بهینه سازی و کنترل ربات توانبخش راه رفتن

مقدمه و اهدافدر 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، بهینه سازی عملکرد ربات های توانبخش راه رفتن می باشد.مواد و روش هااطلاعات سینماتیکی بدست آمده از 10 نفر شامل زوایای مفصل، سرعت زاویه ای و شتاب زاویه ای، می باشد که هشتاد داده در یک سیکل راه رفتن ثبت شده و به عنوان ورودی به شبکه عصبی اعمال می شود. 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 هادر 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 گیریاین 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.