مهدی فقیهی حبیب آبادی - دانشجوی کارشناسی ارشد، دانشکده مکانیک، دانشگاه آزاد خمینی شهر- نویسنده مسئول
نیما جمشیدی - استادیار، دانشکده فنی و مهندسی، دانشگاه اصفهان
سیدمحمدعلی ابطحی - فارق التحصیل کارشناسی ارشد ، دانشکده فنی و مهندسی، دانشگاه اصفهان
محمدرضا یزدچی - استادیار، دانشکده فنی و مهندسی، دانشگاه اصفهان

در این تحقیق، یک راه حل متفاوت برای تشخیص و شناسایی میزان شدت سندرومدردناک مفصل کشککی رانی بر پایه استفاده از شبکه نرو- فازی با آموزش از طریق الگوریتم تکاملی ازدحام ذرات پیشنهاد شده است. این نوع تخمین گر به دلیل استفاده ازدانش بشری بر پایه الگوریتم فازی و قابلیت یادگیری شبکه عصبی و بهینه سازی الگوریتمازدحام ذرات انتخاب شده است.تعادل ایستایی 30 شرکت کننده (15 فرد سالم و 15 فرد بیمار) در حالت دوپا بوسیلهصفحه نیرو با فرکانس 100 هرتز اندازه گرفته می شود. داده برداری از سه نقطه مرکز فشاردر عضلات ابداکتور و اکسترنال روتیتور هر فرد در سه جلسه با فاصله 48 ساعت انجامشده است.مقادیر هفت شاخص تعریف شده مرکز فشار، قبل و بعد از خستگی هر دو عضله، بهعنوان ورودی به شبکه اعمال شده و با استفاده از خروجی این شبکه، با صحت 1 / 88 % فردبیمار از سالم تشخیص داده می شود.در مطالعات آتی، می توان از رویکردهای دیگری در تشخیص بیماری در هر دوحالت راه رفتن و استاتیکی استفاده کرد به عنوان نمونه بهبود زوایا و کنترل گشتاور و یااستفاده از سیگنال های الکترومایوگرافی. همچنین بعد از تشخیص شدت بیماری در حین راهرفتن، حرکت بیمار را با استفاده از یک ارتز کنترل کرد و از زمین خوردن بیمار جلوگیری کرد.

انفیس، الگوریتم بهینه ساز ازدحام ذرات، سندروم دردناک مفصل کشککی رانی، تعادل استاتیکی