پديد آورنده :
نصيري، ايمان
عنوان :
طراحي مكانيزم پروتز دست رباتيكي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
طراحي كاربردي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
توصيفگر ها :
پروتز دست , پروتز دست رباتيك , مكانيزم ديفرانسيل , شبكه عصبي
تاريخ ورود اطلاعات :
1402/10/30
تاريخ ويرايش اطلاعات :
1402/11/02
چكيده فارسي :
دست انسان يكي از اعضاي مهم بدن انسان است. به طوريكه نبود يكي از آن‌ها، موجب ناتواني شخص در انجام بسياري از كار¬هاي روزمره خود مي¬شود. انسان همواره به دنبال جبران نقص¬هاي خود بوده است. با ظهور رباتيك، پروتز¬هاي دست رباتيك براي جبران اين نقص بوجود آمدند. اين پروتز¬ها مكانيزم¬هاي مختلفي براي به حركت درآوردن انگشت¬ها دارند. مكانيزم تاندوني مرسوم¬ترين مكانيزم براي اين كار است. اين مكانيزم بسيار ساده است اما در عين حال عيب¬هايي دارد كه از مهم¬ترين آن بايد به افزايش وزن پروتز اشاره كرد. افزايش وزن به دليل استفاده تعداد زيادي از عملگر¬ها در اين مكانيزم بوجود مي¬آيد كه باعث نارضايتي كاربر و در نهايت كنار گذاشتن پروتز مي¬گردد. در اين پروژه سعي مي¬شود مكانيزمي معرفي شود كه باعث كاهش تعداد عملگر¬هاي مورد نياز شود. كاهش عملگر بر پيچيدگي سيستم مي¬افزايد و همچنين باعث افزايش تعداد سازه¬ها مي¬گردد اما وزن اين سازه¬ها در برابر عملگر¬هايي كه در مكانيزم تاندوني استفاده مي¬شود بسيار كم¬تر است. اين مكانيزم، مكانيزم ديفرانسيل نام¬گذاري شده است. مكانيزم ديفرانسيل اين قابليت را به پروتز مي¬دهد كه چهار انگشت انسان (انگشت¬هاي اشاره، بزرگ،حلقه و كوچك) را تنها با يك موتور الكتريكي بتوان كنترل كرد. از ديگر عواملي كه بر رضايت كاربران پروتز¬ها تاثيرگذار است، قابليت «گرفتن» اجسام است. گرفتن، دو نوع ساده و هوشمند دارد. در نوع ساده آن، در هنگام گرفتن اجسام، نيرو به صورت متناسب بين انگشت¬ها توزيع نمي¬گردد. در نوع هوشمند، نيرو به صورت متناسب بين انگشت¬هاي پروتز توزيع مي¬گردد كه منجر به گرفتن اجسام به بهترين شكل ممكن مي¬شود. مكانيزم ديفرانسيل معرفي شده در اين پروژه از قابليت گرفتن هوشمند نيز برخوردار است. با اضافه كردن سلونوئيد به اين مكانيزم، ويژگي به اين مكانيزم اضافه مي¬گردد كه به كاربر اين حق انتخاب را مي¬دهد كه بتواند هر انگشتي را كه بخواهد، خم كند و براي انجام كار¬هاي روزمره استفاده كند. اين مكانيزم در نرم¬افزار SOLID WORKS طراحي شد. ابعاد انگشت¬ها و بند¬ها از انگشت¬هاي دست انسان الگوبرداري شده است تا بيشترين شباهت را به دست انسان داشته باشد. لازم به ذكر است كه مي¬توان اين ابعاد را براي هر شخص شخصي¬سازي كرد. پروتز دست رباتيك بايد اين قابليت را داشته باشد كه حركت مدنظر كاربر را شناسايي كند. بدين منظور از شبكه عصبي مصنوعي براي تشخيص 7 حركت دست انسان در اين پروژه استفاده شده است. با استخراج ويژگي¬هايي از سيگنال¬هاي ماهيچه¬اي كه به دست كاربر متصل شده است، مي¬توان 8 حركت پركاربرد روزمره را تشخيص داد. از داده¬هاي حسگر¬هاي ماهيچه¬اي با 3 كانال استفاده شده است. حسگر¬ها روي ماهيچه¬ فلكسور انگشت¬ها، فلكسور مچ دست در اطراف اولنا و فلكسور مچ دست در اطراف راديال قرارگرفته¬اند. بعد از اعمال پيش¬پردازش و حذف نويز¬ها از سيگنال¬هاي ماهيچه¬اي، ويژگي¬¬هايي از سيگنال¬ حسگر¬هاي ماهيچه¬اي استخراج شده است كه عبارت¬¬اند از: مقدار ميانگين مطلق، تعداد تغيير علامت، ثابت¬هاي مدل خودرگرسيون و تعداد عبور از صفر انتقال موجك گسسته. شبكه عصبي مصنوعي و پردازش سيگنال¬ در نرم¬افزار MATLAB پياده¬سازي شده است. پس از تشخيص نوع حركت، با استفاده از كنترل¬كننده فازي فرمان حركت به عملگر¬هاي انگشت¬ها داده مي¬شود و پروتز به شكل دلخواه كاربر درمي¬آيد. شبيه¬سازي حركت مكانيزم در تولباكس SIMULINK نرم¬افزار MATLAB انجام شده است.
چكيده انگليسي :
With the advent of robotics, robotic hand prostheses were created to compensate for human defect. In this project, a mechanism is introduced that can reduce the number of required actuators. Reducing the actuator may increases the number of links and the complexity of the system, but the weight of these structures may become much less compared to the actuator require in the tendon mechanism. This mechanism is called differential mechanism. The differential mechanism gives the prosthesis the ability to control four human fingers (index, big, ring and little fingers) with only one electric motor. The differential mechanism introduced in this research also has the capability of intelligent grasp. This mechanism was designed in SOLID WORKS software. Artificial neural network has been used to recognize 8 human hand movements in this study. By extracting features from the muscle signals connected to the user's hand, 8 commonly used daily movements can be recognized. Data from muscle sensors with 3 channels have been used. After applying pre-processing and removing noises from muscle signals, features of muscle sensor signals have been extracted. Artificial neural network and signal processing are implemented in MATLAB software. After recognizing the type of movement, the movement command is given to the finger actuators using the fuzzy controller and the prosthesis is shaped as desired by the user. The simulation of the movement of the mechanism has been conducted in the SIMULINK toolbox of MATLAB software.
استاد راهنما :
مصطفي غيور , محمد دانش
استاد داور :
سعيد بهبهاني , سعيد ضيائي راد
