تحریک عملگر از جنس کامپوزیت‌ فلز پلیمر یونی با استفاده از سیگنال‌های الکترومیوگرافی به روش دسته‌بندی فازی

کامپوزیت‌های فلز پلیمر یونی گروه جدیدی از مواد پلیمری فعال الکتریکی هستند که با اعمال ولتاژ و در نتیجه حرکت کاتیون‌های داخل پلیمر، دچار تغییر شکل مکانیکی می‌شوند. این مواد کاربردهای زیادی در علوم مختلف از قبیل رباتیک، تجهیزات مهندسی پزشکی و ماهیچههای مصنوعی دارند. در این مقاله به منظور تحریک عملگر از سیگنال‌های الکترومیوگرافی استفاده می‌شود. سیگنال الکترومیوگرافی یک روش برای ثبت فعالیت الکتریکی تولید شده توسط فایبرهای عضلانی و واحدهای حرکتی می‌باشد. سیگنال الکترومیوگرافی تولید شده توسط انقباض عضلات ساعد دست به عنوان عامل کنترلی جهت تحریک عملگر مورد نظر استفاده می‌شود. به منظور دسته‌بندی سیگنال‌های ماهیچه و تشخیص نوع انقباض، از سیستم دسته‌بندی فازی استفاده می‌شود. در این پژوهش سیستم فازی به دلیل عدم استفاده از یک مدل ریاضی از سیستم مورد توجه قرار گرفته است. به دلیل این‌که سیگنال‌های تولید شده از عضلات فلکسور کارپی دست ضعیف می‌باشند به منظور تغییر شکل بیش‌تر عملگر، سیگنال‌های الکترومیوگرافی قبل از اعمال به عملگر تقویت می‌شوند. نتایج آزمایشگاهی حاصل در این پژوهش، توانایی عملگر کامپوزیت فلز پلیمر یونی را به عنوان ماهیچه مصنوعی که با سیگنال‌های الکترومیوگرافی تحریک می‌شود را تایید می‌نماید.

Actuation of an Ionic Polymer Metal Composite Actuator with EMG Signal by Using Fuzzy Clustering Method

Ionic polymer metal composites, IPMCs, are a novel class of electroactive polymers (EAPs) which bends in response to a relatively low electrical voltage due to the motion of cations in the polymer membrane. IPMC materials have wide range of applications in robotics, biomedical devices and artificial muscles. This paper presents a fuzzy logic approach to electromyogram (EMG) pattern recognition for an IPMC actuating system with EMG signal. EMG signals generated by the contraction of muscles in the human forearm were used as an electrical stimulus for actuating the IPMC actuator. EMG is a method of recording and quantifying the electrical activity produced by muscle fibers of motion units. Fuzzy inference system can be used to map an input feature onto an output class. Fuzzy data clustering was used to categorize the muscle signals and recognize the contraction of the muscle. Also we need to consider the mechanical design matters such as light weight and small size with flexible behavior. The IPMC in particular has been vastly applied to the artificial muscle because it is driven by a relatively low input voltage. This EMG signal generated from the human flexor Carpi ulnaris muscle was preamplified before transferring to IPMC for achieving the large bending behavior of this actuator. The experimental results, confirm ability of IPMC as artificial muscle which actuating with EMG signals.