سیگنال الکترومایوگرام یک سیگنال بیولوژیکی است که پتانسیل های الکتریکی تولید شده در عضلات را هنگام فعالیت انقباضی عضلات نشان می دهد. سیستم عصبی همواره فعالیت عضلات را کنترل می کند. بنابراین سیگنال الکترومایوگرام، سیگنالی است که توسط سیستم عصبی کنترل می شود و وابسته به خواص آناتومیکی و فیزیولوژیکی عضلات می باشد. دلیل اصلی علاقه به تجزیه و تحلیل سیگنال الکترومایوگرام کاربرد های مفید آن در تشخیص های بالینی و کاربردهای بیومدیکال و همچنین توان بخشی است. درک توابع حرکت انسان در حوزه های بیومکانیک و عصبی عضلانی بسیار مهم است. حرکت کامل انسان با کمک تعامل بین سیگنالهای کنترلی عصبی عضلانی و دینامیک اسکلتی عضلانی حاصل می شود. عناصر زیادی از سیستم عصب و عضله و اسکلت با حرکت هماهنگ و روان دارای اثر متقابل هستند. سیستم اسکلتی عضلانی متشکل از اتصال مفاصل و استخوان ها با عضلات می باشند . سیستم اسکلتی عضلانی کامل، نیروی لازم برای حرکت را فراهم می کند. در بسیاری از مطالعات و برنامه های کاربردی که شامل دخالت مستقیم بشر، مانند تعامل انسان و ربات، کنترل دست مصنوعی و مطالعات عوامل انسانی است، نیروی دست یا گشتاور مفصل برای اهداف مانیتورینگ و کنترل لازم است. هدف اصلی در این پایان نامه در دو قسمت ارائه شده است. در بخش اول رفتار دینامیک سیستم اسکلتی عضلانی مربوط به مفصل آرنج ، تحت شرایط ایزوتونیک و از طریق ثبت سیگنال الکترومایوگرام و اندازه گیری زاویه بین ساعد و بازو بیان می شود. قسمت دوم طبقه بندی حرکات باز شدن و بسته شدن دست را از طریق سیگنال الکترومایوگرام اندازه گیری شده ، بیان می کند. استفاده از الکترودهای ثبت الکترومیوگرام ارزان و قابل حمل و همچنین سنسورهای موقعیت و زاویه در مقایسه با سنسورهای نیرو و گشتاور که اغلب بسیار گران و بزرگ هستند سودمند است. سیگنالهای الکترومایوگرام بدست آمده از عضلات به وسیله ی الکترودهای سطحی، احتیاج به روشهای محاسباتی پیچیده برای استفاده، آنالیز، تجزیه و طبقه بندی دارند. در این پروژه از روشهای هوش مصنوعی مثل شبکه عصبی و فازی عصبی برای شناسایی دینامیک سیستم مفصل ساعد که به عنوان سیستم محرک برای تولید گشتاور عمل می کند استفاده شده است. برای طبقه بندی حرکات باز شدن و بسته شدن دست نیز از روش شبکه عصبی استفاده شده است.