بهینه سازی و کنترل ربات توانبخش راه رفتن

مقدمه و اهداف در بسیاری از زمینه‌های مربوط به روباتیک در زمینه توانبخشی، تولید گشتاور مطلوب و دقیق با در نظر گرفتن دینامیک موتورها تحقق پیدا می‌کند. در عمل دینامیک موتورها ممکن است ناشناخته باشد و به همین دلیل بسیاری محققان از دینامیک موتورها صرف‌نظر می‌کنند که می‌تواند اثر قابل‌توجهی در نتایج کلی د...

Full description

Bibliographic Details
Main Authors: سید محمدعلی بندگان ابطحی, نیما جمشیدی, پیمان معلم, آرام قاضی عسگر, مرتضی آبدار اصفهانی
Format: Article
Language:fas
Published: Shahid Beheshti University of Medical Sciences 2015-04-01
Series:Ṭibb-i Tavānbakhshī
Subjects:
Online Access:http://medrehab.sbmu.ac.ir/pdf_1100008_54c96665af6b431b761be23745a2783a.html
_version_ 1819292755315130368
author سید محمدعلی بندگان ابطحی
نیما جمشیدی
پیمان معلم
آرام قاضی عسگر
مرتضی آبدار اصفهانی
author_facet سید محمدعلی بندگان ابطحی
نیما جمشیدی
پیمان معلم
آرام قاضی عسگر
مرتضی آبدار اصفهانی
author_sort سید محمدعلی بندگان ابطحی
collection DOAJ
description مقدمه و اهداف در بسیاری از زمینه‌های مربوط به روباتیک در زمینه توانبخشی، تولید گشتاور مطلوب و دقیق با در نظر گرفتن دینامیک موتورها تحقق پیدا می‌کند. در عمل دینامیک موتورها ممکن است ناشناخته باشد و به همین دلیل بسیاری محققان از دینامیک موتورها صرف‌نظر می‌کنند که می‌تواند اثر قابل‌توجهی در نتایج کلی داشته باشد.  هدف از این تحقیق، بهینه­سازی عملکرد ربات­های توانبخش راه رفتن می­باشد. مواد و روش ها اطلاعات سینماتیکی بدست آمده از 10 نفر شامل زوایای مفصل، سرعت زاویه­ای و شتاب زاویه­ای، می­باشد که هشتاد داده در یک سیکل راه رفتن ثبت شده و به عنوان ورودی به شبکه عصبی اعمال می­شود. سپس عملکرد یک کنترلر NARMA-L2 شبکه عصبی با آموزش توسط سه الگوریتم تکاملی ازدحام ذرات، الگوریتم ژنتیک و رقابت استعماری  را برای موتورهای ربات توانبخش راه رونده دوپا نشان می‌دهد. موتور به دو صورت آنلاین و آفلاین با دنبال کردن گشتاورهای راه رفتن انسان به عنوان مدل مرجع توسط شبکه عصبی باعث بهبود در کنترل ربات دوپا می‌شود. یافته ها در این تحقیق، به معرفی دستگاهی برای بهبود راه رفتن پرداخته شده که برخلاف دستگاه‌های قبلی دینامیک موتورها لحاظ گردیده و کاهش ابعاد قسمت سخت‌افزاری شبکه عصبی و استفاده از الگوریتم‌های آموزشی تکاملی به ترتیب باعث کاهش قیمت و افزایش دقت  بر اساس کاهش حداقل مربعات خطا بعد از میانگین از 20 بار آموزش شبکه عصبی، در ربات توانبخش دوپا شده­ است. بحث و نتیجه گیری این سامانه باعث بهبود عملکرد و رفع ناتوانی فرد دچار سکته می‌شود و توانایی شخص را در راه رفتن بهبود می‌بخشد. کاهش فشار  به تاندون‌ها و کمک به بهبود بیماری با استفاده از سامانه روباتیک از جمله اهدافی پیش بینی شده برای ساخت دستگاه بوده است. ساختار ساده شبکه عصبی، خطای بسیار پایین در دنبال کردن مسیر و سرعت بالای شناسایی سیستم، همه عواملی هستند که باعث شده شبکه عصبی بهترین ساختار برای شناسایی سیستم باشد.
first_indexed 2024-12-24T03:59:34Z
format Article
id doaj.art-f63227460db540bc984c9d80300a37db
institution Directory Open Access Journal
issn 2251-8401
2252-0414
language fas
last_indexed 2024-12-24T03:59:34Z
publishDate 2015-04-01
publisher Shahid Beheshti University of Medical Sciences
record_format Article
series Ṭibb-i Tavānbakhshī
spelling doaj.art-f63227460db540bc984c9d80300a37db2022-12-21T17:16:22ZfasShahid Beheshti University of Medical SciencesṬibb-i Tavānbakhshī2251-84012252-04142015-04-014149621100008بهینه سازی و کنترل ربات توانبخش راه رفتنسید محمدعلی بندگان ابطحی0نیما جمشیدی1پیمان معلم2آرام قاضی عسگر3مرتضی آبدار اصفهانی41. دانشجوی کارشناسی ارشد گروه مکانیک، دانشکده فنی و مهندسی، دانشگاه اصفهان. اصفهان. ایران2. دکتری مهندسی پزشکی، استادیار گروه مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه اصفهان. اصفهان. ایران3. دکتری برق، دانشیار گروه مهندسی برق، دانشگاه اصفهان. اصفهان. ایران4. دانشجوی کارشناسی ارشد گروه مکانیک، دانشکده مکانیک، دانشگاه صنعتی اصفهان. اصفهان. ایران5. داﻧﺸﻴﺎر ﮔﺮوه ﻗﻠﺐ و ﻋﺮوق. داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ اﺻﻔﻬﺎن. اصفهان. ایرانمقدمه و اهداف در بسیاری از زمینه‌های مربوط به روباتیک در زمینه توانبخشی، تولید گشتاور مطلوب و دقیق با در نظر گرفتن دینامیک موتورها تحقق پیدا می‌کند. در عمل دینامیک موتورها ممکن است ناشناخته باشد و به همین دلیل بسیاری محققان از دینامیک موتورها صرف‌نظر می‌کنند که می‌تواند اثر قابل‌توجهی در نتایج کلی داشته باشد.  هدف از این تحقیق، بهینه­سازی عملکرد ربات­های توانبخش راه رفتن می­باشد. مواد و روش ها اطلاعات سینماتیکی بدست آمده از 10 نفر شامل زوایای مفصل، سرعت زاویه­ای و شتاب زاویه­ای، می­باشد که هشتاد داده در یک سیکل راه رفتن ثبت شده و به عنوان ورودی به شبکه عصبی اعمال می­شود. سپس عملکرد یک کنترلر NARMA-L2 شبکه عصبی با آموزش توسط سه الگوریتم تکاملی ازدحام ذرات، الگوریتم ژنتیک و رقابت استعماری  را برای موتورهای ربات توانبخش راه رونده دوپا نشان می‌دهد. موتور به دو صورت آنلاین و آفلاین با دنبال کردن گشتاورهای راه رفتن انسان به عنوان مدل مرجع توسط شبکه عصبی باعث بهبود در کنترل ربات دوپا می‌شود. یافته ها در این تحقیق، به معرفی دستگاهی برای بهبود راه رفتن پرداخته شده که برخلاف دستگاه‌های قبلی دینامیک موتورها لحاظ گردیده و کاهش ابعاد قسمت سخت‌افزاری شبکه عصبی و استفاده از الگوریتم‌های آموزشی تکاملی به ترتیب باعث کاهش قیمت و افزایش دقت  بر اساس کاهش حداقل مربعات خطا بعد از میانگین از 20 بار آموزش شبکه عصبی، در ربات توانبخش دوپا شده­ است. بحث و نتیجه گیری این سامانه باعث بهبود عملکرد و رفع ناتوانی فرد دچار سکته می‌شود و توانایی شخص را در راه رفتن بهبود می‌بخشد. کاهش فشار  به تاندون‌ها و کمک به بهبود بیماری با استفاده از سامانه روباتیک از جمله اهدافی پیش بینی شده برای ساخت دستگاه بوده است. ساختار ساده شبکه عصبی، خطای بسیار پایین در دنبال کردن مسیر و سرعت بالای شناسایی سیستم، همه عواملی هستند که باعث شده شبکه عصبی بهترین ساختار برای شناسایی سیستم باشد.http://medrehab.sbmu.ac.ir/pdf_1100008_54c96665af6b431b761be23745a2783a.htmlدینامیکروبات دوپاالگوریتم‌های تکاملی
spellingShingle سید محمدعلی بندگان ابطحی
نیما جمشیدی
پیمان معلم
آرام قاضی عسگر
مرتضی آبدار اصفهانی
بهینه سازی و کنترل ربات توانبخش راه رفتن
Ṭibb-i Tavānbakhshī
دینامیک
روبات دوپا
الگوریتم‌های تکاملی
title بهینه سازی و کنترل ربات توانبخش راه رفتن
title_full بهینه سازی و کنترل ربات توانبخش راه رفتن
title_fullStr بهینه سازی و کنترل ربات توانبخش راه رفتن
title_full_unstemmed بهینه سازی و کنترل ربات توانبخش راه رفتن
title_short بهینه سازی و کنترل ربات توانبخش راه رفتن
title_sort بهینه سازی و کنترل ربات توانبخش راه رفتن
topic دینامیک
روبات دوپا
الگوریتم‌های تکاملی
url http://medrehab.sbmu.ac.ir/pdf_1100008_54c96665af6b431b761be23745a2783a.html
work_keys_str_mv AT sydmḥmdʿlybndgạnạbṭḥy bhynhsạzywḵntrlrbạttwạnbkẖsẖrạhrftn
AT nymạjmsẖydy bhynhsạzywḵntrlrbạttwạnbkẖsẖrạhrftn
AT pymạnmʿlm bhynhsạzywḵntrlrbạttwạnbkẖsẖrạhrftn
AT ậrạmqạḍyʿsgr bhynhsạzywḵntrlrbạttwạnbkẖsẖrạhrftn
AT mrtḍyậbdạrạṣfhạny bhynhsạzywḵntrlrbạttwạnbkẖsẖrạhrftn