تخمین نیروی ماهیچه ای مبتنی بر سیگنال های الکترومایوگرام سطحی طی انقباضات ایزومتریک در فیزیوربات زانو
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 770
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ITCC02_592
Index date: 11 September 2016
تخمین نیروی ماهیچه ای مبتنی بر سیگنال های الکترومایوگرام سطحی طی انقباضات ایزومتریک در فیزیوربات زانو abstract
در یک ربات فیزیوتراپ زانو، تعیین نیروی عضلات برای انتخاب نوع و شیوه درمان و کنترل فیزیوربات در هر مرحلهدرمان، مسأله مهم و قابل توجهی است. در این مقاله دو روش مبتنی بر رگرسیون بردار پشتیبان (SVR) و شبکه عصبی(ANN) برای تخمین نیروی عضلانی از روی سیگنال های الکترومایوگرام سطحی پیشنهاد می شود . در یک تمرینایزومتریک زانو سیگنال های sEMG از سه ماهیچه ران (واستوس مدیالیس، واستوس لترالیس و رکتوس فموریس) وبطور همزمان نیروی متناظر آن توسط یک نیروسنج فشاری، ثبت شده و به ترتیب به عنوان ورودی و خروجی آموزشیمدل پیشنهادی، مورد استفاده قرار گرفته اند. در نهایت این مدلها توسط آزمایشاتی بر روی افراد سالم ارزیابی شده و با هممقایسه شده اند. ریشه میانگین مربعات خطا (RMSE) و ضریب همبستگی (CC) بین نیروی پیش بینی شده و نیروی واقعیاندازه گیری شده محاسبه گردید. نتایج نشان می دهد هر دو روش SVR و ANN عملکرد خوبی در تخمین نیروی عضلاتاندام تحتانی دارند اما مدل SVR تعمیم پذیری بهتر و دقت بیشتری نسبت به شبکه عصبی BPNN دارد.
تخمین نیروی ماهیچه ای مبتنی بر سیگنال های الکترومایوگرام سطحی طی انقباضات ایزومتریک در فیزیوربات زانو Keywords:
تخمین نیروی ماهیچه ای مبتنی بر سیگنال های الکترومایوگرام سطحی طی انقباضات ایزومتریک در فیزیوربات زانو authors
فهیمه خطیبی
دانشجوی کارشناسی ارشد، مهندسی مکاترونیک، دانشگاه شاهرود، شاهرود
علی رضا احمدی فرد
دانشیار، مهندسی برق، دانشگاه شاهرود، شاهرود
علی رضا اکبرزاده توتونچی
استاد، مهندسی مکانیک، دانشگاه فردوسی، مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :