida dependiendo de la frecuenciadel movimiento del paciente. Estos artefactos tambin se atenan o acentan depen-diendo de la ubicacin de los electrodos, lo que demuestra que el proceso de limpiezade la seal es un proceso ms complejo que la simple aplicacin de filtros [39]. Unade las tecnicas desarroladas para ?limpiar? la informacin objetivo es la denomiada

6

REACT [33], la cual consiste en realizar una calibracin del dispositivo de EEGsiguiendo un protocolo de calibracin que se basa en la generacin controlada deartefactos, relacionando cada artefacto con la seal adquirida a partir de un giros-copio [40]. Posteriormente la seal EEG puede ser recortada, eliminando las pocasmarcadas como artefactos [26] [30]. Otro mtodo que funciona de manera similar,pero sin el uso de giroscopios o acelermetros es la descomposicin lineal, la cualidentifica las fuentes de artefactos y reconstruye la seal EEG de salida sin ellas.Estos dos mtodos son eficientes en la limpieza de la seal, pero generan una prdidade informacin que puede llegar a ser considerable [30].

2.1. Aportes

El desarrollo de este trabajo espera poder determinar la viabilidad, las ventajasy las desventajas de implementar un control no lineal sobre motores de corrientecontinua por medio de la comparacin de las tcnicas y el clculo del desempeo delas mismas, con el fin de llevar este estudio a el nivel industrial proporcionando unargumento slido que permita cambiar o no, la tcnica que se utiliza para controlarla velocidad de los motores en las plantas.

3. Objetivos

3.1. Objetivo General

Realizar un estudio comparativo entre el desempeo de un sistema de control linealy uno no lineal para un motor de corriente continua con excitacin serie

3.2. Objetivo Especficos

Obtener el modelo en espacio de estados del motor de corriente continua conexcitacin serie

7

Disear e implementar un sistema de control lineal y uno lineal para un motorde corriente continua con excitacin serie

Definir los criterios de desempeo con que se compararan los controladoreslineal y no lineal

4. Actividades

El proyecto se realizar mediante la ejecucin secuencial de una serie de actividadesque han sido agrupadas en fases, las cuales se describen a continuacin:

4.1. Fase 1: Proceso de bsqueda para elaborar el marco con-

ceptual del proyecto

Bsqueda, seleccin y anlisis de informacin relacionada con los sistemas decontrol no lineales

Bsqueda seleccin y anlisis de los mtodos para la identificacin de los pa-rmetros de un motor de corriente continua con excitacin serie

Bsqueda seleccin y anlisis de los mtodos para el diseo de un controladorlineal y no lineal de un motor de corriente continua con excitacin serie

Bsqueda seleccin y anlisis de los criterios para evaluar el desempeo de lastcnicas de control utilizadas

Generacin de bitcora Fase 1

4.2. Fase 2: Obtencin del modelo matemtico del motor serie

de corriente continua en espacio de estados

Obtencin de las ecuaciones del modelo dinmico lineal representado por lasecuaciones del subsistema elctrico y el subsistema mecnico del motor DCcon excitacin en serie

8

Obtencin de las ecuaciones que rigen la dinmica no lineal del motor DCcon excitacin en serie teniendo en cuenta las no linealidades magnticas delmismo

Generacin de la bitcora Fase 2

4.3. Fase 3: Estimacin de los parmetros del modelo en es-

pacio de estados del motor de corriente continua con

excitacin serie

Definicin de los pasos a seguir para identificar los parmetros del modelo delmotor

Montaje experimental del motor

Implementacin de un algoritmo para la identificacin de los parmetros delmodelo matemtico obtenido anteriormente mediante la adquisicin de datosexperimentales del motor de corriente continua

Generacin de la bitcora Fase 3

4.4. Fase 4: Implementar el Sistema de control en un sistema

elctrico

Definicin de los pasos a seguir para controlar la planta identificada (motor)con las tcnicas de control seleccionadas

Diseo de un algoritmo para realizar el control, tanto lineal como no lineal,del motor de corriente continua con excitacin serie

Implementacin del algoritmo diseado previamente para controlar el motorsobre un sistema elctrico

Generacin de la bitcora Fase 4

9

4.5. Fase 5: Elaboracin documento Final

Redaccin de la monografa

Redaccin de los anexos

Redaccin del artculo

5. Cronograma

Actividades Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7 Mes 8 Mes 9Fase 1 X XFase 2 X XFase 3 X XFase 4 X XFase 5 X X X

Cuadro 1: Cronograma de Actividades

6. Recursos, presupuesto y fuentes de financiacin

El presupuesto detallado en la Tabla 2 fue calculado de acuerdo a los criterios de refe-rencia para la elaboracin de presupuesto de anteproyecto presentados por el comitde investigaciones de la Facultad de Ingeniera Electrnica y Telecomunicaciones dela Universidad del Cauca. Los costos correspondientes a la Universidad del Caucasern asumidos por el Departamento de Electrnica, Instrumentacin y Control. Loscostos restantes sern asumidos por los estudiantes que realizan el proyecto.

