软指执行器的设计和优化用于康复应用:结合有限元和神经网络的方法

科学领域:

• 机器人与机械工程 机器人与机械工程
• 生物医学工程 生物医学工程
• 材料科学 材料科学 材料科学

背景情况:

• 软执行器对于开发先进的机器人系统至关重要,特别是在医疗康复中.
• 优化软执行器的结构设计对于实现所需的性能特征,如曲角度,至关重要.
• 当前的设计过程往往缺乏精确的预测模型,需要代的实验验证.

研究的目的:

• 使用有限元模型 (FEM) 进行全面分析软指执行器.
• 为了研究结构参数对执行器曲性能的影响,用于康复应用.
• 开发和验证用于优化软执行器设计的预测模型.

主要方法:

• 使用有限元建模 (FEM) 来模拟软执行器在不同结构配置下的曲行为.
• 系统地分析了关键设计参数,包括 bellows 数,执行器高度和材料厚度.
• 人工神经网络 (ANN) 用于高精度预测执行器曲角度.
• 模拟结果与实验数据进行了严格比较,以验证FEM方法.

主要成果:

• 增加执行器高度和 bellows 的数量显著提高曲角度.
• 发现更大的脚和周围厚度限制了曲运动.
• FEM模拟显示了与实验结果的高度一致性,验证了模型的准确性.
• 该ANN模型实现了卓越的预测准确性,其余方差为0.74%,解释方差为99.26%.

结论:

• 结构设计参数极大地影响软执行器的性能,特定的配置优化曲用于康复.
• 经过验证的FEM方法和高度准确的ANN模型为软执行器的代设计和优化提供了可靠的工具.
• 这项研究为开发更有效的软执行器,用于康复训练手套和其他治疗应用提供了有价值的见解和设计指南.