طراحی و پیادهسازی رابط کنترلی برخط برای پروتز زانو بر پایه سیگنالهای الکترومایوگرافی | ||
| مهندسی مکانیک مدرس | ||
| Article 3, Volume 20, Issue 6, 1399, Pages 1435-1448 PDF (802.84 K) | ||
| Document Type: پژوهشی اصیل | ||
| Authors | ||
| شایان جنتی; سیدموسی آیتی* ; عقیل یوسفیکما | ||
| دانشکده مهندسی مکانیک، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایران | ||
| Abstract | ||
| هدف این مقاله، طراحی یک رابط کنترلی برخط برای پروتز زانو بر پایه سیگنالهای الکترومایوگرافی ماهیچههای فعال بخش ران است. با توجه به ماهیت متغیر با زمان سیگنالهای الکترومایوگرافی، ترجمه این سیگنالها به دستورات مناسب جهت پیادهسازی عملی با چالشهایی همراه است. نخستین گام طراحی رابط مورد نظر، طراحی و ساخت یک بستر آزمون مناسب برای پیادهسازی عملی رابط طراحیشده است. بدین منظور پروتز زانویی با استفاده از مکانیزم عملگر سری الاستیک طراحی و ساخته و با مطالعه مبانی آناتومی ماهیچهای و شناسایی ماهیچههای فعال در چرخه راهرفتن، نمونههایی از سیگنالهای الکترومایوگرافی اندازه گرفته شده است. سپس، بهمنظور هموارسازی سیگنالها، کاهش سطح نویز و کاهش ابعاد سیگنالها از روش فیلترکردن و تقسیمکردن با پنجرههای زمانی مجاور استفاده شده و شبکه عصبی با تاخیر زمانی بهمنظور نگاشت بین ویژگیهای منتخب استخراجشده از سیگنالهای الکترومایوگرافی و متغیرهای سینماتیکی مفصل زانو بهکار رفته است. شبکه عصبی زاویه و سرعت زاویهای مفصل زانو در حالت بدون وزن و در حالت راهرفتن بهصورت خارج از خط با دقت ۰.۸۵ (R۲) تخمین زده میشود. جهت پیادهسازی تخمین برخط موقعیت زاویهای مفصل زانو، آزمونهایی انجام شد که نتایج حاصل بیانگر استفاده از ویژگیهای حوزه زمان و شبکه عصبی با تعداد ۵۰ نورون در لایه مخفی و میزان تاخیر ۲ ثانیه است. پس از طراحی رابط کنترل برخط برای تخمین موقعیت زاویهای مفصل زانو، روی بستر آزمون ساختهشده پیادهسازی صورت گرفته که نتایج نشاندهنده ردیابی مناسب ساختار کنترلی برخط طراحی شده است. | ||
| Keywords | ||
| سیگنال الکترومایوگرافی; پروتز زانو; رابط کنترلی برخط; شبکه عصبی تاخیردار | ||
| References | ||
|
| ||
|
Statistics Article View: 3,535 PDF Download: 4,546 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,436,363 |
| PDF Download | 17,551,393 |