7. Condiciones de entrega

Monografa

10

Rubros Fuentes TotalEstudiante DEIC

Talento Humano 11 264.800 1 643.800 8 908.600Recursos Hardware 300.000 300.000 600.000Recursos Software

Recursos BibliogrficosRecursos Varios 500.000 500.000

Valor del Proyecto 10 008.600Recursos de comunicacin (2%) 200.172

Administracin (10%) 1 008.600Utilidad (5%) 500.430

Imprevistos (10%) 1 008.600Valor Total del Proyecto 12 710.922

Cuadro 2: Presupuesto

Algoritmo de simulacin

Artculo en evento nacional

8. Bibliografa

[1] T. Nguyen, A. Khosravi, D. Creighton, and S. Nahavandi, Eeg signal classifi-cation for bci applications by wavelets and interval type-2 fuzzy logic systems,Expert Systems with Applications, vol. 42, no. 9, pp. 43704380, 2015.

[2] R. R. Llins, El crebro y el mito del yo: el papel de las neuronas en el pensa-miento y el comportamiento humanos. Editorial Norma, 2003.

[3] T. Radntz, J. Scouten, O. Hochmuth, and B. Meffert, Eeg artifact eliminationby extraction of ica-component features using image processing algorithms,Journal of neuroscience methods, vol. 243, pp. 8493, 2015.

[4] T. Ball, M. Kern, I. Mutschler, A. Aertsen, and A. Schulze-Bonhage, Signalquality of simultaneously recorded invasive and non-invasive eeg, Neuroimage,vol. 46, no. 3, pp. 708716, 2009.

11

[5] A. Jones, C. Brown, and W. El-Deredy, Chapter 5 - how does {EEG}contribute to our understanding of the placebo response?: Insights from theperspective of bayesian inference, in Placebo and Pain, L. C. A. F. Meissner,Ed. San Diego: Academic Press, 2013, pp. 37 43. [Online]. Available:http://www.sciencedirect.com/science/article/pii/B9780123979285000052

[6] V. Michel, L. Mazzola, M. Lemesle, and L. Vercueil, Long-term eeg in adults:Sleep-deprived eeg (sde), ambulatory eeg (amb-eeg) and long-term video-eegrecording (ltver), Neurophysiologie Clinique/Clinical Neurophysiology, 2015.

[7] H. J. Faulkner, H. Arima, and A. Mohamed, The utility of prolonged outpatientambulatory eeg, Seizure, vol. 21, no. 7, pp. 491495, 2012.

[8] T. Thompson, T. Steffert, T. Ros, J. Leach, and J. Gruzelier, Eeg applicationsfor sport and performance, Methods, vol. 45, no. 4, pp. 279288, 2008.

[9] M. J. Aminoff, Chapter 3 - electroencephalography: General principles andclinical applications, in Aminoffs Electrodiagnosis in Clinical Neurology(Sixth Edition), sixth edition ed., M. J. Aminoff, Ed. London: W.B. Saunders,2012, pp. 37 84. [Online]. Available: http://www.sciencedirect.com/science/article/pii/B9781455703081000030

[10] N. P. Castellanos and V. A. Makarov, Recovering {EEG} brain signals: Artifactsuppression with wavelet enhanced independent component analysis, Journalof Neuroscience Methods, vol. 158, no. 2, pp. 300 312, 2006. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0165027006002834

[11] T. Fujioka, N. Mourad, C. He, and L. J. Trainor, Comparison of artifactcorrection methods for infant {EEG} applied to extraction of event-relatedpotential signals, Clinical Neurophysiology, vol. 122, no. 1, pp. 43 51,2011. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S1388245710004840

[12] P. Jayakar, E. Brusse, J. Patrick, E. Shwedyk, and S. Seshia, Computerdatabase of ambulatory {EEG} signals, Electroencephalography and ClinicalNeurophysiology, vol. 66, no. 1, pp. 82 88, 1987. [Online]. Available:http://www.sciencedirect.com/science/article/pii/0013469487901428

12

[13] M. Engin, T. Dalbast, M. Gldren, E. Davasl, and E. Z. Engin, A prototypeportable system for eeg measurements, Measurement, vol. 40, no. 9, pp. 936942, 2007.

