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

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.

سیگنال الکترومایوگرام سطحی، تخمین نیرو، رگرسیون بردار پشتیبان، ربات فیزیوتراپ زانو