logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-04062005-121710


Tipo di tesi
Tesi di laurea specialistica
Autore
Cocco, Antonello
Indirizzo email
acocco79@yahoo.it
URN
etd-04062005-121710
Titolo
Un'architettura per la gestione di dispositivi di trasduzione bio-ispirati in sistemi con controllore neuromorfo
Dipartimento
INGEGNERIA
Corso di studi
INGEGNERIA ELETTRONICA
Relatori
relatore Ferro, Marcello
relatore Pioggia, Giovanni
relatore Prof. De Rossi, Danilo
Parole chiave
  • biorobotica
  • dispositivi di traduzione
  • controllore neuromorfo
Data inizio appello
26/04/2005
Consultabilità
Completa
Riassunto
Con il presente lavoro di tesi è stato affrontato per la prima volta il problema della gestione di un dispositivo bio-ispirato tramite l’ambiente ARI; il dispositivo consiste in un sistema artificiale per la simulazione della masticazione umana provvisto di alcuni strain gage per la rilevazione dei carichi agenti sui denti.
In particolare, sono stati realizzati: una scheda a microcontrollore, con relativo firmware, per l’acquisizione dei segnali dai sensori, il controllo dei movimenti e la comunicazione con il PC tramite USB; l’interfaccia software con l’utente; il driver per la gestione del dispositivo con ARI.
L’utilità di questo tipo di lavoro ricopre vari aspetti del problema in questione, in quanto è stato finalizzato al raggiungimento di risultati che consentissero una prima valutazione dei limiti e delle potenzialità della soluzione rappresentata da ARI. Innanzitutto, si è cercato di definire un ciclo progettuale generalizzabile per i successivi hardware da integrare nell’architettura; in quest’ottica è stata valutata l’affidabilità delle soluzioni progettuali proposte, come l’utilizzo del microcontrollore e del protocollo USB. Inoltre, si è potuta verificare la flessibilità di ARI nella comunicazione con un dispositivo reale, grazie alla relativa semplicità del driver realizzato per l’interfacciamento. Infine, il sistema completo potrà essere utilizzato per il test di algoritmi, modelli di neurone e reti neurali implementate in ARI, allo scopo di trovare un neurocontrollore con efficienza computazionale e plausibilità biologica ottimali.
File