Arm Prosthesis with Interactive Neural

Input Device
Tài sản quý giá nhất của mỗi con người đó chính là cơ thể của chúng ta. Có thể
nói bàn tay chính là một trong những bộ phận quan trọng nhất khi mà nó giúp ta giao tiếp
với môi trường và thực hiện hầu hết các hoạt động hàng ngày trong cuộc sống. Thật đáng
buồn thay, trong cuộc sống do yếu tố bẩm sinh hoặc do tai nạn mà con người có thể bị
mất đi bộ phận đó trên cơ thể. Thấu hiểu được nỗi niềm đó mà nhân loại, trải qua hàng
thập kỷ qua, đã không ngừng phát triển, chế tạo các công cụ hỗ trợ giúp do người khuyết
tật có thể quay trở lại cuộc sống như bao người bình thường. Mặc dù các bộ phận giả có
thể hỗ trợ những người bị khuyết tật tìm lại khả năng của bàn tay, nhưng việc phát triển
một bàn tay giả có khả năng bắt chước bàn tay tự nhiên của con người vẫn còn là một
thách thức.

I. Lịch sử phát triển

Bàn tay là một thành phần không thể thiếu, với nhiều chức năng đáng kinh
ngạc. Ngoài khả năng vận động và tính cần thiết cho sự sống, về thể chất, tay còn là cơ sở
cho các quy ước xã hội (chào hỏi, chải chuốt, biểu đạt nghệ thuật,.) . Do đó, việc mất một
hoặc cả hai tay là một điều thực sự tàn khốc, cần được hỗ trợ nhiều mặt. Phần lớn các
trường hợp mất các chi xảy ra ở nam giới trong độ tuổi lao động, phổ biến nhất là do tai
nạn liên quan đến công việc hoặc do thương vong chiến tranh. Khuyết tật bẩm sinh, ung
thư và bệnh mạch máu cũng là những nguyên nhân chính dẫn đến cắt cụt chi. Trong
nhiều thiên niên kỷ, loài người đã sử dụng các công nghệ tiến bộ nhất tại thời điểm đó, để
thiết kế ra những thiết bị nhằm tạo điều kiện cho những người bị mất chi tái hòa nhập với
xã hội.
1. Thời kỳ Cổ Đại – Trung Cổ
Vào năm 77 (sau Công nguyên) những ghi chép sớm
nhất về bàn tay giả được học giả người La Mã Pliny the
Elder mô tả trong cuốn bách khoa toàn thư của ông.
Ví dụ nổi tiếng nhất về tay giả thời kỳ Trung Cổ là bàn
tay sắt của hiệp sĩ người Đức Götz von Berlichingen. Sau
khi bị mất tay trong trận Landshut (khoảng năm 1505),
một nghệ nhân đã tạo cho ông một bàn tay sắt với các
ngón có thể uốn cong và kéo dài khớp ngón tay. Khi đeo, Götz đã có thể giữ dây cương,
cầm vũ khí và quay trở lại trận chiến.
Thiết bị này được mô phỏng như phần mở rộng của áo giáp chiến đấu, chứ không phải
cánh tay người. Ngoài ra, do trọng lượng của nó nên cần được gắn chặt vào giáp bằng
dây.
 Một trong những mô tả đầu tiên về một bộ
phận giả bằng tay không tổ hợp là vào năm 1600
bởi bác sĩ phẫu thuật người Ý Giovanni Tommaso
Minadoi, người đã mô tả một người bị cụt tay có
thể bỏ mũ, tháo ví và thậm chí viết bằng bút lông.
Vào thế kỷ 16, bác sĩ phẫu thuật quân sự người
Pháp Ambroise Paré đã vẽ thiết kế chi tiết đầu tiên
của một bàn tay giả có lò xo.

Mặc dù nặng và cần điều khiển thủ công, nhưng đôi tay giả sớm đã khôi phục thành
công khả năng cầm khiên hoặc vũ khí của hiệp sĩ trong trận chiến. Những bộ phận giả
này được chế tạo cẩn thận với hình dạng và ngoại hình của bàn tay con người, thay vì chỉ
đơn giản là những công cụ vô tri để giữ đồ vật. Tuy nhiên, những trường hợp này rất
hiếm gặp vì chấn thương nặng thường dẫn đến xuất huyết và nhiễm trùng, và chỉ những
người giàu có mới có đủ khả năng mua những thiết bị như vậy.
 2. Chiến tranh Thế giới I & II
Khái niệm tay giả 'tự động' được đưa ra bởi nha sĩ người Đức Peter Baliff vào năm
1818. Lần đầu tiên, một người bị cụt tay có thể vận hành bộ phận giả của mình với các
chuyển động của cơ thể bằng chất lỏng.
Vào năm 1916, Tiến sĩ Ferdinand Sauerbruch đã mô tả thiết kế chân tay giả của mình
với các ngón tay được điều khiển bằng cách truyền chuyển động của cơ bắp tay. Video
ghi lại từ thời đại này cho thấy những người cụt tay sử dụng chân giả một cách hiệu quả
để uống từ tách trà và thậm chí lấy que diêm khỏi hộp để châm thuốc. Thật không may,
do chi phí sản xuất cao, rất ít cá nhân có đủ khả năng mua thiết bị này.
 Trong Chiến tranh thế giới thứ hai (1939 đến 1945), y học đã phát triển vượt bậc, cứu
sống được nhiều bệnh nhân, nhưng kết quả là 3475 người bị cụt chi trên ở Mỹ. Nhu cầu
lớn về chân tay giả đã dẫn đến việc thành lập Ủy ban Hoa Kỳ về Nghiên cứu và Phát triển
Chân - tay giả năm 1945 và Hiệp hội Chân tay giả và Chỉnh hình Canada vào năm 1955
Năm 1948, tay giả sử dụng điện thế từ cơ - Bowden được giới thiệu, thay thế các dây
đai cồng kềnh bằng một loại cáp có kiểu dáng đẹp, chắc chắn. Khả năng sử dụng đồng
thời cả hai tay thay vì yêu cầu một bàn tay để điều khiển bộ phận giả, cho phép người
dùng hoàn thành công việc hiệu quả
hơn. Mặc dù đeo lâu có thể gây khó
chịu, các nhiệm vụ vận động phức tạp
bị hạn chế và ngoại hình không giống
con người, nhưng các bộ phận giả hỗ
trợ cơ thể vẫn được sử dụng rộng rãi.
Đến những năm 1980, bộ phận giả
bằng điện cơ đã được sử dụng trong
các trung tâm phục hồi chức năng trên
khắp thế giới. Và đến ngày nay,
chúng vẫn là một lựa chọn phổ biến
cho những người bị khiếm khuyết.
II. Công nghệ Chi Giả hiện nay
1. Một số thành tựu
Phục chế bằng công nghệ silicone
Các bộ phận giả này được làm từ găng tay silicon
trong suốt được vẽ bởi một nghệ sĩ để hoàn toàn phù
hợp với màu da, lông trên cơ thể, tàn nhang và các đặc
điểm tự nhiên hiện có.

Sử dụng nguồn điện bên ngoài cung cấp

Tay giả SmartHand A16 (DOF) được
phát minh bởi Phòng thí nghiệm ARTS tại
Scuola Superiore Sant’Anna, Pisa, Ý. Bàn
tay giả được trang bị vi xử lý vào lòng bàn
tay để di chuyển các bộ truyền động của nó
ở nhiều chế độ điều khiển, từ dữ liệu đầu
vào, thiết bị cho cơ thể khả năng nhận biết,
các tác nhân ảnh hưởng từ bên ngoài.
Đây chính là công nghệ đã thịnh hành
trong lĩnh vực khắc phục khiếm khuyết của
cơ thể.

Công nghệ sử dụng vi mạch và kỹ thuật sinh học

Nhờ được tích hợp với các dây thần
kinh trên cơ thể, bệnh nhân có thể điều
khiển chi giả này bằng ý nghĩ giống như
đối với tay chân bình thường.
Khác với loại chi hoặc bộ phận giả
truyền thống có khớp nối (socket
protheses), về cơ bản chỉ để lấp vào những
chỗ khiếm khuyết trên cơ thể, cánh tay
bionic mới này là cả một hệ thống cơ bắp
– thần kinh – xương
(neuromusculoskeletal) tích hợp
 2. Công nghệ sử dụng EMG
Ngày nay, như đã đề cập, có rất nhiều sản phẩm trên thị trường. Mỗi loại đều có điểm
mạnh và điểm yếu riêng. Tuy nhiên, nổi trội nhất trong suốt khoảng thập kỷ gần đây, thiết
bị sử dụng công nghệ có khả năng đọc tín hiệu xung thần kinh từ cơ (EMG) lại phát triển
với nhiều thương hiệu nổi tiếng.

Bàn tay robot Bebionic 3 do

Ottobock phát triển

Các thành phần và cấu hình khác nhau của tay giả mô-đun (MPL), được chế tạo bởi
Phòng thí nghiệm Vật lý Ứng dụng của Đại học Johns Hopkins, Baltimore, MD, Hoa Kỳ
Các thiết bị có khả năng tương tác với các dây thần kinh của người bị mất và đưa
cảm ứng vào tay giả thông qua việc sử dụng các giao diện tiên tiến giữa máy và cơ thể.
Tuy nhiên, bất chấp những tiến bộ vượt bậc trong lĩnh vực này, việc tạo ra một sản
phẩm thay thế lý tưởng về mặt chức năng và thẩm mỹ cho một bàn tay bị mất vẫn tiếp tục
thách thức các bác sĩ và nhà nghiên cứu.
 III. Cấu tạo – Nguyên lí hoạt động chung
1. Nguyên lí hoạt động
Điều khiển trạng thái bật-tắt của thiết bị
Vào năm 2010, các nhà khoa học đã phát triển một bộ điều khiển tự động bao gồm hệ
thống nhận thức thị giác (CVS - the cognitive vision system) và điều khiển cơ điện. Thuật
toán điều khiển bao gồm bốn chức năng: thu thập các thông tin đầu vào (hình ảnh và
khoảng cách từ CVS, tín hiệu EMG từ bộ khuếch đại), xử lý dữ liệu, tạo các lệnh điều
khiển bằng tay, chuyển lệnh đến bàn tay. Để có thể kiểm soát các trạng thái, hệ thống sử
dụng các mã lệnh riêng để thực hiện sự thay đổi giữa các trạng thái chính (mở tay và
đóng) dựa vào việc xác định xung thần kinh bởi EMG của người dùng. Quy trình FSM
được thể hiện trong Hình 5. Dụng cụ kéo dài ngón tay (Ext EMG) và cơ gấp (Flex EMG)
đã cung cấp mã nhị phân hai bit (0 1) để điều khiển hệ thống thông qua các vùng của thiết
bị. Hệ thống điều khiển đã thử nghiệm trên 13 đối tượng. Kết quả cho thấy rằng tỷ lệ
thành công trong việc xác định loại và kích thước nắm là 84%.
 Vào năm 2018, Bahrami Moqadam đã sử dụng sự kết hợp của điều khiển cơ điện khi
bật-tắt với phương pháp điều khiển fuzzy/PD để cung cấp vị trí bám và kiểm soát lực
bám của tay giả. Trong bước đầu tiên của vòng điều khiển bên ngoài, tín hiệu EMG hai
kênh đã được ghi lại. Sau đó, khối tiếp theo đã cải thiện tín hiệu này và giảm phạm vi
nhiễu của nó. Trong giai đoạn tiếp theo, tín hiệu EMG được chỉnh lưu và làm mịn bằng
bộ lọc thông thấp trước khi đi qua bộ chuyển đổi analog sang digital. Trong các mạch
logic, hai ngưỡng được đặt để xác định hướng chuyển động của tay (theo chiều kim đồng
hồ hoặc ngược chiều kim đồng hồ). Đầu ra của vòng lặp này tương tự như tín hiệu dừng,
là đầu vào của vòng điều khiển bên trong. Nói cách khác, miền điện áp của tín hiệu EMG
ảnh hưởng đến đầu ra của phần logic mờ và giá trị của chênh lệch thời gian tạo ra đầu vào

của bộ điều khiển PD.