[14] S. Boudet, L. Peyrodie, P. Gallois, and C. Vasseur, Filtering by optimalprojection and application to automatic artifact removal from {EEG},Signal Processing, vol. 87, no. 8, pp. 1978 1992, 2007, independentComponent Analysis and Blind Source Separation. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0165168407000552

[15] Q. Zhao, B. Hu, Y. Shi, Y. Li, P. Moore, M. Sun, and H. Peng,Automatic identification and removal of ocular artifacts in EEGimprovedadaptive predictor filtering for portable applications, vol. 13, no. 2, pp.109117, 2014. [Online]. Available: http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6807730

[16] S. S. Shankar and R. Rai, Human factors study on the usageof {BCI} headset for 3d {CAD} modeling, Computer-Aided Design,vol. 54, no. 0, pp. 51 55, 2014, {APPLICATION} {OF} BRAINCOMPUTER {INTERFACES} {IN} CAD/E {SYSTEMS}. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0010448514000074

[17] V. Morash, O. Bai, S. Furlani, P. Lin, and M. Hallett, Classifying {EEG}signals preceding right hand, left hand, tongue, and right foot movementsand motor imageries, Clinical Neurophysiology, vol. 119, no. 11, pp. 2570 2578, 2008. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S138824570800922X

[18] W. Jin, Z. Jiacai, and Y. Li, An automated detection and correction methodof eog artifacts in EEG-based bci, in Complex Medical Engineering, 2009.CME. ICME International Conference on, 2009, pp. 15. [Online]. Available:http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=4906624

[19] S. Vanhatalo, J. Voipio, and K. Kaila, Full-band {EEG} (fbeeg): an emergingstandard in electroencephalography, Clinical Neurophysiology, vol. 116, no. 1,pp. 1 8, 2005. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S1388245704003748

13

[20] R. H. Norman, Conductive rubbers and plastics: their production, applicationand test methods. Elsevier Publishing Company, 1957.

[21] B. Xu, X.-y. Wu, J.-g. Lei, R. Cheng, S.-c. Ruan, and Z.-l. Wang, Laminatedfabrication of 3d micro-electrode based on wedm and thermal diffusion welding,Journal of Materials Processing Technology, vol. 221, pp. 5665, 2015.

[22] S. J. Desai, A. P. Bharne, M. A. Upadhya, A. R. Somalwar, N. K. Subhedar,and D. M. Kokare, A simple and economical method of electrode fabricationfor brain self-stimulation in rats, Journal of pharmacological and toxicologicalmethods, vol. 69, no. 2, pp. 141149, 2014.

[23] X. Jiang, S. Lou, D. Chen, J. Shen, W. Han, X. Sun, J. Li, and L. Wang,Fabrication of polyaniline/graphene oxide composite for graphite felt electrodemodification and its performance in the bioelectrochemical system, Journal ofElectroanalytical Chemistry, vol. 744, pp. 95100, 2015.

[24] S. E. Trask, Y. Li, J. J. Kubal, M. Bettge, B. J. Polzin, Y. Zhu, A. N. Jansen, andD. P. Abraham, From coin cells to 400 mah pouch cells: Enhancing performanceof high-capacity lithium-ion cells via modifications in electrode constitution andfabrication, Journal of Power Sources, vol. 259, pp. 233244, 2014.

[25] P. Salvo, R. Raedt, E. Carrette, D. Schaubroeck, J. Vanfleteren, and L. Cardon,A 3d printed dry electrode for ecg/eeg recording, Sensors and Actuators A:Physical, vol. 174, pp. 96102, 2012.

[26] S. ORegan, S. Faul, and W. Marnane, Automatic detection of EEGartefacts arising from head movements using gyroscopes, in AppliedSciences in Biomedical and Communication Technologies (ISABEL), 20103rd International Symposium on, 2010, pp. 15. [Online]. Available:http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=5702924

[27] J. D. Graaf and C. Nicol, Using ultra-mobile {EEG} in sports andhuman movement sciences. some exciting applications and first results,Neurophysiologie Clinique/Clinical Neurophysiology, vol. 43, no. 1, pp. 77, 2013. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S0987705312004200

14

[28] H. van der Weide and A. Kamp, Long-term supervised domiciliary {EEG}monitoring in epileptic patients employing radio telemetry and telephonetelemetry. i. telephone telemetry system, Electroencephalography and ClinicalNeurophysiology, vol. 57, no. 6, pp. 581 583, 1984. [Online]. Available:http://www.sciencedirect.com/science/article/pii/0013469484900944

[29] S. Romero, M. A. Maanas, and M. J. Barbanoj, A comparative study ofautomatic techniques for ocular artifact reduction in spontaneous eeg signalsbased on clinical target variables: a simulation case, Computers in biology andmedicine, vol. 38, no. 3, pp. 348360, 2008.

[30] W. Zhou and J. Gotman, Automatic removal of eye movement artifactsfrom the {EEG} using {ICA} and the dipole model, Progress in NaturalScience, vol. 19, no. 9, pp. 1165 1170, 2009. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S1002007109001658

[31] T. Liu and D. Yao, Removal of the ocular artifacts from {EEG} data usinga cascaded spatio-temporal processing, Computer Methods and Programsin Biomedicine, vol. 83, no. 2, pp. 95 103, 2006. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0169260706000988

[32] C. Fortgens and M. D. Bruin, Removal of eye movement and {ECG}artifacts from the non-cephalic reference {EEG}, Electroencephalography andClinical Neurophysiology, vol. 56, no. 1, pp. 90 96, 1983. [Online]. Available:http://www.sciencedirect.com/science/article/pii/001346948390010X

[33] E. Niedermeyer and F. L. da Silva, Electroencephalography: basic principles,clinical applications, and related fields. Lippincott Williams & Wilkins, 2005.

[34] M. Ertl, V. Kirsch, G. Leicht, S. Karch, S. Olbrich, M. Reiser, U. Hegerl,O. Pogarell, and C. Mulert, Avoiding the ballistocardiogram (bcg) artifact of{EEG} data acquired simultaneously with fmri by pulse-triggered presentationof stimuli, Journal of Neuroscience Methods, vol. 186, no. 2, pp. 231 241, 2010. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S0165027009006074

15

[35] F. Siddiqui, E. Osuna, A. S. Walters, and S. Chokroverty, Sweatartifact and respiratory artifact occurring simultaneously in polysomnogram,Sleep Medicine, vol. 7, no. 2, pp. 197 199, 2006. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S1389945705003096

[36] J. W. Britton, Chapter 5 - electroencephalographic artifacts and benignvariants, in Aminoffs Electrodiagnosis in Clinical Neurology (Sixth Edition),sixth edition ed., M. J. Aminoff, Ed. London: W.B. Saunders, 2012, pp. 129 142. [Online]. Available: http://www.sciencedirect.com/science/article/pii/B9781455703081000054

[37] A. Casson and E. Rodriguez-Villegas, On data reduction in EEGmonitoring: Comparison between ambulatory and non-ambulatory recordings,in Engineering in Medicine and Biology Society, 2008. EMBS 2008. 30thAnnual International Conference of the IEEE, 2008, pp. 58855888. [Online].Available: http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=4650553

[38] J. J. Gonzalez-Rosa, F. Natali, A. Tettamanti, M. Cursi, S. Velikova,G. Comi, R. Gatti, and L. Leocani, Action observation and motor imageryin performance of complex movements: Evidence from {EEG} and kinematicsanalysis, Behavioural Brain Research, vol. 281, no. 0, pp. 290 300,2015. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S0166432814008109

[39] T. Castermans, M. Duvinage, G. Cheron, and T. Dutoit, About the corticalorigin of the low-delta and high-gamma rhythms observed in eeg signals duringtreadmill walking, Neuroscience letters, vol. 561, pp. 166170, 2014.

[40] S. ORegan andW. Marnane, Multimodal detection of head-movement artefactsin eeg, Journal of neuroscience methods, vol. 218, no. 1, pp. 110120, 2013.

16

Universidad del CaucaFacultad de Ingeniera Electrnica y Telecomunicaciones

Acta de Acuerdo Sobre la Propiedad Intelectual del Trabajo de Grado

En atencin al acuerdo del Honorable Consejo Superior de la Universidad del Cau-ca, nmero 008 del 23 de Febrero de 1999, donde se estipula todo lo concerniente ala produccin intelectual en la institucin, los abajo firmantes, reunidos el dadel mes de en el saln del Consejo de Facultad, acordamos las siguientescondiciones para el desarrollo y posible usufructo del siguiente proyecto.

Materia del acuerdo: Trabajo de grado para optar el ttulo de Ingeniero en Au-tomtica Industrial.

Ttulo del Proyecto: Diseo e Implementacin de un Sistema de Control paraun motor de corriente continua con excitacin serie.

