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: Biyomühendislik, Fiziksel Tıp ve Rehabilitasyon, Bilim ve Teknoloji, Bioengineering, Physical Medicine and Rehabilitation, Science and Technology
- Anahtar Kelimeler: Biyomedikal mühendisliği, Robotik rehabilitasyon, Yapay sinir ağları, Yapay zeka, Biomedical engineering, Robotic rehabilitation, Artificial neural networks, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Kam yapma aparatı
Cam milling attachment
ORHAN UZUN
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEVZİ ERCAN
- Sivas'ta kadınların işgücüne katılım farklılıkları
Başlık çevirisi yok
BİNNUR ERCEM
Yüksek Lisans
Türkçe
1984
SosyolojiCumhuriyet ÜniversitesiKurumlar Sosyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. FARUK KOCACIK
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN