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...
Main Authors: | , , , , |
---|---|
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 |