Objetivo del proyecto: Realizar un estudio comparativo entre el desempeo deun sistema de control lineal y uno no lineal para un motor de corriente continua conexcitacin serie.

Duracin del proyecto: Nueve (9) meses.

Trmino de vinculacin de cada partcipe en el mismo: Hasta la finalizacindel trabajo de grado

Los participantes del proyecto, los estudiantes de pregrado Licet Vanessa Me-llizo Murillo y Jaime Alexander Osorio Sarria identificados con cdula deciudadana nmero 1.061.717.437 de Popayn y 1.062.281.414 de Santander de Qui-lichao respectivamente, a quien en adelante se les llamar estudiantes, el ingenieroCarlos Felipe Rengifo Rodas en calidad de Director del trabajo de grado, iden-tificado con la cdula de ciudadana 14.896.791 de Buga, a quien en adelante se lellamar docente, y la Universidad del Cauca, representada por el Decano de laFIET, manifiestan que:

17

1.- La idea de disear e implementar un sistema de control para un motor de corrien-te continua con excitacin serie, fue iniciativa del profesor Carlos Felipe RengifoRodas quien la propuso y present al Departamento de Electrnica, Instrumenta-cin y Control, que la acept como tema para el proyecto de grado en referencia.

2.- La idea mencionada fue acogida por los estudiantes como proyecto para obtenerel grado de Ingenieros en Electrnica y Telecomunicaciones , quien la desarrollarnbajo la direccin del docente.

3.- Los derechos intelectuales y morales corresponden al docente y a los estudiantes.

4.- Los derechos patrimoniales corresponden al docente, a los estudiantes y a laUniversidad del Cauca por partes iguales y continuarn vigentes, an despus de ladesvinculacin de alguna de las partes de la Universidad.

5.- Los participantes se comprometen a cumplir con todas las condiciones de tiem-po, recursos, infraestructura, direccin, asesora, establecidas en el anteproyecto, aestudiar, analizar, documentar y hacer acta de cambios aprobados por el Consejo deFacultad, durante el desarrollo del proyecto, los cuales entran a formar parte de lascondiciones generales.

6.- Los estudiantes se comprometen a restituir en efectivo y de manera inmedia-ta a la Universidad los aportes recibidos y los pagos hechos por la Institucin aterceros por servicios o equipos, si el comit de Investigaciones declara suspendido elproyecto por incumplimiento del cronograma o de las dems obligaciones contradaspor los estudiantes; y en cualquier caso de suspensin, la obligacin de devolver enel estado en que les fueron proporcionados y de manera inmediata, los equipos delaboratorio, de cmputo y dems bienes suministrados por la Universidad para larealizacin del proyecto.

7.- El docente y los estudiantes se comprometen a dar crdito a la Universidad y dehacer mencin del Fondo de Fomento de Investigacin, en los informes de avance yde resultados, y en registro de stos, cuando ha habido financiacin de la Universi-

18

dad o del Fondo.

8.- Cuando por razones de incumplimiento, legalmente comprobadas, de las con-diciones de desarrollo planteadas en el anteproyecto y sus modificaciones, algunode los participantes deba ser excluido del proyecto, los derechos aqu establecidosconcluyen para l. Adems, se tendrn en cuenta los principios establecidos en elreglamento estudiantil vigente de la Universidad del Cauca en lo concerniente a lacancelacin y la prdida del derecho a continuar estudios.

9.- El documento del anteproyecto y las actas de modificaciones si las hubiere, for-man parte integral de la presente acta.

10.- Los aspectos no contemplados en la presente acta sern definidos en los tr-minos del acuerdo 008 del 23 de febrero de 1999 expedido por el Consejo Superiorde la Universidad del Cauca, del cual los participantes del acuerdo aseguran tenerpleno conocimiento.

PhD Carlos Felipe Rengifo Rodas Especialista Oscar Josu Caldern CortsDirector Decano Facultad

Licet Vanessa Mellizo Murillo Jaime Alexander Osorio SarriaEstudiante Estudiante

19

20

Planteamiento del problemaEstado del arteAportes

ObjetivosObjetivo GeneralObjetivo Especficos

ActividadesFase 1: Proceso de bsqueda para elaborar el marco conceptual del proyectoFase 2: Obtencin del modelo matemtico del motor serie de corriente continua en espacio de estadosFase 3: Estimacin de los parmetros del modelo en espacio de estados del motor de corriente continua con excitacin serieFase 4: Implementar el Sistema de control en un sistema elctricoFase 5: Elaboracin documento Final

CronogramaRecursos, presupuesto y fuentes de financiacinCondiciones de entregaBibliografa