Vào năm 2019, phát triển một

quy trình phân loại thứ bậc để xác
định cả tư thế bàn tay/ cổ tay dự
định, và mức lực mong muốn
trong các chức năng cầm nắm. Họ
đã sử dụng một máy trạng thái
hữu hạn để điều khiển và tổ chức
ba bộ phân loại dựa trên NLR
(thuật toán hồi quy logistic phi
tuyến tính). Bộ phân loại NLR,
“bộ phân loại cử chỉ bàn tay / cổ
tay”, được áp dụng để phân biệt
loại cử chỉ dự định giữa bảy cử
chỉ khác nhau.
 Kiểm soát tư thế của thiết bị trực tiếp
Trong điều khiển cơ điện, điện áp động cơ thay đổi tỷ lệ thuận với tín hiệu EMG. Do
đó, nó cho phép người cụt tay kiểm soát tốc độ và lực bám. chu kỳ làm việc của điện áp
đầu ra tỷ lệ với hoạt động EMG. Cái này có thể thu được tính năng bằng cách chỉ sử dụng
bộ so sánh kép sau khi khuếch đại. Năm 1977, Parker và cộng sự. đề xuất một công thức
dựa trên vấn đề phát hiện, dẫn đến các giá trị tham số tối ưu và sơ đồ xử lý tín hiệu.
Trong 1984 Evans và cộng sự. đề xuất áp dụng tính phi tuyến tính logarit và sai số bình
phương trung bình tối thiểu tuyến tính bộ ước lượng thay vì bộ chỉnh lưu toàn sóng và bộ
lọc thông thấp. Bộ lọc Kalman sau đó được sử dụng để ước tính tín hiệu điều khiển.

Hình minh họa kỹ thuật xử lý

myopulse (MYOP). Một tín hiệu
sEMG được lọc băng thông điển hình
là được hiển thị trong đồ thị (a). Đồ
thị (b) minh họa đầu ra từ bộ xử lý
myopulse. Đầu ra là được bật khi
biên độ tuyệt đối của tín hiệu sEMG
cao hơn ngưỡng 𝛿. Nếu không, đầu ra
vẫn ở mức thấp. (Sao chép lại với sự
cho phép của.

Năm 1993, Hudgins và cộng sự đã phát triển một tập hợp các tính năng phổ biến của
miền thời gian (TD) (dấu hiệu độ dốc thay đổi (SSC), độ dài dạng sóng (WL), độ dốc giá
trị tuyệt đối trung bình, MAV và ZC) để kiểm soát phục hình đa chức năng bằng một
kênh EMG duy nhất, mà không yêu cầu người dùng nỗ lực thêm.
 Nhiều nghiên cứu gần đây cũng tập trung vào điều khiển tỷ lệ điện cơ. Trong 2014,
nghiên cứu được thực hiện trên một bộ phận giả có hai động cơ chức năng. Các tính năng
EMG là giá trị biên độ trung ình (AAV), ZC, WL và MYOP. So với ba sơ đồ kiểm soát
khác được thực hiện trong nghiên cứu này, kiểm soát đồng thời và tỷ lệ tương tự như hai
kiểm soát dựa trên mutex hoạt động tốt hơn điều khiển tỷ lệ tuần tự.
 Vào năm 2014, đã phát triển một bộ điều khiển cơ điện tỷ lệ cho thiết bị mô phỏng bộ
xương chi trên trong thời gian thực. Sáu đối tượng có thân hình cân đối thực hiện chuyển
động của khuỷu tay (gập / duỗi) trong 4 lần thí nghiệm với các điều kiện khác nhau. Dữ
liệu sEMG được ghi lại bằng cách sử dụng bốn cặp điện cực và RMS được sử dụng làm
tính năng cho bộ phân loại mạng neuron lan truyền ngược (BPN). RMSE và R-square
cho thấy sai số giữa góc thực tế và góc dự đoán. Kết quả bốn giây có giá trị RMSE thấp
hơn (9,67) và R2 lớn hơn (0,87).

Sơ đồ điều khiển điện cơ tỷ lệ được đề xuất (BPN: mạng nơron lan truyền ngược)

