مشخصات پژوهش

عنوان	تشخیص حرکت دست انسان با استفاده از طبقه بند KNN براساس سیگنال های EMG به منظور کنترل یک دست رباتیک
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	الگوریتمKNN ، الکترومیوگرافی، دست رباتیک، کنترل فازی
چکیده	هدف از طراحی و توسعه اندام های پروتزی، مشابهت عملکرد آنها با اندام های طبیعی و بهبود عملکرد انسان در فعالیت های روزمره می باشد. در این مقاله تشخیص حرکت دست انسان با استفاده از طبقه بند KNN براساس سیگنال های EMG برای بهبودکنترل یک دست رباتیک از طریق کنترل کننده تطبیقی فازی-PI انجام شده است. بدین منظور ابتدا داده های EMG با استفاده از دو الکترود از عضلات ساعد دست سه دختر ورزشکار جمع آوری شده اند. پس از اعمال فیلترهای مناسب به منظور رفع نویز، ویژگی های ریاضی استخراج شده و کلاس بندی داده ها با استفاده از الگوریتم K- نزدیک ترین همسایگی (KNN) به منظور شناخت حرکات براساس ویژگی های داده، صورت می گیرد. سپس مدل و سیستم کنترل کننده پیشنهادی با توجه به ویژگی های سیگنال EMG، برای دست یابی به پاسخ کنترلی مناسب، طراحی می شوند. در این مقاله، حرکات تمام انگشتان با پنج ربات سه درجه آزادی مدل شده است. روش کنترلی پیشنهادی، کنترل کننده تطبیقی فازی-PI است. کنترل کننده پیشنهادی با مدل ارائه شده منتج به انطباق بیشتر رفتار دست رباتیک با دست انسان شده و همچنین مشخصات پاسخ زمانی نیز بهبود یافته است.
پژوهشگران	مهسا برفی (نفر اول)، حمیدرضا کرمی (نفر دوم)، سیدمنوچهر حسینی پیلانگرگی (نفر سوم)