Разработка планирования траектории движения для реабилитационного робота верхних конечностей на основе алгоритма оптимизации роя частиц
(Стр. 102-113)
Подробнее об авторах
Дацюань Юй
аспирант, Институт математики и компьютерных технологий, .
Дальневосточный федеральный университет
г. Владивосток, Российская Федерация Пустовалов Евгений Владиславович доктор физико-математических наук, доцент; профессор, Институт математики и компьютерных технологий; Дальневосточный федеральный университет; г. Владивосток, Российская Федерация
Дальневосточный федеральный университет
г. Владивосток, Российская Федерация Пустовалов Евгений Владиславович доктор физико-математических наук, доцент; профессор, Институт математики и компьютерных технологий; Дальневосточный федеральный университет; г. Владивосток, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
По мере развития социального старения населения происходит увеличение числа пациентов с дисфункцией верхних конечности, использование реабилитационных роботов для тренировок, станет необходимостью. В статье объектом исследования является скорость движения реабилитационного робота верхних конечностей с четырьмя степенями свободы. Метод сегментированного планирования траектории движения реабилитационного робота верхних конечностей представлен на основе полинома пятой степени, а траектория реабилитационной тренировки, включает в себя участок ускорения, участок постоянной скорости и участок замедления. Алгоритм оптимизации роя частиц, решивший вопрос, как оптимизировать траекторию движения реабилитационного робота верхних конечностей для обеспечения безопасности реабилитационной тренировки представлен, успешно проверен. Для того, чтобы пациенты могли получить лучший эффект от тренировки, врачи могут настроить скорость работы реабилитационного робота в соответствии с реабилитационным статусом руки пациентов, чтобы удовлетворить потребности пациентов в реабилитационной тренировке в различные периоды реабилитации. Имитационные результаты получены в Матлаб, показано, что этот метод решает поставленные задачи.
Образец цитирования:
ОБРАЗЕЦ ЦИТИРОВАНИЯ: Дацюань Юй, Пустовалов Е.В. Разработка планирования траектории движения для реабилитационного робота верхних конечностей на основе алгоритма оптимизации роя частиц // Computational Nanotechnology. 2026. Т. 13. № 1. С. 102-113. DOI: 10.33693/2313-223X-2026-13-1-102-113. EDN: MFOXKL
Список литературы:
Дас Н.Ч. и др. Алгоритм планирования траектории мобильного робота // Сборник докладов XXIV Междунар. конф. по мягким вычислениям и измерениям (SCM’2021). В 2 т. СПб.: СПбГЭТУ «ЛЭТИ», 2021. Т. 1. С. 228–231.
Gharehchopogh F.S. An improved tunicate swarm algorithm with best-random mutation strategy for global optimization problems // Journal of Bionic Engineering. 2022. Vol. 19. No. 4. Pp. 1177–1202. DOI: 10.1007/s42235-022-00185-1.
Huang J., Hu P., Wu K. et al. Optimal time-jerk trajectory planning for industrial robots // Mechanism and Machine Theory. 2018. Vol. 121. Pp. 530–544. DOI: 10.1016/j.mechmachtheory.2017.11.006.
Kim B., Ahn K., Nam S. et al. Upper extremity exoskeleton system to generate customized therapy motions for stroke survivors // Robotics and Autonomous Systems. 2022. Vol. 154. Art. 104128. DOI: 10.1016/j.robot.2022.104128.
Kong M., Ji C., Chen Z. et al. Smooth and near time-optimal trajectory planning of robotic manipulator with smooth constraint based on cubic B-spline // IEEE International Conference on Robotics and Biomimetics (ROBIO). 2013. Pp. 2334–2339. DOI: 10.1109/ROBIO.2013.6739818.
Li G., Fang Q., Xu T. et al. Inverse kinematic analysis and trajectory planning of a modular upper limb rehabilitation exoskeleton // Technology and Health Care. 2019. Vol. 27. Pp. 123–132. DOI: 10.3233/THC-199012.
Nguiadem C., Raison M., Achiche S. Motion planning of upper-limb exoskeleton robots: A review // Applied Sciences. 2020. Vol. 10. No. 21. Art. 7626. DOI: 10.3390/app10217626.
Piotrowski A.P., Napiorkowski J.J., Piotrowska A.E. Particle swarm optimization or differential evolution-a comparison // Engineering Applications of Artificial Intelligence. 2023. Vol. 121. Art. 106008. DOI: 10.1016/j.engappai.2023.106008.
Porawagama C.D., Munasinghe S.R. Reduced jerk joint space trajectory planning method using 5-3-5 spline for robot manipulators // International Conference on Information and Automation for Sustainability (ICIAfS). Colombo: IEEE, 2015. Pp. 1–6.
Rodgers H., Bosomworth H., Krebs H.I. et al. Robot assisted training for the upper limb after stroke (RATULS): A multicentre randomised controlled trial // The Lancet. 2019. Vol. 394. No. 10192. Pp. 51–62. DOI: 10.1016/S0140-6736(19)31055-4.
Rout A., Deepak B.B.V.L., Biswal B.B. Optimal time-jerk trajectory planning of 6 axis welding robot using TLBO method // Procedia Computer Science. 2018. Vol. 133. Pp. 537–544. DOI: 10.1016/j.procs.2018.07.067.
Stinear C.M., Lang C.E., Zeiler S. et al. Advances and challenges in stroke rehabilitation // Lancet Neurology. 2020. Vol. 19. No. 4. Pp. 348–360. DOI: 10.1016/S1474-4422(19)30415-6.
Wang F., Zhang H., Zhou A. A particle swarm optimization algorithm for mixed-variable optimization problems // Swarm and Evolutionary Computation. 2021. Vol. 60. Art. 100808. DOI: 10.1016/j.swevo.2020.100808.
Xu L., Cao M., Song B. A new approach to smooth path planning of mobile robot based on quartic bezier transition curve and improved PSO algorithm // Neurocomputing. 2022. Vol. 473. Pp. 98–106.
Yang M., Li C. Path planning and tracking for multirobot system based on improved PSO algorithm // IEEE International Conference on Mechatronics and Automation (ICMA). 2011. Pp. 1671–1674. DOI: 10.1109/ICMA.2011.6025799.
Gharehchopogh F.S. An improved tunicate swarm algorithm with best-random mutation strategy for global optimization problems // Journal of Bionic Engineering. 2022. Vol. 19. No. 4. Pp. 1177–1202. DOI: 10.1007/s42235-022-00185-1.
Huang J., Hu P., Wu K. et al. Optimal time-jerk trajectory planning for industrial robots // Mechanism and Machine Theory. 2018. Vol. 121. Pp. 530–544. DOI: 10.1016/j.mechmachtheory.2017.11.006.
Kim B., Ahn K., Nam S. et al. Upper extremity exoskeleton system to generate customized therapy motions for stroke survivors // Robotics and Autonomous Systems. 2022. Vol. 154. Art. 104128. DOI: 10.1016/j.robot.2022.104128.
Kong M., Ji C., Chen Z. et al. Smooth and near time-optimal trajectory planning of robotic manipulator with smooth constraint based on cubic B-spline // IEEE International Conference on Robotics and Biomimetics (ROBIO). 2013. Pp. 2334–2339. DOI: 10.1109/ROBIO.2013.6739818.
Li G., Fang Q., Xu T. et al. Inverse kinematic analysis and trajectory planning of a modular upper limb rehabilitation exoskeleton // Technology and Health Care. 2019. Vol. 27. Pp. 123–132. DOI: 10.3233/THC-199012.
Nguiadem C., Raison M., Achiche S. Motion planning of upper-limb exoskeleton robots: A review // Applied Sciences. 2020. Vol. 10. No. 21. Art. 7626. DOI: 10.3390/app10217626.
Piotrowski A.P., Napiorkowski J.J., Piotrowska A.E. Particle swarm optimization or differential evolution-a comparison // Engineering Applications of Artificial Intelligence. 2023. Vol. 121. Art. 106008. DOI: 10.1016/j.engappai.2023.106008.
Porawagama C.D., Munasinghe S.R. Reduced jerk joint space trajectory planning method using 5-3-5 spline for robot manipulators // International Conference on Information and Automation for Sustainability (ICIAfS). Colombo: IEEE, 2015. Pp. 1–6.
Rodgers H., Bosomworth H., Krebs H.I. et al. Robot assisted training for the upper limb after stroke (RATULS): A multicentre randomised controlled trial // The Lancet. 2019. Vol. 394. No. 10192. Pp. 51–62. DOI: 10.1016/S0140-6736(19)31055-4.
Rout A., Deepak B.B.V.L., Biswal B.B. Optimal time-jerk trajectory planning of 6 axis welding robot using TLBO method // Procedia Computer Science. 2018. Vol. 133. Pp. 537–544. DOI: 10.1016/j.procs.2018.07.067.
Stinear C.M., Lang C.E., Zeiler S. et al. Advances and challenges in stroke rehabilitation // Lancet Neurology. 2020. Vol. 19. No. 4. Pp. 348–360. DOI: 10.1016/S1474-4422(19)30415-6.
Wang F., Zhang H., Zhou A. A particle swarm optimization algorithm for mixed-variable optimization problems // Swarm and Evolutionary Computation. 2021. Vol. 60. Art. 100808. DOI: 10.1016/j.swevo.2020.100808.
Xu L., Cao M., Song B. A new approach to smooth path planning of mobile robot based on quartic bezier transition curve and improved PSO algorithm // Neurocomputing. 2022. Vol. 473. Pp. 98–106.
Yang M., Li C. Path planning and tracking for multirobot system based on improved PSO algorithm // IEEE International Conference on Mechatronics and Automation (ICMA). 2011. Pp. 1671–1674. DOI: 10.1109/ICMA.2011.6025799.
Ключевые слова:
реабилитационный робот, планирование траектории, полином пятой степени, Матлаб, модифицированный алгоритм оптимизации роя частиц.
