عنوان

طراحی و مدلسازی یک ربات پوششی برای توانبخشی پایین تنه با استفاده از سیگنال های مغزی

شماره

‭۱۱۴۸۳پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

طراحی و مدلسازی یک ربات پوششی برای توانبخشی پایین تنه با استفاده از سیگنال های مغزی

نام نخستين پديدآور

/ابراهیم متقی

نام ناشر، پخش کننده و غيره

: دانشکده مهندسی فناوری های نوین

نام خاص و کميت اثر

‮‭۱۰۸‬ص‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

در رشته مهندسی مکاترونیک

زمان اعطا مدرک

‮‭۱۳۹۲/۰۸/۱۳‬

کسي که مدرک را اعطا کرده

دانشگاه تبریز

متن يادداشت

در این پایان نامه ابتدا با مفهوم اگزواسکلتون‌صها آشنا شده و پس از آن به بررسی تاریخچه ربات‌صهای توانبخشی پایین تنه می پردازیم، سپس مبانی عملکردی آن‌صها را مرور خواهیم کرد .در ادامه طرحی برای ربات پوششی پایین تنه ارائه شده است که دارای ‮‭۵‬ درجه آزادی برای هر پا) مدل ‮‭RPRPR)‬ و دارای قابلیت تنظیم برای افراد بیمار با یک میزان تغییر در سایز و قد آن‌صها بر اساس میزان اندازه‌صهای استاندارد را دارد .سپس به بررسی و مدلسازی معادلات دینامیکی ربات با بهره‌صگیری از اصل لاگرانژ پرداخته‌صایم .در بخش بعدی به بررسی سیگنال‌صهای مغزی و ارتباط با ربات می پردازیم .در این بخش ابتدا ویژگی‌صهای سیگنال‌ص‍ مغزی مرتبط با تصور حرکتی برای پا را پس از دریافت سیگنال بدست آورده و سپس آن را توسط یک شبکه عصبی پیشرو طبقه بندی و خروجی را تعیین می‌صکنیم .حداقل درصد خطا در این روش برای داده‌صهای آموزشی ‮‭۲۰.۶۳‬ و برای داده‌صهای آزمون ‮‭۳۶.۶۴‬ بدست آمد .در فصل سوم نتیجه گیری کارصهای انجام گرفته بررسی می گردد و پیشنهاداتی برای کارهای تحقیقاتی آینده ارائه می گردد

متن يادداشت

In this thesis first we familiar to concept of exoskeleton, and then we will examine the history of the lower extremity rehabilitation robot, then the basis of their performance will be reviewed. We provided a design for lower limb wearable robot with 5 degree of freedoms for each leg (new RPRPR model) and with adjustable in size for patients with a change in the height of size based on standard size. Then the dynamic equation of the robot using the lagrange model are discussed. In the next section we examine the brain signals and commiunicate of them with the robot. In this section first, the features of the brain signals that related to motor imagery for the foot extracted, and then with a feedforward neural network data is classify and the output is extracted. The minimum percentage of error for training data 20.63 and for test data 36.64 was calculated. In the third chapter conclusion of the work and recommendations for future research work will be presented

مستند نام اشخاص تاييد نشده

متقی، ابراهیم

مستند نام اشخاص تاييد نشده

عظیمی راد، وحید، استاد راهنما

مستند نام اشخاص تاييد نشده

ذاکری، منیژه، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی