توليد فضاي كنترل پذير براي يك ربات كابلي توانبخشي راه رفتن به كمك شبكه عصبي و براساس پارامترهاي آنتروپومتري بيمار

Controllable Workspace Generation for a Cable-Driven Rehabilitation Robot using Neural Network and based on patient’s Anthropometric Parameters

در اين مقاله به مدل سازي رياضي و شبيه سازي يك سيستم رباتيكي كابلي، با هدف توانبخشي بيماراني كه به شدت دچار ناتواني در راه رفتن هستند، پرداخته شده است. به اين منظور از يك ربات موازي كابلي براي كمك به حركت بيمار بر روي تردميل استفاده شده است. ابتدا الگوي صحيح حركت راه رفتن درنظر گرفته شده است و معادلات سينماتيكي و ديناميكي براي به دست آوردن كشش در كابل ها در كل چرخه حركت استخراج شده است. سپس، با استفاده از روش عددي، فضاي كاري ربات بررسي شده است تا موقعيت آويزان شدن كابل ها به گونه اي انتخاب شوند كه بيمار در طول كل چرخه حركت در فضاي كنترل پذير ربات باقي بماند؛ به اين معنا كه كشش در كابل ها همواره مثبت باشد. همچنين، با تعيين ميزان كشش كمينه كابل ها، مصرف انرژي در تعيين محل آويزان شدن كابل ها لحاظ مي شود و در نهايت يك شبكه عصبي براي تعيين سريع محل آويزان شدن كابل ها با توجه به پارامترهاي آنتروپومتري بيمارآموزش داده مي شود. نتايج شبيه سازي به دست آمده مي تواند براي توسعه و ساخت يك سيستم رباتيكي كابلي جهت توانبخشي افراد ناتوان مورد استفاده قرار گيرد.

This paper presents the mathematical modeling and simulation of a cable-driven robotic device that can be used in gait rehabilitation of patients with lower extremity disabilities. A parallel cable robot is considered to assist a model of human body during walking. First, a proper pattern of walking is considered and kinematic and dynamic equations are solved to obtain tensions in cables for entire cycle of walking. By taking advantage of a numerical procedure, the workspace of the robot is investigated to find suspension points of the cables that would allow the model to remain in controllable workspace. Keeping the model in controllable workspace means that cables always remain in tension and robot can effectively engage in rehabilitation. The optimum locations are determined based on minimum cable tensions (energy consumption) and a Neural Network is trained to quickly determine suspension points based on anthropometric parameters of patient. The simulation results show the effectiveness of the method in tracking the desired trajectory of walking. The results of this study can be used for development and fabrication of an efficient cable driven rehabilitation system.