این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۲۹، شماره ۱۷۴، صفحات ۰-۰
عنوان فارسی تعیین نیرو در کاراندازهای عضله ‌تاندون مختلف با استفاده از شبکه‌ی عصبی
چکیده فارسی مقاله مقدمه: وابستگی نیروی عضلانی به عوامل متعدد، باعث ایجاد محدودیت هایی در ارایه ی یک رابطه ی ریاضی صریح به منظور پیش بینی نیروی عضلانی گشته است. به علت اهمیت این رابطه در مسایل مختلف اسکلت عضلانی و در زمینه ی آنالیز حرکت، ارایه ی راهکارهایی برای تخمین تئوری نیروی عضلانی امری ضروری است. هر چند در مطالعات مختلف، روابط گوناگونی برای این منظور مطرح شده است، اما پیچیدگی ارتباط میان نیروی ایجاد شده در عضله و عوامل مؤثر در آن، باعث شده است تا تلاش برای ارایه ی یک رابطه ی ریاضی جامع با بازده محاسباتی بالا با مشکلات زیادی روبه رو شود. بنابراین روابط ارایه شده یا جامعیت لازم برای کاربرد در کاراندازهای عضله تاندون مختلف را ندارند و یا به شدت غیر خطی و حجیم هستند و دارای بازده محاسباتی مناسبی نیستند. روش ها: در این پژوهش پس از مرور روابط ریاضی مختلف ارایه شده برای پیش بینی نیروی عضلانی، از یک شبکه ی عصبی برای تخمین نیرو در کاراندازهای عضله تاندون استفاده شده است. یافته ها: در این پژوهش یک مدل با بازده محاسباتی بالا و پارامترهای محدود ارایه گردید که می تواند برای برآورد نیروی ایجاد شده در کاراندازهای عضله تاندون در طول و سرعت های انقباض متفاوت مورد استفاده قرار گیرد. نتیجه گیری: به کارگیری شبکه ی عصبی مصنوعی ما را قادر به برآورد سریع تر و دقیق تر نیروی عضلانی در شرایط مختلف می سازد. در اصل، این روش باعث افزایش راندمان محاسباتی و یا به عبارتی کاهش زمان حل خواهد شد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Utilizing an Artificial Neural Network for Musculotendon Actuator Force Estimation
چکیده انگلیسی مقاله Background: Since muscle force depends on various factors, presenting explicit equations for predicting it is difficult. Due to the importance of these equations in different musculoskeletal problems and analysis of motion, proposing solutions for estimating muscle force is indisputable. Although numerous relations have been suggested, the complexity of relations between the caused musculotendon force and the effective factors leads to a lot of problems in suggesting efficient comprehensive computational equations. Thus, the previous proposed relations either do not have universality for estimating muscle force, or are too nonlinear, massive and inefficient. Methods: In this study, after reviewing previous mathematical relations for predicting muscle force, an artificial neural network was implemented to predict force in musculotendon actuators. Findings: The present study provided an appropriate and computationally efficient mathematical model with limited parameters. The model can be used to determine the forces generated by musculotendon actuators in various lengths and contraction velocities. Conclusion: Utilizing a neural network lets us estimate muscle force quicker and more accurately. This could fundamentally increase the computational efficiency in different musculoskeletal problems.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن صادقی مهر | mohsen sadeghi mehr
استادیار، گروه مهندسی مکانیک، دانشکده ی مهندسی، دانشگاه بوعلی سینا، همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

داود نادری | davood naderi
استادیار، گروه مهندسی مکانیک، دانشکده ی مهندسی، دانشگاه بوعلی سینا، همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

مصباح الرضا شریفی | mesbah alreza sharifi
کارشناس ارشد، گروه مهندسی معدن، گروه مهندسی، دانشگاه بوعلی سینا همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/1221
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-318578.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات