نوع مقاله : مقاله پژوهشی
نویسندگان
1
1. دانشجوی کارشناسی ارشد گروه مکانیک، دانشکده فنی و مهندسی، دانشگاه اصفهان. اصفهان. ایران
2
2. دکتری مهندسی پزشکی، استادیار گروه مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه اصفهان. اصفهان. ایران
3
3. دکتری برق، دانشیار گروه مهندسی برق، دانشگاه اصفهان. اصفهان. ایران
4
4. دانشجوی کارشناسی ارشد گروه مکانیک، دانشکده مکانیک، دانشگاه صنعتی اصفهان. اصفهان. ایران
5
5. داﻧﺸﻴﺎر ﮔﺮوه ﻗﻠﺐ و ﻋﺮوق. داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ اﺻﻔﻬﺎن. اصفهان. ایران
چکیده
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.
کلیدواژهها
عنوان مقاله [English]
Optimization and control of gait rehabilitation robot
نویسندگان [English]
-
Seyed Mohammad Ali Bandegan Abtahi
1
-
Nima Jamshidi
2
-
Peyman Moalem
3
-
Aram Ghazi Asgar
4
-
Morteza Abdar Esfahani
5
1
1. Master student in Mechanical Department., Faculty of Engineering, University of Isfahan. Isfahan. Iran
2
2. Biomedical engineering PhD, Assistant Professor of Biomedical Engineering, Faculty of Engineering, University of Isfahan. Isfahan. Iran
3
3. Electrical PhD, Associate Professor of Electrical Engineering, Electrical Engineering Department, University of Isfahan. Isfahan. Iran
4
4. Master student in Mechanical Department, Faculty of Mechanical Engineering, Isfahan University of Technology.
5
5. MD, Cardiolosist, Aadvanced (3D) Echocardiologist, Associate professor Of Isfahan University Of Medical Sciences of occupational therapy, Tehran University of Medical Sciences, Tehran, Iran
چکیده [English]
Background and Aim: In many fields of rehabilitation robotics, desired torque would be obtained by considering dynamics of the actuators. Also, dynamic model of many actuators is hard to approach and it has been neglected in many researches that cause the considerable disadvantages in general results. . The aim of this study is to optimize the performance of gait rehabilitation robot.
Materials and Methods: Kinematic data obtained from 10 patients, including joint angles, angular velocity and angular acceleration that eighty data recorded in a walk cycle and applied as inputs to the neural network. Then, performance of a NARMA-L2 controller for actuators of the biped walking robot is shown. It is noticeable that the controller is learned by LM algorithm and three evolutionary algorithms; PSO, GA and ICA. For controlling the robot walking, two kinds of dc motors are used. These actuators improve control of the biped robot by tracking the required torques for a human walk cycle as a reference model by neural network in two ways; offline and online.
Results: In this research, gait recovery system is introduced that the dynamics of the actuators are considered. Finally, reducing dimensions of the neural network hardware and using the evolutionary algorithms, respectively, reduces costs and increases accuracy of the rehabilitation biped robot based on reducing the minimum mean square error of 20 times after learning of neural network.
Conclusion: This system would be effective in promoting gait recovery. Helping the recovery of patient using robotic system and muscle compensation was the predictive goals of manufacturing of the system. The simple structure of neural network, negligible tracking error and high speed system recognition are the factors that make it the best system recognition in this field.
کلیدواژهها [English]
-
Controller NARMA-L2
-
Walking
-
dynamic of biped
-
optimization