Dış iskelet robotlarının kontrol mekanizması için bir tahmin algoritması
A prediction algorithm for the control mechanism of exoskeleton robots
- Tez No: 921502
- Danışmanlar: DR. ÖĞR. ÜYESİ HAYRİYE ALTURAL ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Biyomühendislik, Fiziksel Tıp ve Rehabilitasyon, Science and Technology, Bioengineering, Physical Medicine and Rehabilitation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Bu tez çalışması, rehabilitasyon amaçlı kullanılan dış iskelet robotlarının kontrolmekanizmalarında derin öğrenme modellerinin uygulanabilirliğini değerlendirmek amacıylagerçekleştirilmiştir. Dış iskelet sistemlerinin, kullanıcının hareketlerini doğru bir şekilde takipedebilmesi için güvenilir referans yörüngelere ihtiyaç duyduğu bilinmektedir. Bu doğrultuda,IMU sensörlerinden elde edilen insan yürüyüş verileri kullanılarak, farklı zaman aralıklarındahareket yörüngelerinin tahmini için Tekrarlayan Sinir Ağları (RNN), Uzun Kısa Süreli Bellek(LSTM) ve Kapılı Tekrarlayan Birim (GRU) modelleri uygulanmıştır. Modelleme sürecinde,ivme ve açısal hız verileri kayan pencere yöntemiyle segmentlere ayrılmış ve farklı giriş (600ms, 800 ms, 1000 ms) ve çıkış pencere boyutları (100 ms, 200 ms, 300 ms) kullanılarak tümmodeller eğitilmiştir. Her pencere kombinasyonu için ayrı hiperparametre optimizasyonuuygulanarak en iyi model parametreleri belirlenmiştir. Deneysel sonuçlar, RNN modelininLSTM ve GRU'ya kıyasla daha düşük performans sergilediğini göstermektedir. En iyiperformans ise, 600 ms giriş ve 100 ms çıkış penceresiyle eğitilen GRU modeliyle eldeedilmiş olup, bu model 0,092 RMSE ve 0,062 MAE değerleri ile en düşük hata oranınaulaşmıştır. Bununla birlikte, GRU ve LSTM modellerinin genellikle benzer hata değerlerinesahip olduğu, ancak çıkış pencere boyutunun artmasıyla LSTM modelinin daha kararlı birperformans sergilediği gözlemlenmiştir. Bu durum, uzun vadeli bağımlılıkların bulunduğusenaryolarda LSTM modelinin daha avantajlı olabileceğini göstermektedir. Öte yandan,hesaplama maliyetleri açısından değerlendirildiğinde, GRU modeli LSTM'ye kıyasla daha azhesaplama gerektiren ve daha hızlı çalışan bir alternatif sunmaktadır.
Özet (Çeviri)
This thesis was carried out to evaluate the applicability of deep learning models in the controlmechanisms of exoskeleton robots used for rehabilitation purposes. It is known thatexoskeleton systems need reliable reference trajectories to track the user's movementsaccurately. Accordingly, Recurrent Neural Networks (RNN), Long Short Term Memory(LSTM), and Gated Recurrent Unit (GRU) models were applied to predict motion trajectoriesat different time intervals using human gait data obtained from IMU sensors. During themodeling process, the acceleration and angular velocity data were segmented using the slidingwindow method, and all models were trained using different input (600 ms, 800 ms, 1000 ms)and output window sizes (100 ms, 200 ms, 300 ms). Separate hyperparameter optimizationwas applied for each window combination to determine the best model parameters. Theexperimental results show that the RNN model performs poorly compared to LSTM and GRU.The best performance was obtained with the GRU model trained with 600 ms input and 100ms output window, and this model achieved the lowest error rate with 0.092 RMSE and 0.062MAE values. However, it is observed that the GRU and LSTM models generally have similarerror values, but the LSTM model shows a more stable performance as the output window sizeincreases. This suggests that the LSTM model may be more advantageous in scenarios withlong-term dependencies. On the other hand, when evaluated in terms of computational costs,the GRU model offers an alternative that requires less computation and runs fastercompared to the LSTM.
Benzer Tezler
- Novel mechanism and controller design for hybrid force-position control of humanoid robots
İnsansı robotlarda birleşik kuvvet-konum kontrolü için yenilikçi mekanizma ve kontrol tasarımı
CİHAT BORA YİĞİT
Doktora
İngilizce
2018
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. PINAR BOYRAZ
- Development of supramolecular hydrogels with adjustable viscoelastic, mechanical and self-recovering properties
Ayarlanabilir viskoelastik, mekanik ve kendi-kendini onarma özelliklerine sahip supramoleküler hidrojellerin geliştirilmesi
ESRA SU
- Üst uzuv rahatsızlıkları için rehabilitasyon robotu tasarımı ve geliştirilmesi
Design and development of exoskeleton robot for upper limb rehabilitation
FERHAD KALELİ
Yüksek Lisans
Türkçe
2018
Fiziksel Tıp ve Rehabilitasyonİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Optimal exoskeleton design and e ffective human-in-the-loop control frameworks for rehabilitation robotics
Rehabilitasyon robotları için optimal dış-iskelet ve etkin insan etkileşimli kontrol çatıları tasarımı
AHMETCAN ERDOĞAN
Doktora
İngilizce
2014
Fizyoterapi ve RehabilitasyonSabancı ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. VOLKAN PATOĞLU
- Design, implementation and control of rehabilitation robots for upper and lower limbs
Üst ve alt ekstrimite rehabilitasyon robotlarının tasarımı, uygulaması ve kontrolü
MEHMET ALPER ERGİN
Yüksek Lisans
İngilizce
2011
Mühendislik BilimleriSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VOLKAN PATOĞLU