Kiểm soát cơ điện đồng thời trong thời gian thực

Bất chấp những tiến bộ trong những thập kỷ gần đây trong việc điều khiển cơ điện,
vẫn còn một khoảng cách rất lớn giữa lý thuyết và việc thay thế bộ phận nhân tạo được
phổ biến rộng rãi. Nói chung, những bộ phận giả này phải trải qua một chặng đường dài
cho đến khi chúng đạt đến sự chính xác như bàn tay tự nhiên, vì vậy hầu hết người dùng
không chấp nhận những bộ phận giả này và tự ti với khuyết tật của họ. Một trong những
lý do quan trọng nhất dẫn đến sự không hài lòng của người dùng là thiếu khả năng kiểm
soát đồng thời. Nó là cần thiết để kích hoạt một số degrees of freedom (DOF) đồng thời
trong hầu hết các chuyển động của cuộc sống hàng ngày. Tuy nhiên, các DOF này được
kích hoạt tuần tự trong quá khứ ở các mẫu chi giả, do đó, các chuyển động của các bộ
phận giả này không trơn tru và không hoạt động như những đôi tay thật. Vì lý do này, sự
chú ý nhiều hơn được đổ dồn vào quyền kiểm soát đồng thời. Nhiều phương pháp đã
được đề xuất trong các tài liệu trong lĩnh vực này. Các phương pháp này bao gồm nhận
dạng mẫu, học sâu, hồi quy và phân tích nhân tử ma trận không âm (NMF).
 Mô hình tạo gen sinh học đã truyền cảm hứng cho phương pháp này được phát triển
lần đầu tiên bởi Jiang. Sơ đồ mô hình đề xuất được trình bày trong hình dưới. T
Trong đó F(t) là vectơ lực, S là vectơ hệ số kích hoạt, X(t) là vectơ hàm hoạt hóa, M
là số lượng cơ tham gia vào chuyển động, Y(t) là sEMG được tạo ra trước khi đi qua da,
G(t) là bộ lọc mô và Z(t) là sEMG được ghi lại.

Ta trích xuất giá trị bình phương trung bình (MSV- mean square value) như một đặc
điểm và giả định rằng trao đổi chéo giữa các kênh là không đáng kể. Do đó, mối quan hệ
giữa MSV và lực khớp gần như là tuyến tính, và mối quan hệ có thể được biểu diễn như
sau:

Đối với mỗi chuyển động, 𝑍(𝑡)Mx1 là vectơ đặc trưng (MSV) tại thời điểm t, W Mx2N là
ma trận Năng lượng tổng của cơ và F(t) 2Nx1 là véc tơ hệ số hoạt hóa. Do đó, phương trình
trước đó có thể được viết lại thành:

trong đó M là số kênh và L là độ dài tín hiệu.

 Trong sơ đồ này, việc kiểm soát đồng thời nhiều DOF thu được với phép tính tổng
của các lần kích hoạt DOF đơn lẻ. Do đó, trong quá trình, chỉ có thể xem xét các DOF
đơn lẻ. Vectơ W cho mỗi chuyển động được tính bằng phương pháp NMF để giải phương
trình này trong giai đoạn hiệu chuẩn. Ma trận W được tạo ra bằng cách ghép các vectơ W
lại với nhau (ma trận này được coi là không đổi). Điểm mấu chốt của phương pháp này là
một phương pháp giám sát nửa phần (semi-unsupervised). Ngoài ra, một số nghiên cứu
đã chỉ ra rằng phương pháp này phù hợp với số lượng kênh và sự dịch chuyển của các
điện cực.
Hạn chế lớn nhất của phương pháp NMF là giai đoạn hiệu chuẩn DOF của nó, có
nghĩa là chỉ có một DOFs phải được kích hoạt trong quá trình, trong khi nhiều hơn một
DOF có thể được kích hoạt trong cả giai đoạn. Nó dẫn đến việc tạo ra một ma trận năng
lượng tổng hợp không đầy đủ và khả năng kiểm soát kém. Để khắc phục hạn chế này, họ
đã chọn phương pháp phân tích nhân tử ma trận thưa thớt không âm dựa trên chuẩn L 1
(SNMF). Hàm SNMF được định nghĩa như sau:

Fro là định mức Frobenius và λ là thông số chính quy được ước tính với sự cân bằng
giữa độ chính xác và mức độ thưa thớt (được chọn bằng cách xác nhận chéo). Kết quả
của nghiên cứu này cho thấy rằng trong đánh giá trực tuyến, thông lượng của phương
pháp SNMF cao hơn đáng kể so với NMF đơn giản và hồi quy tuyến tính. Ngoài ra, thời
gian hoàn thành cho phương pháp đề xuất ngắn hơn NMF và hồi quy tuyến tính.
Mặc dù đã đạt được độ chính xác tốt trong điều kiện phòng thí nghiệm được kiểm
soát, nhưng chưa có phương pháp nào trong số này được sử dụng thương mại. Do đó,
trong các nghiên cứu sau này, các phương pháp nên được đánh giá trong điều kiện thực tế
thay vì tăng độ chính xác của phòng thí nghiệm.
 2. Cấu tạo
Do hiện nay có rất nhiều loại, mẫu mã từ nhiều nguồn, nên nhóm chúng em xin phép
chọn mẫu có cấu tạo cơ bản nhất để phân tích. Thiết bị sau bao gồm 5 động cơ Servo
được in 3D, hai pin ít hơn 18V, dây theo yêu cầu, EMG, ba Hình dán EMG và Arduino.
Thiết kế
Trên thị trường, có rất nhiều lựa chọn cho khung 3D tùy thuộc vào nhu cầu của người sử
dụng, chẳng hạn như bền, hệ thống điều khiển, báng cầm tay. Mỗi bộ phận giả đều có
điểm mạnh và điểm yếu. Tay giả sẽ được gắn vào cẳng tay của bệnh nhân để khắc phục
cánh tay bị mất. Ba miếng dán điện cực đọc tín hiệu EMG sẽ được gắn vào tay dư để
kiểm soát tay giả. Năm động cơ DC được sử dụng để điều khiển các ngón tay .

Xung (Tín hiệu) Điện cơ đồ Tín hiệu analog

(EMG) thiết bị sẽ được truyền
từ tay
để đọc xung đến Arduino.

Tay giả đã sẵn Động cơ servo sẽ Arduino sẽ

sàng để di nhận hướng dẫn hoạt động theo
chuyển từ Arduino mã có trong
dữ liệu
 Tay giả sẽ được gắn vào cẳng tay của người bị cụt nên cấu trúc phải nhẹ và kích
thước phải phù hợp. Tay giả hoạt động bằng cách nhận xung động từ người đeo sau khi
đã dán các miếng dán lên phần bị khuyết trên bệnh nhân. Tín hiệu trên máy có dạng như
hình dưới đây. Phương pháp điện cơ hóa học có thể được sử dụng cho tính toán các điện
áp này trên bề mặt da.

Xung điện được đo trên bề mặt da có thể có các

tần số khác nhau dựa trên sức co cơ. Để phát hiện các
tín hiệu điện cơ, cảm biến EMG là gắn ở các vị trí
khác nhau của cẳng tay. Các miếng dán điện cực sẽ ở
giữa cơ và căn chỉnh theo hướng của sợi cơ bắp. Đặt ở
nơi khác nhau sẽ có cường độ và tín hiệu từ cảm biến
khác nhau. Biểu diễn kỹ thuật số của xung điện từ cơ
bắp là tín hiệu EMG. Nếu ai đó nghĩ về việc uốn dẻo
một cơ, não của họ sẽ gửi một tín hiệu thần kinh đến
các cơ được gọi là sự thôi thúc. Bây giờ các cơ tiếp
tục sử dụng các đơn vị vận động hoặc các bó sợi cơ
tạo ra lực phía sau cơ. Nhiều như cơ được uốn dẻo,
càng nhiều đơn vị vận động được huy động để tạo ra
nhiều năng lượng cơ hơn và số lượng đơn vị vận
động, cơ tạo ra hoạt động thì tín hiệu điện càng lớn.
Bất cứ lúc nào xung động đến từ não, các nhãn dán EMG sẽ gửi tín hiệu đó đến EMG để
đọc nó và gửi nó đến Arduino.
Sơ đồ cấu tạo điển hình của EMG Sensor:
 Động cơ Servo: là một phần của hệ thống vòng kín. Là một thiết bị điện độc lập,
được sử dụng để quay các bộ phận của máy với hiệu suất cao và độ chính xác cao. Hiểu
đơn giản thì động cơ Servo như một động cơ thông
thường và kết hợp nó với một cảm biến để phản hồi
vị trí. Bộ điều khiển là bộ phận quan trọng nhất của
động cơ Servo được thiết kế và sử dụng chuyên biệt
cho mục đích này. Động cơ được điều khiển bằng
tín hiệu điện, analog hoặc digital, xác định chuyển
động theo vị trí lệnh cuối cùng của trục. Encoder
đóng vai trò như một cảm biến cung cấp phản hồi
về tốc độ và vị trí. Mạch này được xây dựng ngay
bên trong vỏ động cơ thường được lắp với hệ thống
bánh răng.