Avances en robótica y automatización

Aprendizaje profundo y optimización de enjambre de partículas para el control inteligente de robots de rehabilitación

Abstract

El bajo Mohamed Elbagoury

La optimización de enjambre de partículas (PSO) para el control inteligente de un robot de rehabilitación autónomo es un problema muy complejo, especialmente para
los tratamientos de pacientes con accidente cerebrovascular y para el manejo de lecturas de sensores EMG en tiempo real de estados de actividad muscular y transferencia entre
movimientos humanos en tiempo real para interactuar con un agente de robot de rehabilitación o un dispositivo asistido. El campo de la inteligencia artificial y las redes neuronales desempeña un
papel fundamental en las interfaces de control inteligente modernas para dispositivos robóticos. Este documento presenta un novedoso control de robot inteligente híbrido que actúa como
interacción humano-robot, donde depende de los datos de pacientes con sensores EMG en tiempo real y las características extraídas junto con los ángulos de articulación de la rodilla estimados
a partir del método de filtro de Kalman extendido se utilizan para entrenar al controlador inteligente utilizando máquinas de vectores de soporte entrenadas con
el algoritmo de aprendizaje Adatron para manejar grandes valores de datos de lecturas de sensores. Además, la plataforma propuesta para el agente de robot de rehabilitación se prueba
en el marco del agente de robot humanoide NAO junto con el kit de herramientas Neurosolutions y el código de Matlab. La precisión general promedio del
controlador de movimiento inteligente SVM-EKF propuesto muestra un alto rendimiento promedio que se acerca al 96 % promedio de
las clasificaciones de movimientos de rodilla y también un buen rendimiento para comparar las estimaciones de ángulos de articulación de rodilla del filtro Kalman extendido y
los ángulos de articulación de rodilla humana EMG reales en el marco del ciclo de marcha humana. Además, se analiza la mejora básica de la técnica de optimización PSO propuesta para
el movimiento de rodilla del robot para futuras mejoras. El algoritmo, la metodología y los experimentos generales se presentan en este documento junto con
el trabajo futuro.