---

افرادی با درجه معلولیت بالا نظیر بیماران قطع نخاع گردنی، برای انجام کارهای روزمره و رفع نیازهای خود تا حد زیادی به اطرافیانشان وابسته هستند و این موضوع کیفیت زندگی این افراد و اطرافیان آن‌ها را کاهش می‌دهد. فناوری‌هایی نظیر رباتیک می‌تواند با کمک به این افراد آن‌ها را تا حدودی در رفع نیازهای روزمره یاری دهد. اولین گام در طراحی ربات‌هایی که بتوانند به معلولین کمک نمایند، طراحی رابط کاربری است که بتواند فرمان‌های فرد معلول را دریافت کرده و آن‌ها را به ربات منتقل نماید. در این مقاله طراحی و ساخت یک رابط کاربری هپتیکی به‌منظور کمک به بیماران قطع نخاع گردنی ارائه شده است. در این رابط کاربری، حرکات سر کاربر توسط یک حسگر ژیروسکوپ اندازه‌گیری شده و به محیط کامپیوتری که بازوی رباتیک در آن شبیه‌سازی شده است، فرستاده می‌شود. در ادامه بازو با استفاده از این زوایا و طبق الگوی نوینی، کنترل می‌گردد. همچنین برای ایجاد بازخورد فیزیکی از محیط برای کاربر، یک واحد هپتیکی نیز طراحی و ساخته شده تا میزان سنگینی اشیاء گرفته شده توسط بازو و همچنین برخورد بازو با موانع برای کاربر به‌صورت فیزیکی، از طریق ایجاد گشتاور مقاوم در برابر حرکت سر، قابل‌درک باشد. برای ارزیابی عملکرد رابط کاربری هپتیکی، سه نوع آزمون طراحی و بر روی دو کاربر اجرا شده است. در آزمون تشخیص برخورد بازو با مانع ۱۰۰ درصد آزمون‌ها، در آزمون تشخیص وزن اجسام سبک و سنگین ۸۳ درصد و در آزمون تشخیص وزن اجسام سبک، متوسط و سنگین ۷۲ درصد آزمون‌ها با موفقیت همراه بوده‌اند.

---

در این مقاله یک الگوریتم دو مرحله‌ای برای کنترل مایوالکتریک تناسبی بازوی ربات انسان‌نمای سورنا ۳ ارائه می‌شود که از ترکیب نقاط قوت روش‌های کنترلی مطرح در این حوزه یعنی کنترل الگو محور و کنترل همزمان تناسبی برای افزایش دقت تخمین‌ها استفاده می‌کند. هدف از این تحقیق، ارائه یک واسط کاربری انسان-ربات می‌باشد که بین فعالیت‌های الکتریکی ماهیچه‌ای که به سیگنال‌های الکترومایوگرام معروف هستند و زوایای درجات آزادی مفصل شانه متناظر با این ماهیچه‌ها نگاشتی ایجاد کند. در مرحله اول از این الگوریتم، با استفاده از الگوریتم آنالیز تفکیک مربعی و الگوریتم رأی اکثریت، درجه آزادی فعال در هر لحظه شناسایی می‌شود. در این مقاله الگوریتم‌های طبقه بندی معروف در حوزه کنترل مایوالکتریک به همراه بردار مشخصه‌هایی متشکل از مشخصه‌های حوزه‌های زمان و فرکانس برای رسیدن به روش طبقه بندی آنالیز تفکیک مربعی با دقت بالای ۹۷% و یک بردار مشخصه برتر بررسی شده‌اند. در مرحله دوم، با استفاده از نتیجه مرحله اول، یک شبکه عصبی با تأخیر زمانی در ورودی از بین چهار شبکه آموزش دیده برای هر چهار کلاس حرکتی مفصل شانه انتخاب می‌شود. این شبکه برای تخمین زاویه متناظر با سیگنال الکترومایوگرام همان درجه‌آزادی بکار می‌رود. مدل شبکه عصبی و آنالیز تفکیک در ابتدا با استفاده از داده‌های خارج ازخط آموزش می‌بینند و با استفاده از داده‌های برخط تست می‌شوند. دقت بدست آمده از تخمین زوایا مفاصل در حالت خارج ازخط و برخط و شبیه‌سازی مقاومت این روش در برابر تعدادی اغتشاش خارجی، حاکی از پیشرفت چشمگیری در این حوزه می‌باشد.