هدف این مقاله، بهبود کنترل بازوی رباتیک به کمک کنترل کننده تطبیقی مدل مرجع مبتنی بر نظریه لیاپانوف با استفاده از طبقه بندی سیگنال های الکترومیوگرام (EMG) است. در این مقاله، بازوی انسان با یک ربات دو درجه آزادی مدلسازی شده است. روش کنترلی پیشنهادی، کنترل کننده تطبیقی مدل مرجع است. ماحصل این پژوهش، طراحی و شبیهسازی بازوی رباتیک به همراه کنترل کننده تطبیقی مدل مرجع است که با استفاده از طبقهبندی دادههای EMG ثبت شده از حرکات بازوی انسان، منتج به ردیابی مناسب سیگنال مرجع، فراجهش و خطای حالت ماندگار کمتر در مقایسه با کنترل کننده مرسوم PI شده است. بدین منظور ابتدا داده های EMG با استفاده از دو الکترود از عضلات دلتوئید قدامی و دلتوئید میانی بازوی پنج دختر و با انجام دو حرکت دورشدن (ابداکشن) و خم شدن (فلکشن) بازو جمع آوری شده و پس از رفع نویز، ویژگی های ریاضی انتگرال مقدار مطلق، گذر از صفر، واریانس و فرکانس میانه از آنها استخراج میشود. سپس کلاسبندی به روش آنالیز تشخیصی خطی به منظور تشخیص حرکات بر اساس ویژگی های داده ها صورت میگیرد. در نهایت، مدل و سیستم کنترلکننده پیشنهادی با توجه به ویژگیهای سیگنال EMG، برای دستیابی به پاسخ کنترلی مناسب، طراحی می شوند و سیگنال فرمان مناسب جهت انجام حرکت مربوطه به کنترلکننده ارسال میشود. نتایج و مقادیر خطاهای حاصل شده نشان می دهند که انطباق رفتار مدل و کنترلکننده حاصل با الگوی از پیش تعریف شده حرکتی قابل توجه و مورد تأیید است.
